返回搜索结果
Qwen3.5-4B · Q4_K_S
NVIDIA RTX 4070 Ti12GBvLLM v0.21L2 跨框架验证
本页汇总 Qwen3.5-4B（Q4_K_S）在 NVIDIA RTX 4070 Ti 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。
161.78 tok/s
Decode
解码速度
577.24 tok/s
Prefill
预填充速度
1.89 s
TTFT
首 token 延迟
8.65 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
- vLLM · Q4_K_S （当前）Decode 161.78 · Prefill 577.24 ·
- Ollama · Q6_K Decode 99.87 · Prefill 394.75 ·
- llama.cpp · Q3_K_L Decode 123.86 · Prefill 681.14 ·
- Ollama · Q8_0 Decode 68.74 · Prefill 373.18 ·
核心数据
- Decode（平均）
- 161.78 tok/s
- Prefill（平均）
- 577.24 tok/s
- TTFT（平均）
- 1.89 s
- VRAM（平均）
- 8.65 GB
- MTP 接受率
- —
- TTFB
- 1.29 GB
- 功耗
- 304.6 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
- Q4_K_S
- 框架
- vLLM
- 版本
- v0.21
- 上下文长度
- 4096 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 4070 Ti
- 标称显存
- 12 GB
- 实测显存（均值）
- 8.65 GB
- 系统
- Ubuntu 24.04
- 驱动
- 572.83
- CUDA
- 12.8
- 电源功耗
- 304.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.21 · Ubuntu 24.04 · CUDA 12.8 · 4096 ctx
161.78 tok/s
Decode
577.24 tok/s
Prefill
1.89 s
TTFT
8.65 GB
VRAM
—
MTP
304.6 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=42 running model_id=48 at Q4_K_S