返回搜索结果
Qwen3.5-0.8B · Q4_K_M
NVIDIA RTX 409024GBllama.cpp v0.29L2 跨框架验证
本页汇总 Qwen3.5-0.8B（Q4_K_M）在 NVIDIA RTX 4090 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。
278.24 tok/s
Decode
解码速度
916.88 tok/s
Prefill
预填充速度
1.74 s
TTFT
首 token 延迟
3.48 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 · IQ2_XS Decode 280.41 · Prefill 1104.34 ·
- llama.cpp · Q4_K_M （当前）Decode 278.24 · Prefill 916.88 ·
- vLLM · IQ3_XS Decode 302.65 · Prefill 1148.6 ·
核心数据
- Decode（平均）
- 278.24 tok/s
- Prefill（平均）
- 916.88 tok/s
- TTFT（平均）
- 1.74 s
- VRAM（平均）
- 3.48 GB
- MTP 接受率
- —
- TTFB
- 2.23 GB
- 功耗
- 290.4 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_M
- 框架
- llama.cpp
- 版本
- v0.29
- 上下文长度
- 2048 tokens
- 批次大小
- 256
- GPU 层数
- 33
- 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 4090
- 标称显存
- 24 GB
- 实测显存（均值）
- 3.48 GB
- 系统
- Ubuntu 22.04
- 驱动
- 555.85
- CUDA
- 12.4
- 电源功耗
- 290.4 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 · 2048 ctx
278.24 tok/s
Decode
916.88 tok/s
Prefill
1.74 s
TTFT
3.48 GB
VRAM
—
MTP
290.4 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=1 running model_id=51 at Q4_K_M