快速结论

快速结论

qwen3.5:35b 是一个在 24GB VRAM 上运行的重型模型 (2.8 tok/s)。它最适合离线批处理、概念验证或云回退场景。在尝试交互式使用之前，请减少上下文或降低量化级别。

qwen3.5:35b 在较高量化级别下接近 24GB 边界。如果您在 RTX 3090 上需要上下文余量，请考虑 Q4 或 Q5。在当前于此 RTX 3090 上测量的模型中，其吞吐量排名18个模型中的第17位。下一个更快的模型是 qwen3.5:122b (4.9 tok/s，快 78%)。下一个更慢的模型是 llama3.3:70b (1.5 tok/s，慢 89%)。

日常目标很简单：帮助 RTX 3090 用户决定今晚下载什么、跳过什么，以及何时云回退是更明智的时间利用方式。

今日推荐

• 模型： qwen3.5:35b
• 类别： 通用型
• 规模等级： 大型
• 性能等级： 重型
• RTX 3090 速度： 2.8 tok/s
• 延迟： 37551 ms
• 测试时间： 2026-06-24T06:22:37Z
• 基准命令：

ollama run qwen3.5:35b

谁应该尝试

• 正在决定今晚是否下载 qwen3.5:35b 进行本地实验的 RTX 3090 用户。
• 在确定工作流程之前，比较本地推理速度与云租赁（RunPod, Vast）的用户。
• 任何正在构建本地 LLM 工具箱并希望获得此模型验证基准的用户。

谁应该跳过

• 在持续运行得到验证之前，需要长上下文生产稳定性的用户。
• 工作负载要求在并发下具有可预测的 p95 延迟的团队。
• 8GB/12GB GPU 用户，除非存在更小的量化变体。

注意事项

• 工作负载特定测试：通用基准测试不保证在您的特定用例上的性能。
• 上下文长度：在假定生产就绪之前，务必在您的目标上下文长度下进行测试。
• 量化权衡：较低的量化级别可节省 VRAM，但可能会降低细微任务的输出质量。

验证基准锚点

• gpt-oss:20b: 156.1 tok/s | latency 1524 ms | test 2026-04-29T05:39:58Z
• qwen3-coder:30b: 149.8 tok/s | latency 897 ms | test 2026-07-08T15:58:01Z
• qwen3:8b: 112.7 tok/s | latency 1536 ms | test 2026-07-08T15:58:01Z
• qwen2.5:14b: 84.0 tok/s | latency 946 ms | test 2026-04-29T05:39:58Z
• ministral-3:14b: 80.7 tok/s | latency 2003 ms | test 2026-07-08T15:58:01Z

RTX 3090 决策指南

1. 云端可能更优：在 24GB 上以 2.8 tok/s 的速度运行，qwen3.5:35b 在 RunPod 或 Vast 上可能更具成本效益。
2. 积极缩减：降至 Q4 或 IQ4 并最小化上下文以适应 VRAM。
3. 仅限离线：不要依赖此模型进行交互式或实时本地工作负载。
4. 硬件路径：如果您每天运行此规模的模型，请考虑多 GPU 或云作为永久解决方案。

待验证比较

• qwen3.5:35b 与基准测试源中下一个最快和下一个最慢的模型进行比较。
• qwen3.5:35b 与 gpt-oss:20b — 相同规模等级，3 tok/s 对比 156 tok/s。
• qwen3.5:35b 本地功耗成本与相同工作负载下 A100 租赁成本的比较。

后续行动

• 估算 VRAM 适配：/en/tools/vram-calculator/
• 模型页面：/en/models/qwen35-35b-q4/
• 基准测试更新日志：/en/benchmarks/changelog/
• 本地硬件路径：/en/affiliate/hardware-upgrade/
• 云回退：/go/runpod 和 /go/vast

附属披露：此帖子可能包含附属链接。LocalVRAM 可能会赚取佣金，而您无需支付额外费用。