返回搜索结果
Qwen3.5-0.8B · IQ3_S
NVIDIA RTX 407012GBllama.cpp v0.38L2 跨框架验证
本页汇总 Qwen3.5-0.8B（IQ3_S）在 NVIDIA RTX 4070 上以 llama.cpp 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。
227.1 tok/s
Decode
解码速度
1,033.86 tok/s
Prefill
预填充速度
2.27 s
TTFT
首 token 延迟
3.21 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
5 天前
最后验证
性能表现
- llama.cpp · IQ3_S （当前）Decode 227.1 · Prefill 1033.86 ·
核心数据
- Decode（平均）
- 227.1 tok/s
- Prefill（平均）
- 1,033.86 tok/s
- TTFT（平均）
- 2.27 s
- VRAM（平均）
- 3.21 GB
- MTP 接受率
- —
- TTFB
- 1.82 GB
- 功耗
- 279.6 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
- IQ3_S
- 框架
- llama.cpp
- 版本
- v0.38
- 上下文长度
- 16384 tokens
- 批次大小
- 512
- GPU 层数
- 20
- 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
- 标称显存
- 12 GB
- 实测显存（均值）
- 3.21 GB
- 系统
- Windows 11 23H2
- 驱动
- 565.57
- CUDA
- 12.8
- 电源功耗
- 279.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.38 · Windows 11 23H2 · CUDA 12.8 · 16384 ctx
227.1 tok/s
Decode
1,033.86 tok/s
Prefill
2.27 s
TTFT
3.21 GB
VRAM
—
MTP
279.6 W
功耗
L2 batch seed 2026-10-13: llama.cpp on hw_id=45 running model_id=51 at IQ3_S