Qwen3-VL-4B-Instruct, RTX PRO 6000 üzerinde — Q8_0, llama.cpp görüntü-dil çıkarım benchmark'ı
Bu yapılandırmayı VLM Çıkarım Benchmark Gezgini'nde açın
| Model | Qwen3-VL-4B-Instruct |
|---|---|
| Parametre | 4.4B |
| Cihaz | RTX PRO 6000 |
| Kuantizasyon | Q8_0 |
| Görüntü boyutu | 720p |
| Kamera başına görüntü | 1 |
| Maks. kamera (TTFT ≤ 3000 ms) | 16+ |
| Inference Engine | llama.cpp |
| Kamera | TTFT (ms) | TPS (tok/s) | Hedef |
|---|---|---|---|
| 1 | 247 | 231.4 | ≤3000 ms |
| 2 | 266 | 161.1 | ≤3000 ms |
| 4 | 441 | 140.0 | ≤3000 ms |
| 8 | 695 | 99.8 | ≤3000 ms |
| 16 | 1094 | 73.3 | ≤3000 ms |
| İstek başına görüntü | TTFT (ms) | TPS (tok/s) | Hedef |
|---|---|---|---|
| 1 | 247 | 231.4 | ≤3000 ms |
| 3 | 541 | 233.4 | ≤3000 ms |
| 5 | 761 | 223.5 | ≤3000 ms |
Qwen3-VL-4B-Instruct (4,4B parametre), Q8_0 biçiminde llama.cpp ile RTX PRO 6000 üzerinde sunuldu; bir 720p görüntü gönderen tek bir kameraya 247 ms sonra (ilk token süresi, TTFT) yanıt vermeye başlar, ardından 231,4 tok/s hızla yazar.
Kamera başına 720p boyutunda 5 görüntüyle yanıt 761 ms sonra başlar. Tek bir 2K görüntüyle 944 ms sonra.
Ortalama TTFT'nin 3.000 ms içinde kalması varsayılan hedefinde (720p, kamera başına bir görüntü) aynı anda en az 16 kameraya yetişir: ölçülen en yüksek kamera sayısında bile hedefi karşıladı, gerçek sınır daha yüksektir.
Qwen3-VL-4B-Instruct (4,4B parametre), Q8_0 biçiminde llama.cpp ile RTX PRO 6000 üzerinde sunuldu; bir 720p görüntü gönderen tek bir kameraya 247 ms sonra (ilk token süresi, TTFT) yanıt vermeye başlar, ardından 231,4 tok/s hızla yazar.
Kamera başına 720p boyutunda 5 görüntüyle yanıt 761 ms sonra başlar. Tek bir 2K görüntüyle 944 ms sonra.
Ortalama TTFT'nin 3.000 ms içinde kalması varsayılan hedefinde (720p, kamera başına bir görüntü) aynı anda en az 16 kameraya yetişir: ölçülen en yüksek kamera sayısında bile hedefi karşıladı, gerçek sınır daha yüksektir.