返回搜索结果
Qwen3.5-0.8B · Q6_K
NVIDIA RTX 509032GBvLLM v0.48L2 跨框架验证
本页汇总 Qwen3.5-0.8B（Q6_K）在 NVIDIA RTX 5090 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。
341.56 tok/s
Decode
解码速度
1,623.94 tok/s
Prefill
预填充速度
1.33 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
2 天前
最后验证
性能表现
- llama.cpp · Q2_K Decode 378.36 · Prefill 1748.97 ·
- vLLM · Q3_K_M Decode 330.24 · Prefill 1384.87 ·
- vLLM · Q4_K_S Decode 330.77 · Prefill 1336.98 ·
- llama.cpp · IQ2_M Decode 284.64 · Prefill 1115.95 ·
- llama.cpp · Q4_K_M Decode 351.6 · Prefill 1360.11 ·
- vLLM · Q6_K （当前）Decode 341.56 · Prefill 1623.94 ·
- Ollama · Q3_K_L Decode 320.91 · Prefill 1586.97 ·
- Ollama · Q8_0 Decode 384.44 · Prefill 1342.7 ·
- Strata · FP16 Decode 337.54 · Prefill 1202.28 ·
- Strata · Q6_K Decode 317.49 · Prefill 1303.51 ·
核心数据
- Decode（平均）
- 341.56 tok/s
- Prefill（平均）
- 1,623.94 tok/s
- TTFT（平均）
- 1.33 s
- VRAM（平均）
- 3.78 GB
- MTP 接受率
- —
- TTFB
- 2.73 GB
- 功耗
- 350.2 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
- v0.48
- 上下文长度
- 4096 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 3.78 GB
- 系统
- Windows 11 23H2
- 驱动
- 570.86
- CUDA
- 12.6
- 电源功耗
- 350.2 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.48 · Windows 11 23H2 · CUDA 12.6 · 4096 ctx
341.56 tok/s
Decode
1,623.94 tok/s
Prefill
1.33 s
TTFT
3.78 GB
VRAM
—
MTP
350.2 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=13 running model_id=51 at Q6_K