Arao AI
返回搜索结果

Qwen3.6-27B · UD-Q3_K_XL

发起讨论
NVIDIA RTX 309024GBllama.cpp b9014L0 自报

本页汇总 Qwen3.6-27B（UD-Q3_K_XL）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。

36.67 tok/s

Decode

解码速度

39.44 tok/s

Prefill

预填充速度

— s

TTFT

首 token 延迟

20.11 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 Decode 57.02 · Prefill 1299.01 ·
  2. llama.cpp · UD-Q3_K_XL （当前）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）
36.67 tok/s
Prefill（平均）
39.44 tok/s
TTFT（平均）
— s
VRAM（平均）
20.11 GB
MTP 接受率
—
TTFB
— GB
功耗
— 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
UD-Q3_K_XL
框架
llama.cpp
版本
b9014
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）
20.11 GB
系统
Ubuntu 24.04.4 LTS
驱动
580.126.09
CUDA
13.0

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

    b9014 · Ubuntu 24.04.4 LTS · CUDA 13.0 · 262144 ctx

    36.67 tok/s

    Decode

    39.44 tok/s

    Prefill

    — s

    TTFT

    20.11 GB

    VRAM

    —

    MTP

    — W

    功耗

    slot print_timing: id 0 | task 217317 | prompt eval time = 101.43 ms / 4 tokens ( 25.36 ms per token, 39.44 tokens per second) eval time = 9518.04 ms / 349 tokens ( 27.27 ms per token, 36.67 tokens per second) total time = 9619.47 ms / 353 tokens slot release: id 0 | task 217317 | stop processing: n_tokens = 898, truncated = 0