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
| Model | Qwen3-VL-4B-Instruct |
|---|---|
| Parameters | 4.4B |
| Apparaat | RTX PRO 6000 |
| Kwantisatie | Q8_0 |
| Beeldformaat | 720p |
| Beelden per camera | 1 |
| Max. camera's (respons ≤ 3 s) | 16+ |
| Engine | llama.cpp |
| Camera's | Respons (s) | TPS (tok/s) | Status |
|---|---|---|---|
| 1 | 0.25 | 231.4 | PASS |
| 2 | 0.27 | 161.1 | PASS |
| 4 | 0.44 | 140.0 | PASS |
| 8 | 0.70 | 99.8 | PASS |
| 16 | 1.09 | 73.3 | PASS |
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 0.25 s te antwoorden en schrijft daarna 231.4 tok/s.
Met 5 beelden per camera op 720p begint het antwoord na 0.76 s. Met één beeld op 2K na 0.94 s.
Bij het standaarddoel van een antwoord dat binnen 3 s begint (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.
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 0.25 s te antwoorden en schrijft daarna 231.4 tok/s.
Met 5 beelden per camera op 720p begint het antwoord na 0.76 s. Met één beeld op 2K na 0.94 s.
Bij het standaarddoel van een antwoord dat binnen 3 s begint (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.