Arao AI
返回搜索结果

Qwen3.5-4B · IQ3_XS

发起讨论
Apple M2 Ultrallama.cpp v0.42L2 跨框架验证

本页汇总 Qwen3.5-4B（IQ3_XS）在 Apple M2 Ultra 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。

156.36 tok/s

Decode

解码速度

856.45 tok/s

Prefill

预填充速度

2.3 s

TTFT

首 token 延迟

7.31 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

17 天前

最后验证

性能表现

  1. llama.cpp · IQ3_XS （当前）Decode 156.36 · Prefill 856.45 ·
  2. llama.cpp · Q3_K_L Decode 147.11 · Prefill 678.92 ·
  3. Ollama · IQ2_M Decode 176 · Prefill 698.29 ·
  4. vLLM · Q3_K_L Decode 164.19 · Prefill 535.64 ·
  5. vLLM · Q3_K_S Decode 169.83 · Prefill 644.07 ·
  6. Ollama · FP16 Decode 60.62 · Prefill 204.54 ·

核心数据

Decode（平均）
156.36 tok/s
Prefill（平均）
856.45 tok/s
TTFT（平均）
2.3 s
VRAM（平均）
7.31 GB
MTP 接受率
—
TTFB
1.25 GB
功耗
100.7 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
IQ3_XS
框架
llama.cpp
版本
v0.42
上下文长度
16384 tokens
批次大小
256
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
Apple M2 Ultra
实测显存（均值）
7.31 GB
系统
macOS 26.1
电源功耗
100.7 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 2026-10-19

    v0.42 · macOS 26.1 · 16384 ctx

    156.36 tok/s

    Decode

    856.45 tok/s

    Prefill

    2.3 s

    TTFT

    7.31 GB

    VRAM

    —

    MTP

    100.7 W

    功耗

    L2 batch seed 2026-10-19: llama.cpp on hw_id=103 running model_id=48 at IQ3_XS