Arao AI
返回搜索结果

Qwen3.8-Flash-Next · IQ4_XS

发起讨论
NVIDIA RTX 509032GBllama.cpp b4200L0 自报

本页汇总 Qwen3.8-Flash-Next（IQ4_XS）在 NVIDIA RTX 5090 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。

14.4 tok/s

Decode

解码速度

108 tok/s

Prefill

预填充速度

0.93 s

TTFT

首 token 延迟

32 GB

VRAM

显存占用

L0 自报

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

  1. Strata · Q4_K_M Decode 16.4 · Prefill 123 ·
  2. Strata · IQ3_XXS Decode 28.4 · Prefill 213 ·
  3. Strata · IQ3_S Decode 24.6 · Prefill 184.5 ·
  4. Strata · IQ4_XS Decode 18.4 · Prefill 138 ·
  5. llama.cpp · Q4_K_M Decode 12.8 · Prefill 96 ·
  6. llama.cpp · IQ3_XXS Decode 22.1 · Prefill 165.8 ·
  7. llama.cpp · IQ3_S Decode 19.2 · Prefill 144 ·
  8. llama.cpp · IQ4_XS （当前）Decode 14.4 · Prefill 108 ·
  9. vLLM · IQ3_S Decode 20.9 · Prefill 156.8 ·

核心数据

Decode（平均）
14.4 tok/s
Prefill（平均）
108 tok/s
TTFT（平均）
0.93 s
VRAM（平均）
32 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
Qwen3.8-Flash-Next
量化方式
IQ4_XS
框架
llama.cpp
版本
b4200
上下文长度
4096 tokens
批次大小
512
GPU 层数
99
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 5090
标称显存
32 GB
实测显存（均值）
32 GB
系统
Linux
驱动
570.65
CUDA
12.6

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 自报其他原始链接 验证于 2026-10-06

    b4200 · Linux · CUDA 12.6 · 4096 ctx

    14.4 tok/s

    Decode

    108 tok/s

    Prefill

    0.93 s

    TTFT

    32 GB

    VRAM

    —

    MTP

    — W

    功耗

    L0 理论估算（add-1000-records-batch3）