搜索实测数据

试试这些搜索

找到 6 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 72B

Qwen 4 72B · Q4_K_M

L0 自报

Apple M5 Max · 128GB · llama.cpp

其他

今天

11 tok/s

Decode

82.5 tok/s

Prefill

1.21 s

TTFT

44.2 GB

VRAM

配置（最近一次实测）

Linux CUDA 12.6 Q4_K_M llama.cpp b4200 Flash Attention

来源：其他 · 1 次实测 · 1 个独立来源

对比查看详情

Qwen 4 72B · IQ2_XS

L0 自报

Apple M4 Max · 128GB · llama.cpp

其他

今天

17.5 tok/s

Decode

131.3 tok/s

Prefill

0.76 s

TTFT

24.8 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

对比查看详情

Qwen 4 72B · IQ2_XS

L0 自报

NVIDIA RTX 5070 SUPER · 18GB · Strata

其他

今天

36.9 tok/s

Decode

276.8 tok/s

Prefill

0.36 s

TTFT

18 GB

VRAM

配置（最近一次实测）

Linux CUDA 12.6 IQ2_XS Strata 0.5.2 Flash Attention

来源：其他 · 1 次实测 · 1 个独立来源

对比查看详情

Qwen 4 72B · Q4_K_M

L0 自报

NVIDIA RTX 5080 SUPER · 24GB · llama.cpp

其他

今天

20 tok/s

Decode

150 tok/s

Prefill

0.67 s

TTFT

24 GB

VRAM

配置（最近一次实测）

Linux CUDA 12.6 Q4_K_M llama.cpp b4200 Flash Attention

来源：其他 · 1 次实测 · 1 个独立来源

对比查看详情

Qwen 4 72B · Q4_K_M

L0 自报

NVIDIA RTX 5090 · 32GB · vLLM

其他

今天

34.9 tok/s

Decode

261.8 tok/s

Prefill

0.38 s

TTFT

32 GB

VRAM

配置（最近一次实测）

Linux CUDA 12.6 Q4_K_M vLLM 0.7.3 Flash Attention

来源：其他 · 1 次实测 · 1 个独立来源

对比查看详情

Qwen 4 72B · Q4_K_M

L0 自报

NVIDIA RTX 4090 · 24GB · llama.cpp

其他

今天

18 tok/s

Decode

135 tok/s

Prefill

0.74 s

TTFT

24 GB

VRAM

配置（最近一次实测）

Linux CUDA 12.6 Q4_K_M llama.cpp b4200 Flash Attention

来源：其他 · 1 次实测 · 1 个独立来源

对比查看详情

共 6 条结果