返回搜索结果
Qwen3.5-4B · IQ3_S
Apple M5 Max128GBllama.cpp v0.25L2 跨框架验证
本页汇总 Qwen3.5-4B（IQ3_S）在 Apple M5 Max 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。
279.98 tok/s
Decode
解码速度
1,354 tok/s
Prefill
预填充速度
0.12 s
TTFT
首 token 延迟
7.64 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 · IQ3_S （当前）Decode 279.98 · Prefill 1354 ·
- Strata · Q3_K_L Decode 354.31 · Prefill 1310.91 ·
- Strata · Q5_K_S Decode 279.1 · Prefill 1192.93 ·
- vLLM · IQ2_M Decode 364.07 · Prefill 1250.03 ·
- vLLM · Q4_K_S Decode 256.46 · Prefill 848.78 ·
- Strata · Q5_K_M Decode 272.64 · Prefill 963.9 ·
核心数据
- Decode（平均）
- 279.98 tok/s
- Prefill（平均）
- 1,354 tok/s
- TTFT（平均）
- 0.12 s
- VRAM（平均）
- 7.64 GB
- MTP 接受率
- —
- TTFB
- 2.24 GB
- 功耗
- 164.3 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
- IQ3_S
- 框架
- llama.cpp
- 版本
- v0.25
- 上下文长度
- 16384 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
- Apple M5 Max
- 标称显存
- 128 GB
- 实测显存（均值）
- 7.64 GB
- 系统
- Ubuntu 22.04
- 驱动
- 555.85
- CUDA
- 12.4
- 电源功耗
- 164.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.25 · Ubuntu 22.04 · CUDA 12.4 · 16384 ctx
279.98 tok/s
Decode
1,354 tok/s
Prefill
0.12 s
TTFT
7.64 GB
VRAM
—
MTP
164.3 W
功耗
L2 batch seed 2026-10-16: llama.cpp on hw_id=28 running model_id=48 at IQ3_S