返回搜索结果
Qwen3.5-4B · IQ3_S
NVIDIA H100 80GB HBM380GBvLLM v0.51L2 跨框架验证
本页汇总 Qwen3.5-4B（IQ3_S）在 NVIDIA H100 80GB HBM3 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。
329.61 tok/s
Decode
解码速度
1,536.04 tok/s
Prefill
预填充速度
1.13 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
17 天前
最后验证
性能表现
- vLLM · IQ3_S （当前）Decode 329.61 · Prefill 1536.04 ·
- vLLM · Q3_K_S Decode 362.27 · Prefill 1696.48 ·
- Strata · Q2_K Decode 373.13 · Prefill 1907.75 ·
核心数据
- Decode（平均）
- 329.61 tok/s
- Prefill（平均）
- 1,536.04 tok/s
- TTFT（平均）
- 1.13 s
- VRAM（平均）
- 7.64 GB
- MTP 接受率
- —
- TTFB
- 2.64 GB
- 功耗
- 648.9 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
- vLLM
- 版本
- v0.51
- 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 H100 80GB HBM3
- 标称显存
- 80 GB
- 实测显存（均值）
- 7.64 GB
- 系统
- Ubuntu 24.04
- 驱动
- 570.86
- CUDA
- 13.0
- 电源功耗
- 648.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.51 · Ubuntu 24.04 · CUDA 13.0 · 4096 ctx
329.61 tok/s
Decode
1,536.04 tok/s
Prefill
1.13 s
TTFT
7.64 GB
VRAM
—
MTP
648.9 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=55 running model_id=48 at IQ3_S