返回搜索结果
Qwen3.5-4B · Q3_K_M
NVIDIA RTX 408016GBvLLM v0.39L2 跨框架验证
本页汇总 Qwen3.5-4B（Q3_K_M）在 NVIDIA RTX 4080 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。
130.67 tok/s
Decode
解码速度
528.13 tok/s
Prefill
预填充速度
1.08 s
TTFT
首 token 延迟
7.81 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
- Ollama · IQ2_XS 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 （当前）Decode 130.67 · Prefill 528.13 ·
- Ollama · Q4_K_M Decode 95.12 · Prefill 401.62 ·
核心数据
- Decode（平均）
- 130.67 tok/s
- Prefill（平均）
- 528.13 tok/s
- TTFT（平均）
- 1.08 s
- VRAM（平均）
- 7.81 GB
- MTP 接受率
- —
- TTFB
- 1.05 GB
- 功耗
- 358.7 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
- Q3_K_M
- 框架
- vLLM
- 版本
- v0.39
- 上下文长度
- 32768 tokens
- 批次大小
- 32
- 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 RTX 4080
- 标称显存
- 16 GB
- 实测显存（均值）
- 7.81 GB
- 系统
- Windows 11 23H2
- 驱动
- 565.57
- CUDA
- 12.4
- 电源功耗
- 358.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.39 · Windows 11 23H2 · CUDA 12.4 · 32768 ctx
130.67 tok/s
Decode
528.13 tok/s
Prefill
1.08 s
TTFT
7.81 GB
VRAM
—
MTP
358.7 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=41 running model_id=48 at Q3_K_M