Arao AI
返回搜索结果

Qwen3.5-0.8B · IQ1_S

发起讨论
NVIDIA RTX 409024GBvLLM v0.20L2 跨框架验证

本页汇总 Qwen3.5-0.8B（IQ1_S）在 NVIDIA RTX 4090 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。

328.9 tok/s

Decode

解码速度

1,532.17 tok/s

Prefill

预填充速度

0.53 s

TTFT

首 token 延迟

2.8 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. llama.cpp · IQ1_S Decode 373.87 · Prefill 1737.06 ·
  2. llama.cpp · Q3_K_S Decode 364.6 · Prefill 1679.71 ·
  3. vLLM · FP16 Decode 161.03 · Prefill 685.23 ·
  4. vLLM · IQ1_S （当前）Decode 328.9 · Prefill 1532.17 ·
  5. llama.cpp · IQ2_XS Decode 280.41 · Prefill 1104.34 ·
  6. llama.cpp · Q4_K_M Decode 278.24 · Prefill 916.88 ·
  7. vLLM · IQ3_XS Decode 302.65 · Prefill 1148.6 ·

核心数据

Decode（平均）
328.9 tok/s
Prefill（平均）
1,532.17 tok/s
TTFT（平均）
0.53 s
VRAM（平均）
2.8 GB
MTP 接受率
—
TTFB
2.63 GB
功耗
384.1 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
IQ1_S
框架
vLLM
版本
v0.20
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 4090
标称显存
24 GB
实测显存（均值）
2.8 GB
系统
Windows 11 23H2
驱动
565.57
CUDA
12.4
电源功耗
384.1 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

    v0.20 · Windows 11 23H2 · CUDA 12.4 · 4096 ctx

    328.9 tok/s

    Decode

    1,532.17 tok/s

    Prefill

    0.53 s

    TTFT

    2.8 GB

    VRAM

    —

    MTP

    384.1 W

    功耗

    L2 batch seed 2026-10-18: vLLM on hw_id=1 running model_id=51 at IQ1_S