返回搜索结果
Qwen3.5-4B · Q4_K_S
NVIDIA RTX 509032GBllama.cpp v0.24L2 跨框架验证
本页汇总 Qwen3.5-4B（Q4_K_S）在 NVIDIA RTX 5090 上以 llama.cpp 运行的 2 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。
334.66 tok/s
Decode
解码速度
1,225.86 tok/s
Prefill
预填充速度
1.58 s
TTFT
首 token 延迟
8.65 GB
VRAM
显存占用
L2 跨框架验证
2
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 Decode 377.37 · Prefill 1718.05 ·
- llama.cpp · Q4_K_S （当前）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）
- 334.66 tok/s
- Prefill（平均）
- 1,225.86 tok/s
- TTFT（平均）
- 1.58 s
- VRAM（平均）
- 8.65 GB
- MTP 接受率
- —
- TTFB
- 2.68 GB
- 功耗
- 331.6 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_S
- 框架
- llama.cpp
- 版本
- v0.24
- 上下文长度
- 4096 tokens
- 批次大小
- 512
- GPU 层数
- 99
- 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）
- 8.65 GB
- 系统
- Windows 11 23H2
- 驱动
- 565.57
- CUDA
- 12.6
- 电源功耗
- 416.8 W
来源与证据
共 2 条实测记录，逐条可回溯到原始出处
v0.24 · Windows 11 23H2 · CUDA 12.6 · 4096 ctx
315.71 tok/s
Decode
1,124.02 tok/s
Prefill
1.57 s
TTFT
8.65 GB
VRAM
—
MTP
416.8 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=13 running model_id=48 at Q4_K_S
v0.52 · Ubuntu 22.04 · CUDA 12.6 · 16384 ctx
353.61 tok/s
Decode
1,327.69 tok/s
Prefill
1.6 s
TTFT
8.65 GB
VRAM
—
MTP
246.4 W
功耗
L2 batch seed 2026-10-16: llama.cpp on hw_id=13 running model_id=48 at Q4_K_S