返回搜索结果
Qwen3.5-4B · Q3_K_L
NVIDIA RTX 409024GBllama.cpp v0.37L2 跨框架验证
本页汇总 Qwen3.5-4B（Q3_K_L）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。
174.81 tok/s
Decode
解码速度
809.7 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
今天
最后验证
性能表现
- llama.cpp · Q3_K_L （当前）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）
- 174.81 tok/s
- Prefill（平均）
- 809.7 tok/s
- TTFT（平均）
- 1.2 s
- VRAM（平均）
- 8.15 GB
- MTP 接受率
- —
- TTFB
- 1.4 GB
- 功耗
- 330.4 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
- llama.cpp
- 版本
- v0.37
- 上下文长度
- 2048 tokens
- 批次大小
- 256
- GPU 层数
- 33
- 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
- 560.94
- CUDA
- 12.6
- 电源功耗
- 330.4 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.37 · Ubuntu 22.04 · CUDA 12.6 · 2048 ctx
174.81 tok/s
Decode
809.7 tok/s
Prefill
1.2 s
TTFT
8.15 GB
VRAM
—
MTP
330.4 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=1 running model_id=48 at Q3_K_L