返回搜索结果
Qwen3.5-9B · IQ2_M
NVIDIA DGX Spark128GBvLLM v0.41L2 跨框架验证
本页汇总 Qwen3.5-9B（IQ2_M）在 NVIDIA DGX Spark 上以 vLLM 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。
210.69 tok/s
Decode
解码速度
1,114.84 tok/s
Prefill
预填充速度
0.7 s
TTFT
首 token 延迟
11.93 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
5 天前
最后验证
性能表现
- llama.cpp · Q6_K 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 （当前）Decode 210.69 · Prefill 1114.84 ·
- vLLM · Q8_0 Decode 101.73 · Prefill 523.44 ·
核心数据
- Decode（平均）
- 210.69 tok/s
- Prefill（平均）
- 1,114.84 tok/s
- TTFT（平均）
- 0.7 s
- VRAM（平均）
- 11.93 GB
- MTP 接受率
- —
- TTFB
- 1.69 GB
- 功耗
- 249.7 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
- IQ2_M
- 框架
- vLLM
- 版本
- v0.41
- 上下文长度
- 4096 tokens
- 批次大小
- 32
- GPU 层数
- 999
- Flash Attention
- 关闭
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）
- 11.93 GB
- 系统
- Ubuntu 24.04
- 驱动
- 570.86
- CUDA
- 12.8
- 电源功耗
- 249.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.41 · Ubuntu 24.04 · CUDA 12.8 · 4096 ctx
210.69 tok/s
Decode
1,114.84 tok/s
Prefill
0.7 s
TTFT
11.93 GB
VRAM
—
MTP
249.7 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=54 running model_id=49 at IQ2_M