返回搜索结果
Qwen3.5-4B · Q3_K_M
NVIDIA RTX 507012GBvLLM v0.29L2 跨框架验证
本页汇总 Qwen3.5-4B（Q3_K_M）在 NVIDIA RTX 5070 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。
112.72 tok/s
Decode
解码速度
436.5 tok/s
Prefill
预填充速度
2.21 s
TTFT
首 token 延迟
7.81 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
- vLLM · Q3_K_M （当前）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）
- 112.72 tok/s
- Prefill（平均）
- 436.5 tok/s
- TTFT（平均）
- 2.21 s
- VRAM（平均）
- 7.81 GB
- MTP 接受率
- —
- TTFB
- 0.9 GB
- 功耗
- 229.1 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_M
- 框架
- vLLM
- 版本
- v0.29
- 上下文长度
- 8192 tokens
- 批次大小
- 16
- 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
- 标称显存
- 12 GB
- 实测显存（均值）
- 7.81 GB
- 系统
- macOS 15.0
- 驱动
- 555.85
- CUDA
- 12.4
- 电源功耗
- 229.1 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.29 · macOS 15.0 · CUDA 12.4 · 8192 ctx
112.72 tok/s
Decode
436.5 tok/s
Prefill
2.21 s
TTFT
7.81 GB
VRAM
—
MTP
229.1 W
功耗
L2 batch seed 2026-10-10: vLLM on hw_id=18 running model_id=48 at Q3_K_M