返回搜索结果
Qwen3.5-0.8B · Q4_K_M
NVIDIA RTX 507012GBllama.cpp v0.51L2 跨框架验证
本页汇总 Qwen3.5-0.8B（Q4_K_M）在 NVIDIA RTX 5070 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。
186.5 tok/s
Decode
解码速度
627.46 tok/s
Prefill
预填充速度
0.33 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 · Q4_K_M （当前）Decode 186.5 · Prefill 627.46 ·
- Ollama · FP16 Decode 84.08 · Prefill 290.65 ·
- Ollama · IQ1_S Decode 239.86 · Prefill 1174.67 ·
- vLLM · IQ3_XS Decode 223.3 · Prefill 1047.53 ·
- vLLM · IQ4_XS Decode 188.25 · Prefill 873.82 ·
- Ollama · Q3_K_S Decode 197.53 · Prefill 685.98 ·
- Ollama · Q5_K_S Decode 124.72 · Prefill 677.51 ·
- Strata · IQ4_XS Decode 233.02 · Prefill 915.89 ·
- Strata · Q6_K Decode 189.01 · Prefill 746.35 ·
- llama.cpp · Q8_0 Decode 582.4 · Prefill 4368 ·
核心数据
- Decode（平均）
- 186.5 tok/s
- Prefill（平均）
- 627.46 tok/s
- TTFT（平均）
- 0.33 s
- VRAM（平均）
- 3.48 GB
- MTP 接受率
- —
- TTFB
- 1.49 GB
- 功耗
- 223.9 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
- Q4_K_M
- 框架
- llama.cpp
- 版本
- v0.51
- 上下文长度
- 4096 tokens
- 批次大小
- 256
- GPU 层数
- 20
- 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
- 标称显存
- 12 GB
- 实测显存（均值）
- 3.48 GB
- 系统
- Windows 11 24H2
- 驱动
- 565.57
- CUDA
- 13.0
- 电源功耗
- 223.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.51 · Windows 11 24H2 · CUDA 13.0 · 4096 ctx
186.5 tok/s
Decode
627.46 tok/s
Prefill
0.33 s
TTFT
3.48 GB
VRAM
—
MTP
223.9 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=18 running model_id=51 at Q4_K_M