返回搜索结果
Qwen3.5-4B · Q4_K_M
NVIDIA RTX Spark128GBllama.cpp v0.38L2 跨框架验证
本页汇总 Qwen3.5-4B（Q4_K_M）在 NVIDIA RTX Spark 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。
90.26 tok/s
Decode
解码速度
398.49 tok/s
Prefill
预填充速度
0.8 s
TTFT
首 token 延迟
8.99 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
16 天前
最后验证
性能表现
- llama.cpp · Q4_K_M （当前）Decode 90.26 · Prefill 398.49 ·
- llama.cpp · Q5_K_M Decode 71.83 · Prefill 346.83 ·
- llama.cpp · Q8_0 Decode 64.66 · Prefill 241.03 ·
- Ollama · FP16 Decode 40.67 · Prefill 196.29 ·
- Ollama · Q5_K_M Decode 69.06 · Prefill 289.88 ·
- Ollama · Q8_0 Decode 56.21 · Prefill 286.64 ·
- llama.cpp · Q3_K_S Decode 110.57 · Prefill 596.61 ·
- Ollama · Q4_K_M Decode 76.41 · Prefill 245.09 ·
核心数据
- Decode（平均）
- 90.26 tok/s
- Prefill（平均）
- 398.49 tok/s
- TTFT（平均）
- 0.8 s
- VRAM（平均）
- 8.99 GB
- MTP 接受率
- —
- TTFB
- 0.73 GB
- 功耗
- 72.85 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
- llama.cpp
- 版本
- v0.38
- 上下文长度
- 8192 tokens
- 批次大小
- 256
- 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 Spark
- 标称显存
- 128 GB
- 实测显存（均值）
- 8.99 GB
- 系统
- Ubuntu 24.04
- 驱动
- 615.78
- CUDA
- 13.0
- 电源功耗
- 78.6 W
- 参考价格
- $2,399 · 更新于 2026-10-19
价格非实时，以电商页为准
来源与证据
共 2 条实测记录，逐条可回溯到原始出处
v0.38 · Ubuntu 24.04 · CUDA 13.0 · 8192 ctx
96.11 tok/s
Decode
444.14 tok/s
Prefill
1.33 s
TTFT
8.99 GB
VRAM
—
MTP
78.6 W
功耗
L2 batch seed 2026-10-20 (Linux 116GiB unlock): llama.cpp on Spark running model_id=48 at Q4_K_M
v0.53 · Windows 11 24H2 · CUDA 13.0 · 16384 ctx
84.41 tok/s
Decode
352.83 tok/s
Prefill
0.28 s
TTFT
8.99 GB
VRAM
—
MTP
67.1 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=110 running model_id=48 at Q4_K_M