Arao AI
返回搜索结果

Qwen3.5-27B · IQ1_S

发起讨论
NVIDIA RTX 409024GBvLLM v0.41L2 跨框架验证

本页汇总 Qwen3.5-27B（IQ1_S）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。

153.29 tok/s

Decode

解码速度

579.99 tok/s

Prefill

预填充速度

1.19 s

TTFT

首 token 延迟

22.8 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

  1. vLLM · IQ1_S （当前）Decode 153.29 · Prefill 579.99 ·
  2. llama.cpp · IQ4_XS Decode 100 · Prefill 1111 ·
  3. llama.cpp · Q4_K_M Decode 89 · Prefill 1010 ·
  4. llama.cpp · Q5_K_M Decode 86 · Prefill 1000 ·
  5. llama.cpp · Q8_0 Decode 69 · Prefill 586 ·
  6. vLLM · IQ4_XS Decode 81 · Prefill 964 ·
  7. vLLM · Q4_K_M Decode 75 · Prefill 884 ·
  8. vLLM · Q5_K_M Decode 80 · Prefill 712 ·
  9. vLLM · Q8_0 Decode 55 · Prefill 596 ·
  10. Ollama · IQ4_XS Decode 102 · Prefill 988 ·
  11. Ollama · Q4_K_M Decode 94 · Prefill 874 ·
  12. Ollama · Q5_K_M Decode 85 · Prefill 894 ·
  13. Ollama · Q8_0 Decode 57 · Prefill 682 ·
  14. Strata · IQ4_XS Decode 148 · Prefill 1453 ·
  15. Strata · Q4_K_M Decode 133 · Prefill 1354 ·
  16. Strata · Q5_K_M Decode 111 · Prefill 1332 ·
  17. Strata · Q8_0 Decode 95 · Prefill 955 ·

核心数据

Decode（平均）
153.29 tok/s
Prefill（平均）
579.99 tok/s
TTFT（平均）
1.19 s
VRAM（平均）
22.8 GB
MTP 接受率
—
TTFB
1.23 GB
功耗
437.2 W

基础配置

成员级字段取自最近一次实测

模型
Qwen3.5-27B
量化方式
IQ1_S
框架
vLLM
版本
v0.41
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 4090
标称显存
24 GB
实测显存（均值）
22.8 GB
系统
Windows 11 23H2
驱动
565.57
CUDA
12.6
电源功耗
437.2 W

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-10

    v0.41 · Windows 11 23H2 · CUDA 12.6 · 4096 ctx

    153.29 tok/s

    Decode

    579.99 tok/s

    Prefill

    1.19 s

    TTFT

    22.8 GB

    VRAM

    —

    MTP

    437.2 W

    功耗

    L2 batch seed 2026-10-10: vLLM on hw_id=1 running model_id=50 at IQ1_S