返回搜索结果
Qwen3.5-4B · Q3_K_L
NVIDIA RTX 409024GBStrata v0.38L2 跨框架验证
本页汇总 Qwen3.5-4B（Q3_K_L）在 NVIDIA RTX 4090 上以 Strata 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。
236.63 tok/s
Decode
解码速度
1,225.73 tok/s
Prefill
预填充速度
1.2 s
TTFT
首 token 延迟
8.15 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
17 天前
最后验证
性能表现
- llama.cpp · Q3_K_S Decode 181.19 · Prefill 930.71 ·
- Strata · Q3_K_L （当前）Decode 236.63 · Prefill 1225.73 ·
- llama.cpp · FP16 Decode 79.5 · Prefill 355.19 ·
- llama.cpp · IQ4_XS Decode 170.35 · Prefill 636.3 ·
- vLLM · IQ2_M Decode 248.85 · Prefill 1225.63 ·
- vLLM · Q6_K Decode 133.61 · Prefill 629.89 ·
- llama.cpp · Q3_K_L Decode 174.81 · Prefill 809.7 ·
- vLLM · Q4_K_S Decode 181.53 · Prefill 809.47 ·
- Strata · Q6_K Decode 161.44 · Prefill 654.89 ·
核心数据
- Decode（平均）
- 236.63 tok/s
- Prefill（平均）
- 1,225.73 tok/s
- TTFT（平均）
- 1.2 s
- VRAM（平均）
- 8.15 GB
- MTP 接受率
- 0.54
- TTFB
- 1.89 GB
- 功耗
- 334.2 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_L
- 框架
- Strata
- 版本
- v0.38
- 上下文长度
- 4096 tokens
- 批次大小
- 256
- GPU 层数
- 15
- 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 4090
- 标称显存
- 24 GB
- 实测显存（均值）
- 8.15 GB
- 系统
- Ubuntu 22.04
- 驱动
- 565.57
- CUDA
- 12.6
- 电源功耗
- 334.2 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.38 · Ubuntu 22.04 · CUDA 12.6 · 4096 ctx
236.63 tok/s
Decode
1,225.73 tok/s
Prefill
1.2 s
TTFT
8.15 GB
VRAM
0.54
MTP
334.2 W
功耗
L2 batch seed 2026-10-19: Strata on hw_id=1 running model_id=48 at Q3_K_L