VLM Inference Benchmark Explorer

Qwen3-VL-4B-Instruct op RTX PRO 6000 — Q8_0, llama.cpp vision-language-inferentiebenchmark

Deze configuratie openen in de VLM Inference Benchmark Explorer

ModelQwen3-VL-4B-Instruct
Parameters4.4B
ApparaatRTX PRO 6000
KwantisatieQ8_0
Beeldformaat720p
Beelden per camera1
Max. camera's (TTFT ≤ 3000 ms)16+
Enginellama.cpp
Camera'sTTFT (ms)TPS (tok/s)Doel
1247231.4≤3000 ms
2266161.1≤3000 ms
4441140.0≤3000 ms
869599.8≤3000 ms
16109473.3≤3000 ms
Beelden per verzoekTTFT (ms)TPS (tok/s)Doel
1247231.4≤3000 ms
3541233.4≤3000 ms
5761223.5≤3000 ms

Qwen3-VL-4B-Instruct (4.4B parameters), geserveerd in Q8_0-formaat met llama.cpp op RTX PRO 6000, begint één camera die één 720p-beeld stuurt na 247 ms (time to first token, TTFT) te antwoorden en schrijft daarna 231.4 tok/s.

Met 5 beelden per camera op 720p begint het antwoord na 761 ms. Met één beeld op 2K na 944 ms.

Bij het standaarddoel van een gemiddelde TTFT binnen 3,000 ms (720p, één beeld per camera) houdt het minstens 16 camera's tegelijk bij: ook bij het hoogste gemeten aantal haalde het het doel, dus de werkelijke grens ligt hoger.