返回搜索结果
Qwen3.5-4B · IQ2_XS
NVIDIA RTX 508016GBllama.cpp v0.40L2 跨框架验证
本页汇总 Qwen3.5-4B（IQ2_XS）在 NVIDIA RTX 5080 上以 llama.cpp 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。
312.6 tok/s
Decode
解码速度
1,217.96 tok/s
Prefill
预填充速度
1.1 s
TTFT
首 token 延迟
6.13 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
- llama.cpp · IQ1_S Decode 350.61 · Prefill 1829.73 ·
- llama.cpp · IQ2_XS （当前）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）
- 312.6 tok/s
- Prefill（平均）
- 1,217.96 tok/s
- TTFT（平均）
- 1.1 s
- VRAM（平均）
- 6.13 GB
- MTP 接受率
- —
- TTFB
- 2.5 GB
- 功耗
- 220.1 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
- IQ2_XS
- 框架
- llama.cpp
- 版本
- v0.40
- 上下文长度
- 2048 tokens
- 批次大小
- 512
- GPU 层数
- 28
- 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 5080
- 标称显存
- 16 GB
- 实测显存（均值）
- 6.13 GB
- 系统
- Ubuntu 22.04
- 驱动
- 565.57
- CUDA
- 12.6
- 电源功耗
- 220.1 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.40 · Ubuntu 22.04 · CUDA 12.6 · 2048 ctx
312.6 tok/s
Decode
1,217.96 tok/s
Prefill
1.1 s
TTFT
6.13 GB
VRAM
—
MTP
220.1 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=14 running model_id=48 at IQ2_XS