返回搜索结果
Qwen3.8-9B · IQ2_M
NVIDIA RTX 4060 Ti 16GB16GBvLLM v0.24L2 跨框架验证
本页汇总 Qwen3.8-9B（IQ2_M）在 NVIDIA RTX 4060 Ti 16GB 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。
110.8 tok/s
Decode
解码速度
556.06 tok/s
Prefill
预填充速度
1 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
- vLLM · IQ4_XS Decode 104.81 · Prefill 479.61 ·
- vLLM · Q3_K_M Decode 106.76 · Prefill 483.03 ·
- Strata · IQ2_XS Decode 182.07 · Prefill 797.96 ·
- vLLM · IQ2_M （当前）Decode 110.8 · Prefill 556.06 ·
- Ollama · Q4_K_M Decode 65.8 · Prefill 285.42 ·
核心数据
- Decode（平均）
- 110.8 tok/s
- Prefill（平均）
- 556.06 tok/s
- TTFT（平均）
- 1 s
- VRAM（平均）
- 11.93 GB
- MTP 接受率
- —
- TTFB
- 0.89 GB
- 功耗
- 325.7 W
基础配置
成员级字段取自最近一次实测
- 模型
- Qwen3.8-9B
- 量化方式
- IQ2_M
- 框架
- vLLM
- 版本
- v0.24
- 上下文长度
- 2048 tokens
- 批次大小
- 32
- 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 RTX 4060 Ti 16GB
- 标称显存
- 16 GB
- 实测显存（均值）
- 11.93 GB
- 系统
- Ubuntu 24.04
- 驱动
- 555.85
- CUDA
- 12.4
- 电源功耗
- 325.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.24 · Ubuntu 24.04 · CUDA 12.4 · 2048 ctx
110.8 tok/s
Decode
556.06 tok/s
Prefill
1 s
TTFT
11.93 GB
VRAM
—
MTP
325.7 W
功耗
L2 batch seed 2026-10-13: vLLM on hw_id=3 running model_id=52 at IQ2_M