返回搜索结果
Qwen3.5-9B · Q6_K
NVIDIA DGX Spark128GBllama.cpp v0.49L2 跨框架验证
本页汇总 Qwen3.5-9B（Q6_K）在 NVIDIA DGX Spark 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。
110.08 tok/s
Decode
解码速度
496.59 tok/s
Prefill
预填充速度
0.49 s
TTFT
首 token 延迟
21 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
2 天前
最后验证
性能表现
- llama.cpp · Q6_K （当前）Decode 110.08 · Prefill 496.59 ·
- Strata · Q3_K_M Decode 209.28 · Prefill 1036.76 ·
- llama.cpp · IQ2_M Decode 181.94 · Prefill 684.54 ·
- vLLM · IQ2_M Decode 210.69 · Prefill 1114.84 ·
- vLLM · Q8_0 Decode 101.73 · Prefill 523.44 ·
核心数据
- Decode（平均）
- 110.08 tok/s
- Prefill（平均）
- 496.59 tok/s
- TTFT（平均）
- 0.49 s
- VRAM（平均）
- 21 GB
- MTP 接受率
- —
- TTFB
- 0.88 GB
- 功耗
- 231.6 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3.5-9B
- 量化方式
- Q6_K
- 框架
- llama.cpp
- 版本
- v0.49
- 上下文长度
- 8192 tokens
- 批次大小
- 256
- GPU 层数
- 33
- 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 DGX Spark
- 标称显存
- 128 GB
- 实测显存（均值）
- 21 GB
- 系统
- Ubuntu 22.04
- 驱动
- 565.57
- CUDA
- 12.4
- 电源功耗
- 231.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.49 · Ubuntu 22.04 · CUDA 12.4 · 8192 ctx
110.08 tok/s
Decode
496.59 tok/s
Prefill
0.49 s
TTFT
21 GB
VRAM
—
MTP
231.6 W
功耗
L2 batch seed 2026-10-16: llama.cpp on hw_id=54 running model_id=49 at Q6_K