搜索实测数据

试试这些搜索

找到 18 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Qwen3-30B-A3B

Qwen3-30B-A3B · Q8_0

L0 自报

NVIDIA RTX 5070 Ti · 16GB · vLLM

其他

2026-10-06

23.5 tok/s

Decode

176.3 tok/s

Prefill

0.57 s

TTFT

16 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 Q8_0 vLLM 0.7.3 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

Qwen3-30B-A3B · Q5_K_M

L0 自报

NVIDIA RTX 5070 Ti · 16GB · vLLM

其他

2026-10-06

34.2 tok/s

Decode

256.5 tok/s

Prefill

0.39 s

TTFT

16 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

Qwen3-30B-A3B · Q4_K_M

L0 自报

NVIDIA RTX 5070 Ti · 16GB · vLLM

其他

2026-10-06

41.8 tok/s

Decode

313.5 tok/s

Prefill

0.32 s

TTFT

16 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

Qwen3-30B-A3B · Q8_0

L0 自报

NVIDIA RTX 5070 Ti · 16GB · llama.cpp

其他

2026-10-06

21.6 tok/s

Decode

162 tok/s

Prefill

0.62 s

TTFT

16 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 Q8_0 llama.cpp b4200 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

Qwen3-30B-A3B · Q5_K_M

L0 自报

NVIDIA RTX 5070 Ti · 16GB · llama.cpp

其他

2026-10-06

31.3 tok/s

Decode

234.8 tok/s

Prefill

0.43 s

TTFT

16 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 Q5_K_M llama.cpp b4200 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

Qwen3-30B-A3B · Q4_K_M

L0 自报

NVIDIA RTX 5070 Ti · 16GB · llama.cpp

其他

2026-10-06

38.4 tok/s

Decode

288 tok/s

Prefill

0.35 s

TTFT

16 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

Qwen3-30B-A3B · Q8_0

L0 自报

NVIDIA RTX 5090 · 32GB · vLLM

其他

2026-10-06

47 tok/s

Decode

352.5 tok/s

Prefill

0.28 s

TTFT

32 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 Q8_0 vLLM 0.7.3 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

Qwen3-30B-A3B · Q5_K_M

L0 自报

NVIDIA RTX 5090 · 32GB · vLLM

其他

2026-10-06

68.3 tok/s

Decode

512.3 tok/s

Prefill

0.2 s

TTFT

22.8 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

Qwen3-30B-A3B · Q4_K_M

L0 自报

NVIDIA RTX 5090 · 32GB · vLLM

其他

2026-10-06

83.7 tok/s

Decode

627.8 tok/s

Prefill

0.16 s

TTFT

18.7 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

Qwen3-30B-A3B · Q8_0

L0 自报

NVIDIA RTX 5090 · 32GB · llama.cpp

其他

2026-10-06

43.1 tok/s

Decode

323.3 tok/s

Prefill

0.31 s

TTFT

32 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 Q8_0 llama.cpp b4200 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

Qwen3-30B-A3B · Q5_K_M

L0 自报

NVIDIA RTX 5090 · 32GB · llama.cpp

其他

2026-10-06

62.7 tok/s

Decode

470.3 tok/s

Prefill

0.21 s

TTFT

22.8 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 Q5_K_M llama.cpp b4200 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

Qwen3-30B-A3B · Q4_K_M

L0 自报

NVIDIA RTX 5090 · 32GB · llama.cpp

其他

2026-10-06

76.8 tok/s

Decode

576 tok/s

Prefill

0.17 s

TTFT

18.7 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

Qwen3-30B-A3B · Q8_0

L0 自报

NVIDIA RTX 4090 · 24GB · vLLM

其他

2026-10-06

26.4 tok/s

Decode

198 tok/s

Prefill

0.51 s

TTFT

24 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 Q8_0 vLLM 0.7.3 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

Qwen3-30B-A3B · Q5_K_M

L0 自报

NVIDIA RTX 4090 · 24GB · vLLM

其他

2026-10-06

38.4 tok/s

Decode

288 tok/s

Prefill

0.35 s

TTFT

22.8 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

Qwen3-30B-A3B · Q4_K_M

L0 自报

NVIDIA RTX 4090 · 24GB · vLLM

其他

2026-10-06

47.1 tok/s

Decode

353.3 tok/s

Prefill

0.28 s

TTFT

18.7 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

Qwen3-30B-A3B · Q8_0

L0 自报

NVIDIA RTX 4090 · 24GB · llama.cpp

其他

2026-10-06

24.3 tok/s

Decode

182.3 tok/s

Prefill

0.55 s

TTFT

24 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 Q8_0 llama.cpp b4200 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

Qwen3-30B-A3B · Q5_K_M

L0 自报

NVIDIA RTX 4090 · 24GB · llama.cpp

其他

2026-10-06

35.3 tok/s

Decode

264.8 tok/s

Prefill

0.38 s

TTFT

22.8 GB

VRAM

配置(最近一次实测)
Linux CUDA 12.6 Q5_K_M llama.cpp b4200 Flash Attention

来源:其他 · 1 次实测 · 1 个独立来源

Qwen3-30B-A3B · Q4_K_M

L0 自报

NVIDIA RTX 4090 · 24GB · llama.cpp

其他

2026-10-06

43.2 tok/s

Decode

324 tok/s

Prefill

0.31 s

TTFT

18.7 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

共 18 条结果

相关模型
相关硬件
相关框架
相关量化