返回搜索结果
Qwen3.5-0.8B · Q8_0
NVIDIA RTX 4070 Ti12GBvLLM v0.27L2 跨框架验证
本页汇总 Qwen3.5-0.8B（Q8_0）在 NVIDIA RTX 4070 Ti 上以 vLLM 运行的 1 次实测数据，来自 1 个独立来源平台；指标为已上架实测的均值。
188.8 tok/s
Decode
解码速度
665.28 tok/s
Prefill
预填充速度
1.56 s
TTFT
首 token 延迟
4.03 GB
VRAM
显存占用
L2 跨框架验证
1
实测次数
1
独立来源
其他
来源平台
今天
最后验证
性能表现
- llama.cpp · IQ4_XS Decode 272.81 · Prefill 1057.01 ·
- vLLM · IQ3_S Decode 341.56 · Prefill 1371.63 ·
- vLLM · Q8_0 （当前）Decode 188.8 · Prefill 665.28 ·
- llama.cpp · IQ3_XS Decode 242.17 · Prefill 959.61 ·
- llama.cpp · Q3_K_S Decode 230.59 · Prefill 747.57 ·
核心数据
- Decode（平均）
- 188.8 tok/s
- Prefill（平均）
- 665.28 tok/s
- TTFT（平均）
- 1.56 s
- VRAM（平均）
- 4.03 GB
- MTP 接受率
- —
- TTFB
- 1.51 GB
- 功耗
- 315.2 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3.5-0.8B
- 量化方式
- Q8_0
- 框架
- vLLM
- 版本
- v0.27
- 上下文长度
- 8192 tokens
- 批次大小
- 16
- GPU 层数
- 999
- Flash Attention
- 开启
硬件信息
标称与实测并排陈列，能否运行由读者自判
- GPU
- NVIDIA RTX 4070 Ti
- 标称显存
- 12 GB
- 实测显存（均值）
- 4.03 GB
- 系统
- Ubuntu 24.04
- 驱动
- 572.83
- CUDA
- 12.6
- 电源功耗
- 315.2 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.27 · Ubuntu 24.04 · CUDA 12.6 · 8192 ctx
188.8 tok/s
Decode
665.28 tok/s
Prefill
1.56 s
TTFT
4.03 GB
VRAM
—
MTP
315.2 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=42 running model_id=51 at Q8_0