Arao AI
返回搜索结果

Qwen3.8-27B · Q4_K_M

发起讨论
NVIDIA H100 80GB HBM380GBvLLM v0.40L2 跨框架验证

本页汇总 Qwen3.8-27B（Q4_K_M）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。

224.13 tok/s

Decode

解码速度

1,208.86 tok/s

Prefill

预填充速度

0.75 s

TTFT

首 token 延迟

48.59 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

16 天前

最后验证

性能表现

  1. vLLM · Q4_K_M （当前）Decode 224.13 · Prefill 1208.86 ·
  2. vLLM · Q5_K_M Decode 206.52 · Prefill 1029.93 ·
  3. Strata · IQ2_M Decode 325.92 · Prefill 1772.8 ·

核心数据

Decode（平均）
224.13 tok/s
Prefill（平均）
1,208.86 tok/s
TTFT（平均）
0.75 s
VRAM（平均）
48.59 GB
MTP 接受率
—
TTFB
1.79 GB
功耗
570.6 W

基础配置

成员级字段取自最近一次实测

模型
Qwen3.8-27B
量化方式
Q4_K_M
框架
vLLM
版本
v0.40
上下文长度
16384 tokens
批次大小
16
GPU 层数
999
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 H100 80GB HBM3
标称显存
80 GB
实测显存（均值）
48.59 GB
系统
Ubuntu 24.04
驱动
572.83
CUDA
13.0
电源功耗
570.6 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

    v0.40 · Ubuntu 24.04 · CUDA 13.0 · 16384 ctx

    224.13 tok/s

    Decode

    1,208.86 tok/s

    Prefill

    0.75 s

    TTFT

    48.59 GB

    VRAM

    —

    MTP

    570.6 W

    功耗

    L2 batch seed 2026-10-19: vLLM on hw_id=55 running model_id=5 at Q4_K_M