返回搜索结果
Qwen3.5-0.8B · Q6_K
NVIDIA RTX 5070 Ti16GBvLLM v0.44L2 跨框架验证
本页汇总 Qwen3.5-0.8B（Q6_K）在 NVIDIA RTX 5070 Ti 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。
174.9 tok/s
Decode
解码速度
685.31 tok/s
Prefill
预填充速度
1.54 s
TTFT
首 token 延迟
3.78 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
- vLLM · FP16 Decode 121.99 · Prefill 561.36 ·
- vLLM · Q6_K （当前）Decode 174.9 · Prefill 685.31 ·
- Strata · Q5_K_M Decode 251.18 · Prefill 1222.13 ·
- Strata · Q6_K Decode 237.15 · Prefill 1031.12 ·
核心数据
- Decode（平均）
- 174.9 tok/s
- Prefill（平均）
- 685.31 tok/s
- TTFT（平均）
- 1.54 s
- VRAM（平均）
- 3.78 GB
- MTP 接受率
- —
- TTFB
- 1.4 GB
- 功耗
- 268.9 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
- Q6_K
- 框架
- vLLM
- 版本
- v0.44
- 上下文长度
- 32768 tokens
- 批次大小
- 8
- 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 5070 Ti
- 标称显存
- 16 GB
- 实测显存（均值）
- 3.78 GB
- 系统
- Ubuntu 22.04
- 驱动
- 572.83
- CUDA
- 12.8
- 电源功耗
- 268.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.44 · Ubuntu 22.04 · CUDA 12.8 · 32768 ctx
174.9 tok/s
Decode
685.31 tok/s
Prefill
1.54 s
TTFT
3.78 GB
VRAM
—
MTP
268.9 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=17 running model_id=51 at Q6_K