返回搜索结果
Qwen3.5-4B · IQ4_XS
NVIDIA RTX 409024GBllama.cpp v0.25L2 跨框架验证
本页汇总 Qwen3.5-4B（IQ4_XS）在 NVIDIA RTX 4090 上以 llama.cpp 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。
170.35 tok/s
Decode
解码速度
636.3 tok/s
Prefill
预填充速度
0.3 s
TTFT
首 token 延迟
8.32 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 · FP16 Decode 79.5 · Prefill 355.19 ·
- llama.cpp · IQ4_XS （当前）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）
- 170.35 tok/s
- Prefill（平均）
- 636.3 tok/s
- TTFT（平均）
- 0.3 s
- VRAM（平均）
- 8.32 GB
- MTP 接受率
- —
- TTFB
- 1.36 GB
- 功耗
- 325 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
- IQ4_XS
- 框架
- llama.cpp
- 版本
- v0.25
- 上下文长度
- 2048 tokens
- 批次大小
- 256
- GPU 层数
- 99
- 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 4090
- 标称显存
- 24 GB
- 实测显存（均值）
- 8.32 GB
- 系统
- Ubuntu 24.04
- 驱动
- 565.57
- CUDA
- 13.0
- 电源功耗
- 325 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.25 · Ubuntu 24.04 · CUDA 13.0 · 2048 ctx
170.35 tok/s
Decode
636.3 tok/s
Prefill
0.3 s
TTFT
8.32 GB
VRAM
—
MTP
325 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=1 running model_id=48 at IQ4_XS