Arao AI
返回搜索结果

Qwen3.5-4B · IQ2_M

发起讨论
NVIDIA RTX 409024GBvLLM v0.53L2 跨框架验证

本页汇总 Qwen3.5-4B（IQ2_M）在 NVIDIA RTX 4090 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。

248.85 tok/s

Decode

解码速度

1,225.63 tok/s

Prefill

预填充速度

2.06 s

TTFT

首 token 延迟

6.47 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

  1. llama.cpp · FP16 Decode 79.5 · Prefill 355.19 ·
  2. llama.cpp · IQ4_XS Decode 170.35 · Prefill 636.3 ·
  3. vLLM · IQ2_M （当前）Decode 248.85 · Prefill 1225.63 ·
  4. vLLM · Q6_K Decode 133.61 · Prefill 629.89 ·
  5. llama.cpp · Q3_K_L Decode 174.81 · Prefill 809.7 ·
  6. vLLM · Q4_K_S Decode 181.53 · Prefill 809.47 ·
  7. Strata · Q6_K Decode 161.44 · Prefill 654.89 ·

核心数据

Decode（平均）
248.85 tok/s
Prefill（平均）
1,225.63 tok/s
TTFT（平均）
2.06 s
VRAM（平均）
6.47 GB
MTP 接受率
—
TTFB
1.99 GB
功耗
331.8 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_M
框架
vLLM
版本
v0.53
上下文长度
2048 tokens
批次大小
16
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 4090
标称显存
24 GB
实测显存（均值）
6.47 GB
系统
Windows 11 24H2
驱动
560.94
CUDA
12.8
电源功耗
331.8 W

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-18

    v0.53 · Windows 11 24H2 · CUDA 12.8 · 2048 ctx

    248.85 tok/s

    Decode

    1,225.63 tok/s

    Prefill

    2.06 s

    TTFT

    6.47 GB

    VRAM

    —

    MTP

    331.8 W

    功耗

    L2 batch seed 2026-10-18: vLLM on hw_id=1 running model_id=48 at IQ2_M