搜索实测数据

试试这些搜索

找到 3 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Qwen3-4B

Qwen3-4B · Q4_K_M

L0 自报

NVIDIA RTX 5060 SUPER · 12GB · llama.cpp

其他

今天

145.6 tok/s

Decode

1,092 tok/s

Prefill

0.09 s

TTFT

2.9 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

Qwen3-4B · Q5_K_M

L0 自报

NVIDIA RTX 5070 · 12GB · llama.cpp

其他

今天

174.7 tok/s

Decode

1,310.3 tok/s

Prefill

0.08 s

TTFT

3.5 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

对比查看详情

Qwen3-4B · Q4_K_M

L0 自报

NVIDIA RTX 3060 12GB · 12GB · llama.cpp

其他

今天

117 tok/s

Decode

877.5 tok/s

Prefill

0.11 s

TTFT

2.9 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 3 条结果