返回搜索结果
Qwen3.5-4B · IQ2_XS
NVIDIA RTX 408016GBOllama v0.31L2 跨框架验证
本页汇总 Qwen3.5-4B（IQ2_XS）在 NVIDIA RTX 4080 上以 Ollama 运行的 2 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。
194.9 tok/s
Decode
解码速度
903.61 tok/s
Prefill
预填充速度
1.26 s
TTFT
首 token 延迟
6.13 GB
VRAM
显存占用
L2 跨框架验证
2
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
- Ollama · IQ2_XS （当前）Decode 194.9 · Prefill 903.61 ·
- Strata · Q6_K Decode 181.02 · Prefill 665.46 ·
- vLLM · Q2_K Decode 151.45 · Prefill 529.44 ·
- vLLM · Q3_K_M Decode 130.67 · Prefill 528.13 ·
- Ollama · Q4_K_M Decode 95.12 · Prefill 401.62 ·
核心数据
- Decode（平均）
- 194.9 tok/s
- Prefill（平均）
- 903.61 tok/s
- TTFT（平均）
- 1.26 s
- VRAM（平均）
- 6.13 GB
- MTP 接受率
- —
- TTFB
- 1.56 GB
- 功耗
- 286.8 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
- IQ2_XS
- 框架
- Ollama
- 版本
- v0.31
- 上下文长度
- 32768 tokens
- 批次大小
- 512
- GPU 层数
- 99
- 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 RTX 4080
- 标称显存
- 16 GB
- 实测显存（均值）
- 6.13 GB
- 系统
- Ubuntu 22.04
- 驱动
- 565.57
- CUDA
- 12.6
- 电源功耗
- 310.5 W
来源与证据
共 2 条实测记录，逐条可回溯到原始出处
v0.31 · Ubuntu 22.04 · CUDA 12.6 · 32768 ctx
238.18 tok/s
Decode
1,075.29 tok/s
Prefill
2.13 s
TTFT
6.13 GB
VRAM
—
MTP
310.5 W
功耗
L2 batch seed 2026-10-18: Ollama on hw_id=41 running model_id=48 at IQ2_XS
v0.27 · Windows 11 23H2 · CUDA 12.6 · 2048 ctx
151.62 tok/s
Decode
731.93 tok/s
Prefill
0.39 s
TTFT
6.13 GB
VRAM
—
MTP
263.1 W
功耗
L2 batch seed 2026-10-13: Ollama on hw_id=41 running model_id=48 at IQ2_XS