Arao AI
返回搜索结果

Qwen3.6-27B · Q4_K_M

发起讨论
NVIDIA RTX 309024GBllama.cpp b9246L0 自报

本页汇总 Qwen3.6-27B（Q4_K_M）在 NVIDIA RTX 3090 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。

57.02 tok/s

Decode

解码速度

1,299.01 tok/s

Prefill

预填充速度

— s

TTFT

首 token 延迟

23.44 GB

VRAM

显存占用

L0 自报

1

实测次数

1

独立来源

GitHub

来源平台

5 天前

最后验证

性能表现

  1. llama.cpp · Q4_K_M （当前）Decode 57.02 · Prefill 1299.01 ·
  2. llama.cpp · UD-Q3_K_XL Decode 36.67 · Prefill 39.44 ·
  3. llama.cpp · Q5_K_S Decode 46.57 · Prefill 1201.22 ·

核心数据

Decode（平均）
57.02 tok/s
Prefill（平均）
1,299.01 tok/s
TTFT（平均）
— s
VRAM（平均）
23.44 GB
MTP 接受率
0.65
TTFB
— GB
功耗
368 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
Q4_K_M
框架
llama.cpp
版本
b9246
上下文长度
262144 tokens

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 3090
标称显存
24 GB
实测显存（均值）
23.44 GB
系统
Ubuntu 24.04.4 LTS
驱动
595.71.05
CUDA
13.2
电源功耗
368 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. L0 自报GitHub原始链接 验证于 2026-09-28

    b9246 · Ubuntu 24.04.4 LTS · CUDA 13.2 · 262144 ctx

    57.02 tok/s

    Decode

    1,299.01 tok/s

    Prefill

    — s

    TTFT

    23.44 GB

    VRAM

    0.65

    MTP

    368 W

    功耗

    0.48.418.321 I slot print_timing: id 0 | task 112 | prompt eval time = 111.50 ms / 60 tokens ( 1.86 ms per token, 538.13 tokens per second) 0.48.418.324 I slot print_timing: id 0 | task 112 | eval time = 35074.75 ms / 2000 tokens ( 17.54 ms per token, 57.02 tokens per second) 0.48.418.325 I slot print_timing: id 0 | task 112 | total time = 35186.25 ms / 2060 tokens