返回搜索结果
Qwen3.5-4B · Q5_K_S
NVIDIA RTX 309024GBvLLM v0.46L2 跨框架验证
本页汇总 Qwen3.5-4B（Q5_K_S）在 NVIDIA RTX 3090 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。
129.61 tok/s
Decode
解码速度
696.02 tok/s
Prefill
预填充速度
0.96 s
TTFT
首 token 延迟
9.66 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
今天
最后验证
性能表现
- llama.cpp · Q5_K_S Decode 139.06 · Prefill 548.16 ·
- llama.cpp · Q6_K Decode 108.41 · Prefill 420.36 ·
- vLLM · Q5_K_S （当前）Decode 129.61 · Prefill 696.02 ·
核心数据
- Decode（平均）
- 129.61 tok/s
- Prefill（平均）
- 696.02 tok/s
- TTFT（平均）
- 0.96 s
- VRAM（平均）
- 9.66 GB
- MTP 接受率
- —
- TTFB
- 1.04 GB
- 功耗
- 314.8 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
- Q5_K_S
- 框架
- vLLM
- 版本
- v0.46
- 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 3090
- 标称显存
- 24 GB
- 实测显存（均值）
- 9.66 GB
- 系统
- Ubuntu 24.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 314.8 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 · 16384 ctx
129.61 tok/s
Decode
696.02 tok/s
Prefill
0.96 s
TTFT
9.66 GB
VRAM
—
MTP
314.8 W
功耗
L2 batch seed 2026-10-10: vLLM on hw_id=2 running model_id=48 at Q5_K_S