返回搜索结果
Qwen3.8-9B · Q2_K
NVIDIA RTX 409024GBvLLM v0.55L2 跨框架验证
本页汇总 Qwen3.8-9B（Q2_K）在 NVIDIA RTX 4090 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。
152.53 tok/s
Decode
解码速度
504.65 tok/s
Prefill
预填充速度
0.29 s
TTFT
首 token 延迟
12.5 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
今天
最后验证
性能表现
- vLLM · Q2_K （当前）Decode 152.53 · Prefill 504.65 ·
- Ollama · IQ3_XS Decode 121.23 · Prefill 396.17 ·
核心数据
- Decode（平均）
- 152.53 tok/s
- Prefill（平均）
- 504.65 tok/s
- TTFT（平均）
- 0.29 s
- VRAM（平均）
- 12.5 GB
- MTP 接受率
- —
- TTFB
- 1.22 GB
- 功耗
- 286.5 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
- Q2_K
- 框架
- vLLM
- 版本
- v0.55
- 上下文长度
- 8192 tokens
- 批次大小
- 8
- 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 4090
- 标称显存
- 24 GB
- 实测显存（均值）
- 12.5 GB
- 系统
- Ubuntu 24.04
- 驱动
- 570.86
- CUDA
- 12.4
- 电源功耗
- 286.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.55 · Ubuntu 24.04 · CUDA 12.4 · 8192 ctx
152.53 tok/s
Decode
504.65 tok/s
Prefill
0.29 s
TTFT
12.5 GB
VRAM
—
MTP
286.5 W
功耗
L2 batch seed 2026-10-10: vLLM on hw_id=1 running model_id=52 at Q2_K