返回搜索结果
Qwen3.5-4B · FP16
NVIDIA RTX 508016GBOllama v0.36L2 跨框架验证
本页汇总 Qwen3.5-4B（FP16）在 NVIDIA RTX 5080 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。
104.67 tok/s
Decode
解码速度
436.92 tok/s
Prefill
预填充速度
1.15 s
TTFT
首 token 延迟
15.2 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
17 天前
最后验证
性能表现
- Ollama · FP16 （当前）Decode 104.67 · Prefill 436.92 ·
- Ollama · Q4_K_S Decode 194.55 · Prefill 763.79 ·
- Strata · Q8_0 Decode 218.51 · Prefill 985.54 ·
- llama.cpp · IQ1_S Decode 350.61 · Prefill 1829.73 ·
- llama.cpp · IQ2_XS Decode 312.6 · Prefill 1217.96 ·
- Strata · IQ3_S Decode 356.3 · Prefill 1901.07 ·
- llama.cpp · IQ4_XS Decode 133.14 · Prefill 731.5 ·
- Strata · Q3_K_M Decode 231.73 · Prefill 785.76 ·
核心数据
- Decode（平均）
- 104.67 tok/s
- Prefill（平均）
- 436.92 tok/s
- TTFT（平均）
- 1.15 s
- VRAM（平均）
- 15.2 GB
- MTP 接受率
- —
- TTFB
- 0.84 GB
- 功耗
- 309.8 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
- FP16
- 框架
- Ollama
- 版本
- v0.36
- 上下文长度
- 16384 tokens
- 批次大小
- 256
- GPU 层数
- 20
- 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 5080
- 标称显存
- 16 GB
- 实测显存（均值）
- 15.2 GB
- 系统
- Windows 11 23H2
- 驱动
- 565.57
- CUDA
- 12.4
- 电源功耗
- 309.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.36 · Windows 11 23H2 · CUDA 12.4 · 16384 ctx
104.67 tok/s
Decode
436.92 tok/s
Prefill
1.15 s
TTFT
15.2 GB
VRAM
—
MTP
309.8 W
功耗
L2 batch seed 2026-10-19: Ollama on hw_id=14 running model_id=48 at FP16