待验证50% 置信基准精确时间
在相同机器和模型下，低功耗模式与高功耗模式的解码速度差1.4到3.8倍；例如Ollama跑Qwen 3.5 35B，低功耗51.9 tokens/s，高功耗107.1 tokens/s
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/13
首次发现
有效期至：2027/1/11
来源
涉及实体
相关事实
待验证运行Qwen3-Next-Flash（Autoround W4A16量化）时，预填充速度约1.3k tokens/s，生成速度达70 tokens/s（代码）/60 tokens/s（散文），支持128k+长上下文75% 相似待验证3B 模型在现代 CPU 上通过 llama.cpp 推理速度通常达到 10-30 tokens/秒74% 相似待验证decode阶段的生成速度近似等于内存带宽÷模型大小，例如在内存带宽273GB/s的M4 Pro上运行4GB的Q4量化7B模型理论最大生成速度约68 tokens/s72% 相似待验证llama.cpp通过纯CPU推理和4-bit GGUF量化格式，使7B参数模型在无GPU的普通服务器上达到每秒20-40 tokens的生成速度72% 相似待验证模型哪怕一小部分溢出到系统内存，速度会大幅下降；实验显示同一小模型在RTX 5090显存跑151 tokens/s，放进系统内存只剩8 tokens/s71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1015146API
curl https://kongchang.com/api/v1/knowledge/claims/1015146MCP
get_claim(id=1015146)