返回搜索结果
Qwen3.5-27B · Q5_K_M
NVIDIA RTX 507012GBllama.cpp b4213L2 跨框架验证
本页汇总 Qwen3.5-27B（Q5_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。
52 tok/s
Decode
解码速度
454 tok/s
Prefill
预填充速度
1.8 s
TTFT
首 token 延迟
20.2 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 · IQ4_XS Decode 54 · Prefill 640 ·
- llama.cpp · Q4_K_M Decode 50 · Prefill 586 ·
- llama.cpp · Q5_K_M （当前）Decode 52 · Prefill 454 ·
- llama.cpp · Q8_0 Decode 36 · Prefill 394 ·
- vLLM · IQ4_XS Decode 51 · Prefill 486 ·
- vLLM · Q4_K_M Decode 47 · Prefill 429 ·
- vLLM · Q5_K_M Decode 42 · Prefill 447 ·
- vLLM · Q8_0 Decode 28 · Prefill 334 ·
- Ollama · IQ4_XS Decode 55 · Prefill 549 ·
- Ollama · Q4_K_M Decode 50 · Prefill 516 ·
- Ollama · Q5_K_M Decode 42 · Prefill 504 ·
- Ollama · Q8_0 Decode 36 · Prefill 356 ·
- Strata · IQ4_XS Decode 70 · Prefill 837 ·
- Strata · Q4_K_M Decode 64 · Prefill 768 ·
- Strata · Q5_K_M Decode 72 · Prefill 739 ·
- Strata · Q8_0 Decode 53 · Prefill 509 ·
核心数据
- Decode（平均）
- 52 tok/s
- Prefill（平均）
- 454 tok/s
- TTFT（平均）
- 1.8 s
- VRAM（平均）
- 20.2 GB
- MTP 接受率
- —
- TTFB
- — GB
- 功耗
- 318 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
- Q5_K_M
- 框架
- llama.cpp
- 版本
- b4213
- 上下文长度
- 8192 tokens
- 批次大小
- 512
- GPU 层数
- 99
- 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）
- 20.2 GB
- 系统
- Linux 6.8.0
- 驱动
- 570.86.15
- CUDA
- 12.6
- 电源功耗
- 318 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
b4213 · Linux 6.8.0 · CUDA 12.6 · 8192 ctx
52 tok/s
Decode
454 tok/s
Prefill
1.8 s
TTFT
20.2 GB
VRAM
—
MTP
318 W
功耗
Auto-generated LLM-sourced record 2026-10-09. Model: Qwen3.5-27B, Hardware: RTX 5070, Framework: 1, Quant: Q5_K_M.