返回搜索结果
Qwen3.5-4B · IQ4_XS
NVIDIA RTX 5070 Ti16GBvLLM v0.50L2 跨框架验证
本页汇总 Qwen3.5-4B（IQ4_XS）在 NVIDIA RTX 5070 Ti 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。
131.32 tok/s
Decode
解码速度
455.29 tok/s
Prefill
预填充速度
1.61 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 · IQ1_S Decode 182.74 · Prefill 910.54 ·
- vLLM · IQ4_XS （当前）Decode 131.32 · Prefill 455.29 ·
- vLLM · Q4_K_M Decode 116.07 · Prefill 492.31 ·
核心数据
- Decode（平均）
- 131.32 tok/s
- Prefill（平均）
- 455.29 tok/s
- TTFT（平均）
- 1.61 s
- VRAM（平均）
- 8.32 GB
- MTP 接受率
- —
- TTFB
- 1.05 GB
- 功耗
- 205.5 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
- vLLM
- 版本
- v0.50
- 上下文长度
- 32768 tokens
- 批次大小
- 32
- GPU 层数
- 999
- 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 5070 Ti
- 标称显存
- 16 GB
- 实测显存（均值）
- 8.32 GB
- 系统
- Windows 11 24H2
- 驱动
- 565.57
- CUDA
- 12.8
- 电源功耗
- 205.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.50 · Windows 11 24H2 · CUDA 12.8 · 32768 ctx
131.32 tok/s
Decode
455.29 tok/s
Prefill
1.61 s
TTFT
8.32 GB
VRAM
—
MTP
205.5 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=17 running model_id=48 at IQ4_XS