返回搜索结果
Qwen3.5-0.8B · Q4_K_S
NVIDIA RTX 4080 Super16GBvLLM v0.47L2 跨框架验证
本页汇总 Qwen3.5-0.8B（Q4_K_S）在 NVIDIA RTX 4080 Super 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。
370.71 tok/s
Decode
解码速度
1,429.25 tok/s
Prefill
预填充速度
0.63 s
TTFT
首 token 延迟
3.41 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
17 天前
最后验证
性能表现
- vLLM · Q3_K_S Decode 302.38 · Prefill 993.94 ·
- vLLM · Q4_K_S （当前）Decode 370.71 · Prefill 1429.25 ·
- Ollama · IQ3_S Decode 352.12 · Prefill 1849.99 ·
- Ollama · IQ3_XS Decode 393.56 · Prefill 2131.15 ·
- llama.cpp · Q4_K_M Decode 344.73 · Prefill 1737.55 ·
- vLLM · IQ1_S Decode 314.79 · Prefill 1409.84 ·
核心数据
- Decode（平均）
- 370.71 tok/s
- Prefill（平均）
- 1,429.25 tok/s
- TTFT（平均）
- 0.63 s
- VRAM（平均）
- 3.41 GB
- MTP 接受率
- —
- TTFB
- 2.97 GB
- 功耗
- 223.8 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
- Q4_K_S
- 框架
- vLLM
- 版本
- v0.47
- 上下文长度
- 16384 tokens
- 批次大小
- 8
- GPU 层数
- 999
- Flash Attention
- 关闭
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 4080 Super
- 标称显存
- 16 GB
- 实测显存（均值）
- 3.41 GB
- 系统
- Ubuntu 22.04
- 驱动
- 572.83
- CUDA
- 12.8
- 电源功耗
- 223.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.47 · Ubuntu 22.04 · CUDA 12.8 · 16384 ctx
370.71 tok/s
Decode
1,429.25 tok/s
Prefill
0.63 s
TTFT
3.41 GB
VRAM
—
MTP
223.8 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=20 running model_id=51 at Q4_K_S