返回搜索结果
Qwen3.5-4B · Q3_K_L
NVIDIA DGX Spark128GBvLLM v0.46L2 跨框架验证
本页汇总 Qwen3.5-4B（Q3_K_L）在 NVIDIA DGX Spark 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。
219.42 tok/s
Decode
解码速度
756.56 tok/s
Prefill
预填充速度
0.71 s
TTFT
首 token 延迟
8.15 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
5 天前
最后验证
性能表现
- vLLM · IQ1_S Decode 306.37 · Prefill 1243.41 ·
- Ollama · IQ2_XS Decode 258.67 · Prefill 1172.95 ·
- vLLM · Q2_K Decode 266.26 · Prefill 1108.22 ·
- vLLM · Q3_K_L （当前）Decode 219.42 · Prefill 756.56 ·
核心数据
- Decode（平均）
- 219.42 tok/s
- Prefill（平均）
- 756.56 tok/s
- TTFT（平均）
- 0.71 s
- VRAM（平均）
- 8.15 GB
- MTP 接受率
- —
- TTFB
- 1.76 GB
- 功耗
- 276.8 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
- Q3_K_L
- 框架
- vLLM
- 版本
- v0.46
- 上下文长度
- 8192 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 DGX Spark
- 标称显存
- 128 GB
- 实测显存（均值）
- 8.15 GB
- 系统
- Ubuntu 24.04
- 驱动
- 555.85
- CUDA
- 12.8
- 电源功耗
- 276.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.46 · Ubuntu 24.04 · CUDA 12.8 · 8192 ctx
219.42 tok/s
Decode
756.56 tok/s
Prefill
0.71 s
TTFT
8.15 GB
VRAM
—
MTP
276.8 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=54 running model_id=48 at Q3_K_L