返回搜索结果
Qwen3.5-0.8B · Q3_K_S
NVIDIA RTX 408016GBvLLM v0.29L2 跨框架验证
本页汇总 Qwen3.5-0.8B（Q3_K_S）在 NVIDIA RTX 4080 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。
378.63 tok/s
Decode
解码速度
1,756.55 tok/s
Prefill
预填充速度
1.14 s
TTFT
首 token 延迟
3.19 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
- vLLM · Q3_K_S （当前）Decode 378.63 · Prefill 1756.55 ·
- vLLM · Q5_K_M Decode 304.13 · Prefill 1485.96 ·
- Strata · IQ1_S Decode 334.33 · Prefill 1448.23 ·
- Strata · Q8_0 Decode 328.32 · Prefill 1297.3 ·
- vLLM · Q6_K Decode 169.83 · Prefill 688.66 ·
- Strata · Q3_K_S Decode 370.12 · Prefill 1878.16 ·
核心数据
- Decode（平均）
- 378.63 tok/s
- Prefill（平均）
- 1,756.55 tok/s
- TTFT（平均）
- 1.14 s
- VRAM（平均）
- 3.19 GB
- MTP 接受率
- —
- TTFB
- 3.03 GB
- 功耗
- 288.9 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
- Q3_K_S
- 框架
- vLLM
- 版本
- v0.29
- 上下文长度
- 32768 tokens
- 批次大小
- 8
- 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 4080
- 标称显存
- 16 GB
- 实测显存（均值）
- 3.19 GB
- 系统
- Ubuntu 22.04
- 驱动
- 572.83
- CUDA
- 12.4
- 电源功耗
- 288.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.29 · Ubuntu 22.04 · CUDA 12.4 · 32768 ctx
378.63 tok/s
Decode
1,756.55 tok/s
Prefill
1.14 s
TTFT
3.19 GB
VRAM
—
MTP
288.9 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=41 running model_id=51 at Q3_K_S