Arao AI

搜索实测数据

试试这些搜索

找到 7 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Qwen 4 720B

Qwen 4 720B · IQ3_S

L0 自报

NVIDIA RTX PRO 6000 Blackwell · 96GB · vLLM

其他

今天

5.2 tok/s

Decode

39 tok/s

Prefill

2.56 s

TTFT

96 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

查看详情

Qwen 4 720B · IQ2_XXS

L0 自报

4x NVIDIA RTX 3090 · 96GB · vLLM

其他

今天

— tok/s

Decode

— tok/s

Prefill

— s

TTFT

96 GB

VRAM

配置（最近一次实测）
Linux CUDA 12.6 IQ2_XXS vLLM 0.7.3 Flash Attention

来源：其他 · 1 次实测 · 1 个独立来源

查看详情

Qwen 4 720B · IQ2_XS

L0 自报

2x NVIDIA RTX 5090 · 64GB · vLLM

其他

今天

— tok/s

Decode

— tok/s

Prefill

— s

TTFT

64 GB

VRAM

配置（最近一次实测）
Linux CUDA 12.6 IQ2_XS vLLM 0.7.3 Flash Attention

来源：其他 · 1 次实测 · 1 个独立来源

查看详情

Qwen 4 720B · IQ2_XXS

L0 自报

NVIDIA RTX 5070 SUPER · 18GB · Strata

其他

今天

4.4 tok/s

Decode

33 tok/s

Prefill

3.03 s

TTFT

18 GB

VRAM

配置（最近一次实测）
Linux CUDA 12.6 IQ2_XXS Strata 0.5.2 Flash Attention

来源：其他 · 1 次实测 · 1 个独立来源

查看详情

Qwen 4 720B · IQ2_XS

L0 自报

NVIDIA RTX 5080 SUPER · 24GB · llama.cpp

其他

今天

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 IQ2_XS llama.cpp b4200 Flash Attention

来源：其他 · 1 次实测 · 1 个独立来源

查看详情

Qwen 4 720B · IQ2_XS

L0 自报

NVIDIA RTX 5090 · 32GB · vLLM

其他

今天

6.3 tok/s

Decode

47.3 tok/s

Prefill

2.11 s

TTFT

32 GB

VRAM

配置（最近一次实测）
Linux CUDA 12.6 IQ2_XS vLLM 0.7.3 Flash Attention

来源：其他 · 1 次实测 · 1 个独立来源

查看详情

Qwen 4 720B · IQ2_XS

L0 自报

NVIDIA RTX 4090 · 24GB · llama.cpp

其他

今天

3.2 tok/s

Decode

24 tok/s

Prefill

4.17 s

TTFT

24 GB

VRAM

配置（最近一次实测）
Linux CUDA 12.6 IQ2_XS llama.cpp b4200 Flash Attention

来源：其他 · 1 次实测 · 1 个独立来源

查看详情

共 7 条结果

相关模型
相关硬件
相关框架
相关量化