搜索实测数据

试试这些搜索

找到 12 个运行配置组合

计数为运行配置组合(模型 + 硬件 + 框架 + 量化的聚合),同一组合的多次实测已合并;原始次数见各结果的来源行。

模型MiniMax-M3

MiniMax-M3 · IQ4_XS

L0 自报

NVIDIA RTX 5070 Ti · 16GB · SGLang

其他

2026-10-06

3.2 tok/s

Decode

24 tok/s

Prefill

4.17 s

TTFT

16 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 IQ4_XS SGLang 0.4.4 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

MiniMax-M3 · IQ3_S

L0 自报

NVIDIA RTX 5070 Ti · 16GB · SGLang

其他

2026-10-06

4.2 tok/s

Decode

31.5 tok/s

Prefill

3.17 s

TTFT

16 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 IQ3_S SGLang 0.4.4 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

MiniMax-M3 · IQ4_XS

L0 自报

NVIDIA RTX 5070 Ti · 16GB · vLLM

其他

2026-10-06

3.3 tok/s

Decode

24.8 tok/s

Prefill

4.03 s

TTFT

16 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 IQ4_XS vLLM 0.7.3 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

MiniMax-M3 · IQ3_S

L0 自报

NVIDIA RTX 5070 Ti · 16GB · vLLM

其他

2026-10-06

4.4 tok/s

Decode

33 tok/s

Prefill

3.03 s

TTFT

16 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 IQ3_S vLLM 0.7.3 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

MiniMax-M3 · IQ4_XS

L0 自报

NVIDIA RTX 5090 · 32GB · SGLang

其他

2026-10-06

6.4 tok/s

Decode

48 tok/s

Prefill

2.08 s

TTFT

32 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 IQ4_XS SGLang 0.4.4 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

MiniMax-M3 · IQ3_S

L0 自报

NVIDIA RTX 5090 · 32GB · SGLang

其他

2026-10-06

8.5 tok/s

Decode

63.8 tok/s

Prefill

1.57 s

TTFT

32 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 IQ3_S SGLang 0.4.4 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

MiniMax-M3 · IQ4_XS

L0 自报

NVIDIA RTX 5090 · 32GB · vLLM

其他

2026-10-06

6.6 tok/s

Decode

49.5 tok/s

Prefill

2.02 s

TTFT

32 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 IQ4_XS vLLM 0.7.3 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

MiniMax-M3 · IQ3_S

L0 自报

NVIDIA RTX 5090 · 32GB · vLLM

其他

2026-10-06

8.8 tok/s

Decode

66 tok/s

Prefill

1.52 s

TTFT

32 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 IQ3_S vLLM 0.7.3 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

MiniMax-M3 · IQ4_XS

L0 自报

NVIDIA RTX 4090 · 24GB · SGLang

其他

2026-10-06

3.6 tok/s

Decode

27 tok/s

Prefill

3.7 s

TTFT

24 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 IQ4_XS SGLang 0.4.4 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

MiniMax-M3 · IQ3_S

L0 自报

NVIDIA RTX 4090 · 24GB · SGLang

其他

2026-10-06

4.8 tok/s

Decode

36 tok/s

Prefill

2.78 s

TTFT

24 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 IQ3_S SGLang 0.4.4 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

MiniMax-M3 · IQ4_XS

L0 自报

NVIDIA RTX 4090 · 24GB · vLLM

其他

2026-10-06

3.7 tok/s

Decode

27.8 tok/s

Prefill

3.6 s

TTFT

24 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 IQ4_XS vLLM 0.7.3 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

MiniMax-M3 · IQ3_S

L0 自报

NVIDIA RTX 4090 · 24GB · vLLM

其他

2026-10-06

5 tok/s

Decode

37.5 tok/s

Prefill

2.67 s

TTFT

24 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 IQ3_S vLLM 0.7.3 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

共 12 条结果

相关模型
相关硬件
相关框架
相关量化