返回搜索结果
Qwen3.5-4B · Q3_K_S
NVIDIA RTX 507012GBOllama v0.38L2 跨框架验证
本页汇总 Qwen3.5-4B（Q3_K_S）在 NVIDIA RTX 5070 上以 Ollama 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。
115.6 tok/s
Decode
解码速度
548.24 tok/s
Prefill
预填充速度
1.06 s
TTFT
首 token 延迟
7.56 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
- Ollama · Q3_K_S （当前）Decode 115.6 · Prefill 548.24 ·
- Ollama · Q5_K_S Decode 83.31 · Prefill 418.84 ·
- vLLM · Q3_K_M Decode 112.72 · Prefill 436.5 ·
- vLLM · Q4_K_M Decode 84.51 · Prefill 408.98 ·
- Strata · IQ3_S Decode 154.26 · Prefill 563.04 ·
- llama.cpp · Q5_K_M Decode 174.7 · Prefill 1310.3 ·
核心数据
- Decode（平均）
- 115.6 tok/s
- Prefill（平均）
- 548.24 tok/s
- TTFT（平均）
- 1.06 s
- VRAM（平均）
- 7.56 GB
- MTP 接受率
- —
- TTFB
- 0.92 GB
- 功耗
- 201.7 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_S
- 框架
- Ollama
- 版本
- v0.38
- 上下文长度
- 32768 tokens
- 批次大小
- 512
- GPU 层数
- 20
- 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
- 标称显存
- 12 GB
- 实测显存（均值）
- 7.56 GB
- 系统
- Ubuntu 24.04
- 驱动
- 572.83
- CUDA
- 12.4
- 电源功耗
- 201.7 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 24.04 · CUDA 12.4 · 32768 ctx
115.6 tok/s
Decode
548.24 tok/s
Prefill
1.06 s
TTFT
7.56 GB
VRAM
—
MTP
201.7 W
功耗
L2 batch seed 2026-10-18: Ollama on hw_id=18 running model_id=48 at Q3_K_S