Arao AI
返回搜索结果

Qwen3.5-35B-A3B · IQ1_S

发起讨论
NVIDIA RTX 509032GBvLLM v0.31L2 跨框架验证

本页汇总 Qwen3.5-35B-A3B（IQ1_S）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。

227.85 tok/s

Decode

解码速度

830.74 tok/s

Prefill

预填充速度

1.34 s

TTFT

首 token 延迟

30.4 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 227.85 · Prefill 830.74 ·
  2. llama.cpp · Q6_K Decode 44.2 · Prefill 331.5 ·
  3. llama.cpp · Q5_K_S Decode 57.5 · Prefill 431.3 ·
  4. llama.cpp · IQ3_S Decode 95.7 · Prefill 717.8 ·
  5. llama.cpp · IQ4_XS Decode 72 · Prefill 540 ·
  6. vLLM · Q4_K_M Decode 69.6 · Prefill 522 ·

核心数据

Decode（平均）
227.85 tok/s
Prefill（平均）
830.74 tok/s
TTFT（平均）
1.34 s
VRAM（平均）
30.4 GB
MTP 接受率
—
TTFB
1.82 GB
功耗
454.4 W

基础配置

成员级字段取自最近一次实测

模型
Qwen3.5-35B-A3B
量化方式
IQ1_S
框架
vLLM
版本
v0.31
上下文长度
4096 tokens
批次大小
8
GPU 层数
999
Flash Attention
关闭

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）
30.4 GB
系统
Ubuntu 24.04
驱动
570.86
CUDA
12.6
电源功耗
454.4 W

获取与上手

原始模型资料

以下为基础模型入口，不保证与本次量化版本一致；部署请使用上方已核实权重。

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

    v0.31 · Ubuntu 24.04 · CUDA 12.6 · 4096 ctx

    227.85 tok/s

    Decode

    830.74 tok/s

    Prefill

    1.34 s

    TTFT

    30.4 GB

    VRAM

    —

    MTP

    454.4 W

    功耗

    L2 batch seed 2026-10-10: vLLM on hw_id=13 running model_id=15 at IQ1_S