返回搜索结果
Qwen3.5-4B · Q5_K_M
NVIDIA RTX 308010GBvLLM v0.32L2 跨框架验证
本页汇总 Qwen3.5-4B（Q5_K_M）在 NVIDIA RTX 3080 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。
82.42 tok/s
Decode
解码速度
333.84 tok/s
Prefill
预填充速度
1.83 s
TTFT
首 token 延迟
9.5 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 · Q5_K_M （当前）Decode 82.42 · Prefill 333.84 ·
- Ollama · IQ2_M Decode 105.52 · Prefill 563.01 ·
- Ollama · IQ3_S Decode 92.66 · Prefill 391.24 ·
核心数据
- Decode（平均）
- 82.42 tok/s
- Prefill（平均）
- 333.84 tok/s
- TTFT（平均）
- 1.83 s
- VRAM（平均）
- 9.5 GB
- MTP 接受率
- —
- TTFB
- 0.66 GB
- 功耗
- 351.5 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
- Q5_K_M
- 框架
- vLLM
- 版本
- v0.32
- 上下文长度
- 16384 tokens
- 批次大小
- 8
- GPU 层数
- 999
- 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
- NVIDIA RTX 3080
- 标称显存
- 10 GB
- 实测显存（均值）
- 9.5 GB
- 系统
- Windows 11 23H2
- 驱动
- 555.85
- CUDA
- 12.6
- 电源功耗
- 351.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.32 · Windows 11 23H2 · CUDA 12.6 · 16384 ctx
82.42 tok/s
Decode
333.84 tok/s
Prefill
1.83 s
TTFT
9.5 GB
VRAM
—
MTP
351.5 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=44 running model_id=48 at Q5_K_M