返回搜索结果
Qwen3.5-0.8B · Q8_0
NVIDIA RTX 409024GBvLLM v0.25L2 跨框架验证
本页汇总 Qwen3.5-0.8B（Q8_0）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。
196.67 tok/s
Decode
解码速度
827.33 tok/s
Prefill
预填充速度
1.89 s
TTFT
首 token 延迟
4.03 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
17 天前
最后验证
性能表现
- vLLM · Q4_K_S Decode 348.73 · Prefill 1496.87 ·
- vLLM · Q8_0 （当前）Decode 196.67 · Prefill 827.33 ·
- Strata · Q3_K_M Decode 312 · Prefill 1593.74 ·
- llama.cpp · IQ1_S Decode 373.87 · Prefill 1737.06 ·
- llama.cpp · Q3_K_S Decode 364.6 · Prefill 1679.71 ·
- vLLM · FP16 Decode 161.03 · Prefill 685.23 ·
- vLLM · IQ1_S Decode 328.9 · Prefill 1532.17 ·
- llama.cpp · IQ2_XS Decode 280.41 · Prefill 1104.34 ·
- llama.cpp · Q4_K_M Decode 278.24 · Prefill 916.88 ·
- vLLM · IQ3_XS Decode 302.65 · Prefill 1148.6 ·
核心数据
- Decode（平均）
- 196.67 tok/s
- Prefill（平均）
- 827.33 tok/s
- TTFT（平均）
- 1.89 s
- VRAM（平均）
- 4.03 GB
- MTP 接受率
- —
- TTFB
- 1.57 GB
- 功耗
- 312.4 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
- Q8_0
- 框架
- vLLM
- 版本
- v0.25
- 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）
- 4.03 GB
- 系统
- Ubuntu 22.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 312.4 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.25 · Ubuntu 22.04 · CUDA 12.8 · 16384 ctx
196.67 tok/s
Decode
827.33 tok/s
Prefill
1.89 s
TTFT
4.03 GB
VRAM
—
MTP
312.4 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=1 running model_id=51 at Q8_0