返回搜索结果
Qwen3.5-4B · Q4_K_M
NVIDIA RTX 507012GBvLLM v0.22L2 跨框架验证
本页汇总 Qwen3.5-4B（Q4_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。
84.51 tok/s
Decode
解码速度
408.98 tok/s
Prefill
预填充速度
1.63 s
TTFT
首 token 延迟
8.99 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 Decode 112.72 · Prefill 436.5 ·
- vLLM · Q4_K_M （当前）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）
- 84.51 tok/s
- Prefill（平均）
- 408.98 tok/s
- TTFT（平均）
- 1.63 s
- VRAM（平均）
- 8.99 GB
- MTP 接受率
- —
- TTFB
- 0.68 GB
- 功耗
- 155.6 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
- Q4_K_M
- 框架
- vLLM
- 版本
- v0.22
- 上下文长度
- 4096 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 5070
- 标称显存
- 12 GB
- 实测显存（均值）
- 8.99 GB
- 系统
- Ubuntu 22.04
- 驱动
- 565.57
- CUDA
- 12.8
- 电源功耗
- 155.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.22 · Ubuntu 22.04 · CUDA 12.8 · 4096 ctx
84.51 tok/s
Decode
408.98 tok/s
Prefill
1.63 s
TTFT
8.99 GB
VRAM
—
MTP
155.6 W
功耗
L2 batch seed 2026-10-10: vLLM on hw_id=18 running model_id=48 at Q4_K_M