返回搜索结果
DeepSeek-R1-Distill-Qwen-14B · Q4_K_M
NVIDIA H2097GBllama.cpp v0.45L2 跨框架验证
本页汇总 DeepSeek-R1-Distill-Qwen-14B（Q4_K_M）在 NVIDIA H20 上以 llama.cpp 运行的 1 次实测数据，来自 1 个独立来源平台；指标为已上架实测的均值。
42.42 tok/s
Decode
解码速度
221.34 tok/s
Prefill
预填充速度
0.14 s
TTFT
首 token 延迟
26.21 GB
VRAM
显存占用
L2 跨框架验证
1
实测次数
1
独立来源
其他
来源平台
17 天前
最后验证
性能表现
- llama.cpp · IQ2_XS Decode 67.98 · Prefill 225.25 ·
- llama.cpp · Q4_K_M （当前）Decode 42.42 · Prefill 221.34 ·
- vLLM · Q2_K Decode 62.74 · Prefill 220.68 ·
- vLLM · Q6_K Decode 33.53 · Prefill 137.11 ·
核心数据
- Decode（平均）
- 42.42 tok/s
- Prefill（平均）
- 221.34 tok/s
- TTFT（平均）
- 0.14 s
- VRAM（平均）
- 26.21 GB
- MTP 接受率
- —
- TTFB
- 0.34 GB
- 功耗
- 303.6 W
基础配置
成员级字段取自最近一次实测
- 模型
- DeepSeek-R1-Distill-Qwen-14B
- 量化方式
- Q4_K_M
- 框架
- llama.cpp
- 版本
- v0.45
- 上下文长度
- 16384 tokens
- 批次大小
- 512
- GPU 层数
- 20
- Flash Attention
- 关闭
硬件信息
标称与实测并排陈列，能否运行由读者自判
- GPU
- NVIDIA H20
- 标称显存
- 97 GB
- 实测显存（均值）
- 26.21 GB
- 系统
- Ubuntu 24.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 303.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.45 · Ubuntu 24.04 · CUDA 12.8 · 16384 ctx
42.42 tok/s
Decode
221.34 tok/s
Prefill
0.14 s
TTFT
26.21 GB
VRAM
—
MTP
303.6 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=56 running model_id=71 at Q4_K_M