搜索实测数据

试试这些搜索

找到 4 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 8B

Qwen 4 8B · IQ4_XS

L0 自报

NVIDIA RTX 5070 SUPER · 18GB · Strata

其他

今天

208.4 tok/s

Decode

1,563 tok/s

Prefill

0.06 s

TTFT

4.8 GB

VRAM

配置（最近一次实测）

Linux CUDA 12.6 IQ4_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 8B · Q4_K_M

L0 自报

NVIDIA RTX 5080 SUPER · 24GB · llama.cpp

其他

今天

178.3 tok/s

Decode

1,337.3 tok/s

Prefill

0.07 s

TTFT

5.4 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 8B · Q5_K_M

L0 自报

NVIDIA RTX 5090 · 32GB · vLLM

其他

今天

258.2 tok/s

Decode

1,936.5 tok/s

Prefill

0.05 s

TTFT

6.4 GB

VRAM

配置（最近一次实测）

Linux CUDA 12.6 Q5_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 8B · Q4_K_M

L0 自报

NVIDIA RTX 4090 · 24GB · llama.cpp

其他

今天

160.5 tok/s

Decode

1,203.8 tok/s

Prefill

0.08 s

TTFT

5.4 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 4 条结果