Arao AI
返回搜索结果

Qwen3.6-27B · Q8_0

发起讨论
NVIDIA H100 80GB HBM380GBvLLM v0.46L2 跨框架验证

本页汇总 Qwen3.6-27B（Q8_0）在 NVIDIA H100 80GB HBM3 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。

234.17 tok/s

Decode

解码速度

755.94 tok/s

Prefill

预填充速度

1.52 s

TTFT

首 token 延迟

67.3 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

17 天前

最后验证

性能表现

  1. vLLM · Q8_0 （当前）Decode 234.17 · Prefill 755.94 ·
  2. Strata · Q3_K_S Decode 335.33 · Prefill 1692.56 ·
  3. Strata · Q8_0 Decode 297.87 · Prefill 1046.41 ·

核心数据

Decode（平均）
234.17 tok/s
Prefill（平均）
755.94 tok/s
TTFT（平均）
1.52 s
VRAM（平均）
67.3 GB
MTP 接受率
—
TTFB
1.87 GB
功耗
642.4 W

基础配置

成员级字段取自最近一次实测

模型
Qwen3.6-27B
量化方式
Q8_0
框架
vLLM
版本
v0.46
上下文长度
32768 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 H100 80GB HBM3
标称显存
80 GB
实测显存（均值）
67.3 GB
系统
Ubuntu 22.04
驱动
572.83
CUDA
12.8
电源功耗
642.4 W

获取与上手

原始模型资料

以下为基础模型入口，不保证与本次量化版本一致；部署请使用上方已核实权重。

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-19

    v0.46 · Ubuntu 22.04 · CUDA 12.8 · 32768 ctx

    234.17 tok/s

    Decode

    755.94 tok/s

    Prefill

    1.52 s

    TTFT

    67.3 GB

    VRAM

    —

    MTP

    642.4 W

    功耗

    L2 batch seed 2026-10-19: vLLM on hw_id=55 running model_id=6 at Q8_0