返回搜索结果
Qwen3.5-4B · Q3_K_M
NVIDIA RTX 509032GBllama.cpp v0.51L2 跨框架验证
本页汇总 Qwen3.5-4B（Q3_K_M）在 NVIDIA RTX 5090 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。
377.37 tok/s
Decode
解码速度
1,718.05 tok/s
Prefill
预填充速度
2.24 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
- llama.cpp · Q3_K_M （当前）Decode 377.37 · Prefill 1718.05 ·
- llama.cpp · Q4_K_S Decode 334.66 · Prefill 1225.86 ·
- Strata · Q2_K Decode 338.27 · Prefill 1161 ·
- Strata · Q4_K_M Decode 318.56 · Prefill 1437.9 ·
- llama.cpp · IQ2_M Decode 354.14 · Prefill 1511.04 ·
- Ollama · IQ2_M Decode 347.38 · Prefill 1126.85 ·
- Ollama · IQ2_XS Decode 333.52 · Prefill 1258.8 ·
- llama.cpp · Q3_K_L Decode 338.21 · Prefill 1409.78 ·
- vLLM · Q3_K_M Decode 356.1 · Prefill 1633.97 ·
- vLLM · Q3_K_S Decode 324.89 · Prefill 1253.12 ·
- Strata · Q4_K_S Decode 353.67 · Prefill 1676.75 ·
核心数据
- Decode（平均）
- 377.37 tok/s
- Prefill（平均）
- 1,718.05 tok/s
- TTFT（平均）
- 2.24 s
- VRAM（平均）
- 7.81 GB
- MTP 接受率
- —
- TTFB
- 3.02 GB
- 功耗
- 396.5 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
- Q3_K_M
- 框架
- llama.cpp
- 版本
- v0.51
- 上下文长度
- 16384 tokens
- 批次大小
- 256
- GPU 层数
- 20
- 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 7.81 GB
- 系统
- Ubuntu 24.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 396.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.51 · Ubuntu 24.04 · CUDA 12.8 · 16384 ctx
377.37 tok/s
Decode
1,718.05 tok/s
Prefill
2.24 s
TTFT
7.81 GB
VRAM
—
MTP
396.5 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=13 running model_id=48 at Q3_K_M