返回搜索结果
Qwen3.5-4B · Q5_K_S
NVIDIA RTX 507012GBOllama v0.32L2 跨框架验证
本页汇总 Qwen3.5-4B（Q5_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。
83.31 tok/s
Decode
解码速度
418.84 tok/s
Prefill
预填充速度
1.41 s
TTFT
首 token 延迟
9.66 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 Decode 115.6 · Prefill 548.24 ·
- Ollama · Q5_K_S （当前）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）
- 83.31 tok/s
- Prefill（平均）
- 418.84 tok/s
- TTFT（平均）
- 1.41 s
- VRAM（平均）
- 9.66 GB
- MTP 接受率
- —
- TTFB
- 0.67 GB
- 功耗
- 244.5 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
- Q5_K_S
- 框架
- Ollama
- 版本
- v0.32
- 上下文长度
- 16384 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 5070
- 标称显存
- 12 GB
- 实测显存（均值）
- 9.66 GB
- 系统
- Windows 11 24H2
- 驱动
- 572.83
- CUDA
- 13.0
- 电源功耗
- 244.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.32 · Windows 11 24H2 · CUDA 13.0 · 16384 ctx
83.31 tok/s
Decode
418.84 tok/s
Prefill
1.41 s
TTFT
9.66 GB
VRAM
—
MTP
244.5 W
功耗
L2 batch seed 2026-10-18: Ollama on hw_id=18 running model_id=48 at Q5_K_S