快速评判

快速评判

qwen3.6:35b 在 24GB RTX 3090 上以 28.3 tok/s 的速度运行 — 处于“审慎”范围。该模型优先考虑质量或参数数量而非原始速度。请先在离线或后台任务上测试它，如果交互式响应时间很重要，请考虑使用更小的量化。

qwen3.6:35b 在更高量化下接近 24GB 边界。如果您在 RTX 3090 上需要上下文余量，请考虑 Q4 或 Q5。在目前测量的 RTX 3090 模型中，它的吞吐量排名 18 个模型中的第 13 位。下一个更快的模型是 qwq:32b (36.2 tok/s，快 28%)。下一个更慢的模型是 glm-4.7-flash:bf16 (11.2 tok/s，慢 152%)。

每日目标很简单：帮助 3090 拥有者决定今晚下载什么、跳过什么，以及何时云端回退是更好的时间利用方式。

今日精选

• 模型： qwen3.6:35b
• 类别： 通用
• 尺寸级别： 大型
• 性能级别： 审慎
• RTX 3090 速度： 28.3 tok/s
• 延迟： 4033 ms
• 测试时间： 2026-09-02T07:04:40Z
• 基准命令：

ollama run qwen3.6:35b

谁应该尝试

• RTX 3090 拥有者，决定今晚是否下载 qwen3.6:35b 进行本地实验。
• 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。
• 任何构建本地 LLM 工具箱并希望获得该模型验证基准的人。

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。
• 工作负载要求并发下可预测的 p95 延迟的团队。
• 8GB/12GB GPU 拥有者，除非存在更小的量化变体。

注意事项

• 工作负载特定测试：通用基准测试不能保证在您的特定用例中表现良好。
• 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：较低的量化可节省 VRAM，但可能会降低细微任务的输出质量。

已验证的基准锚点

• gpt-oss:20b: 156.1 tok/s | 延迟 1524 ms | 测试 2026-04-29T05:39:58Z
• qwen3-coder:30b: 145.6 tok/s | 延迟 996 ms | 测试 2026-09-02T07:04:40Z
• qwen3:8b: 123.4 tok/s | 延迟 1441 ms | 测试 2026-09-02T07:04:40Z
• qwen2.5:14b: 84.0 tok/s | 延迟 946 ms | 测试 2026-04-29T05:39:58Z
• ministral-3:14b: 80.8 tok/s | 延迟 2042 ms | 测试 2026-09-02T07:04:40Z

RTX 3090 决策指南

1. 离线优先：优先考虑 qwen3.6:35b 用于计划的批量推理、研究或验证工作流程。
2. 上下文是瓶颈：将上下文减少到任务所需的最小可行长度。
3. 购买硬件前先量化：Q4 或 Q5 可能会使其在 24GB 上可行，而 Q8 则不可行。
4. 云端用于交互：如果需要实时响应，请将 qwen3.6:35b 视为云端回退的候选模型。

待验证的比较

• qwen3.6:35b 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。
• qwen3.6:35b 与 gpt-oss:20b — 相同尺寸级别，28 tok/s 对比 156 tok/s。
• qwen3.6:35b 的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/qwen36-35b-q4/
• 基准测试更新日志：/en/benchmarks/changelog/
• 本地硬件路径：/en/affiliate/hardware-upgrade/
• 云端回退：/go/runpod 和 /go/vast

联盟披露：此帖子可能包含联盟链接。LocalVRAM 可能会赚取佣金，您无需支付额外费用。