Arao AI
返回搜索结果

Qwen3.5-0.8B · Q5_K_M

发起讨论
NVIDIA RTX 408016GBvLLM v0.31L2 跨框架验证

本页汇总 Qwen3.5-0.8B（Q5_K_M）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。

304.13 tok/s

Decode

解码速度

1,485.96 tok/s

Prefill

预填充速度

0.24 s

TTFT

首 token 延迟

3.66 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

  1. vLLM · Q3_K_S Decode 378.63 · Prefill 1756.55 ·
  2. vLLM · Q5_K_M （当前）Decode 304.13 · Prefill 1485.96 ·
  3. Strata · IQ1_S Decode 334.33 · Prefill 1448.23 ·
  4. Strata · Q8_0 Decode 328.32 · Prefill 1297.3 ·
  5. vLLM · Q6_K Decode 169.83 · Prefill 688.66 ·
  6. Strata · Q3_K_S Decode 370.12 · Prefill 1878.16 ·

核心数据

Decode（平均）
304.13 tok/s
Prefill（平均）
1,485.96 tok/s
TTFT（平均）
0.24 s
VRAM（平均）
3.66 GB
MTP 接受率
—
TTFB
2.43 GB
功耗
310.1 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
Q5_K_M
框架
vLLM
版本
v0.31
上下文长度
4096 tokens
批次大小
16
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
标称显存
16 GB
实测显存（均值）
3.66 GB
系统
Windows 11 23H2
驱动
565.57
CUDA
13.0
电源功耗
310.1 W

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-18

    v0.31 · Windows 11 23H2 · CUDA 13.0 · 4096 ctx

    304.13 tok/s

    Decode

    1,485.96 tok/s

    Prefill

    0.24 s

    TTFT

    3.66 GB

    VRAM

    —

    MTP

    310.1 W

    功耗

    L2 batch seed 2026-10-18: vLLM on hw_id=41 running model_id=51 at Q5_K_M