返回搜索结果
Qwen3.5-0.8B · IQ4_XS
NVIDIA RTX 507012GBvLLM v0.36L2 跨框架验证
本页汇总 Qwen3.5-0.8B（IQ4_XS）在 NVIDIA RTX 5070 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。
188.25 tok/s
Decode
解码速度
873.82 tok/s
Prefill
预填充速度
0.97 s
TTFT
首 token 延迟
3.34 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 · IQ3_XS Decode 223.3 · Prefill 1047.53 ·
- vLLM · IQ4_XS （当前）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）
- 188.25 tok/s
- Prefill（平均）
- 873.82 tok/s
- TTFT（平均）
- 0.97 s
- VRAM（平均）
- 3.34 GB
- MTP 接受率
- —
- TTFB
- 1.51 GB
- 功耗
- 184 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
- IQ4_XS
- 框架
- vLLM
- 版本
- v0.36
- 上下文长度
- 2048 tokens
- 批次大小
- 32
- 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
- 标称显存
- 12 GB
- 实测显存（均值）
- 3.34 GB
- 系统
- Ubuntu 22.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 184 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.36 · Ubuntu 22.04 · CUDA 12.8 · 2048 ctx
188.25 tok/s
Decode
873.82 tok/s
Prefill
0.97 s
TTFT
3.34 GB
VRAM
—
MTP
184 W
功耗
L2 batch seed 2026-10-10: vLLM on hw_id=18 running model_id=51 at IQ4_XS