返回搜索结果
Qwen3.5-4B · FP16
2x AMD Strix Halollama.cpp v0.50L2 跨框架验证
本页汇总 Qwen3.5-4B（FP16）在 2x AMD Strix Halo 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。
94.9 tok/s
Decode
解码速度
326.17 tok/s
Prefill
预填充速度
2.39 s
TTFT
首 token 延迟
17.64 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 · FP16 （当前）Decode 94.9 · Prefill 326.17 ·
- Strata · Q5_K_M Decode 206.52 · Prefill 718.15 ·
核心数据
- Decode（平均）
- 94.9 tok/s
- Prefill（平均）
- 326.17 tok/s
- TTFT（平均）
- 2.39 s
- VRAM（平均）
- 17.64 GB
- MTP 接受率
- —
- TTFB
- 0.76 GB
- 功耗
- 91.3 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3.5-4B
- 量化方式
- FP16
- 框架
- llama.cpp
- 版本
- v0.50
- 上下文长度
- 8192 tokens
- 批次大小
- 512
- GPU 层数
- 28
- 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
- 2x AMD Strix Halo
- 实测显存（均值）
- 17.64 GB
- 系统
- Ubuntu 22.04
- 驱动
- 570.86
- CUDA
- N/A
- 电源功耗
- 91.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.50 · Ubuntu 22.04 · CUDA N/A · 8192 ctx
94.9 tok/s
Decode
326.17 tok/s
Prefill
2.39 s
TTFT
17.64 GB
VRAM
—
MTP
91.3 W
功耗
L2 batch seed 2026-10-16: llama.cpp on hw_id=88 running model_id=48 at FP16