返回搜索结果
Qwen3.5-0.8B · IQ3_XS
NVIDIA RTX 409024GBvLLM v0.32L2 跨框架验证
本页汇总 Qwen3.5-0.8B（IQ3_XS）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。
302.65 tok/s
Decode
解码速度
1,148.6 tok/s
Prefill
预填充速度
1.07 s
TTFT
首 token 延迟
3.14 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 Decode 278.24 · Prefill 916.88 ·
- vLLM · IQ3_XS （当前）Decode 302.65 · Prefill 1148.6 ·
核心数据
- Decode（平均）
- 302.65 tok/s
- Prefill（平均）
- 1,148.6 tok/s
- TTFT（平均）
- 1.07 s
- VRAM（平均）
- 3.14 GB
- MTP 接受率
- —
- TTFB
- 2.42 GB
- 功耗
- 403.6 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
- IQ3_XS
- 框架
- vLLM
- 版本
- v0.32
- 上下文长度
- 16384 tokens
- 批次大小
- 16
- 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 4090
- 标称显存
- 24 GB
- 实测显存（均值）
- 3.14 GB
- 系统
- Ubuntu 24.04
- 驱动
- 555.85
- CUDA
- 12.6
- 电源功耗
- 403.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.32 · Ubuntu 24.04 · CUDA 12.6 · 16384 ctx
302.65 tok/s
Decode
1,148.6 tok/s
Prefill
1.07 s
TTFT
3.14 GB
VRAM
—
MTP
403.6 W
功耗
L2 batch seed 2026-10-10: vLLM on hw_id=1 running model_id=51 at IQ3_XS