返回搜索结果
Qwen3.5-27B · Q4_K_M
NVIDIA RTX 509032GBvLLM 0.7.3L2 跨框架验证
本页汇总 Qwen3.5-27B（Q4_K_M）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。
100 tok/s
Decode
解码速度
1,182 tok/s
Prefill
预填充速度
0.55 s
TTFT
首 token 延迟
— 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 134 · Prefill 1478 ·
- llama.cpp · Q5_K_M Decode 114 · Prefill 1331 ·
- llama.cpp · Q8_0 Decode 92 · Prefill 792 ·
- vLLM · IQ4_XS Decode 108 · Prefill 1288 ·
- vLLM · Q4_K_M （当前）Decode 100 · Prefill 1182 ·
- vLLM · Q5_K_M Decode 106 · Prefill 956 ·
- vLLM · Q8_0 Decode 74 · Prefill 795 ·
- Ollama · IQ4_XS Decode 136 · Prefill 1332 ·
- Ollama · Q4_K_M Decode 125 · Prefill 1177 ·
- Ollama · Q5_K_M Decode 113 · Prefill 1178 ·
- Ollama · Q8_0 Decode 75 · Prefill 899 ·
- Strata · IQ4_XS Decode 198 · Prefill 1923 ·
- Strata · Q4_K_M Decode 178 · Prefill 1794 ·
- Strata · Q5_K_M Decode 147 · Prefill 1764 ·
- Strata · Q8_0 Decode 127 · Prefill 1290 ·
- llama.cpp · Q4_K_M Decode 30.09 · Prefill 1515.83 ·
核心数据
- Decode（平均）
- 100 tok/s
- Prefill（平均）
- 1,182 tok/s
- TTFT（平均）
- 0.55 s
- VRAM（平均）
- — GB
- MTP 接受率
- —
- TTFB
- — GB
- 功耗
- 499 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
- Q4_K_M
- 框架
- vLLM
- 版本
- 0.7.3
- 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 5090
- 标称显存
- 32 GB
- 系统
- Linux 6.8.0
- 驱动
- 570.86.15
- CUDA
- 12.6
- 电源功耗
- 499 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
0.7.3 · Linux 6.8.0 · CUDA 12.6 · 8192 ctx
100 tok/s
Decode
1,182 tok/s
Prefill
0.55 s
TTFT
0 GB
VRAM
—
MTP
499 W
功耗
Auto-generated LLM-sourced record 2026-10-09. Model: Qwen3.5-27B, Hardware: RTX 5090, Framework: 2, Quant: Q4_K_M.