Arao AI
返回搜索结果

NVIDIA-Nemotron-3.5-Bolt-E4B-4GB · Q4_K_M

发起讨论
Apple M2 Ultrallama.cpp v0.30L2 跨框架验证

本页汇总 NVIDIA-Nemotron-3.5-Bolt-E4B-4GB（Q4_K_M）在 Apple M2 Ultra 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。

119.47 tok/s

Decode

解码速度

397.94 tok/s

Prefill

预填充速度

2.12 s

TTFT

首 token 延迟

15.88 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

12 天前

最后验证

性能表现

  1. llama.cpp · Q4_K_M （当前）Decode 119.47 · Prefill 397.94 ·
  2. Ollama · Q4_K_M Decode 118.08 · Prefill 636.62 ·

核心数据

Decode（平均）
119.47 tok/s
Prefill（平均）
397.94 tok/s
TTFT（平均）
2.12 s
VRAM（平均）
15.88 GB
MTP 接受率
0.66
TTFB
0.96 GB
功耗
135.9 W

基础配置

成员级字段取自最近一次实测

模型
NVIDIA-Nemotron-3.5-Bolt-E4B-4GB
量化方式
Q4_K_M
框架
llama.cpp
版本
v0.30
上下文长度
8192 tokens
批次大小
512
GPU 层数
20
Flash Attention
开启

硬件信息

标称与实测并排陈列，能否运行由读者自判

GPU
Apple M2 Ultra
实测显存（均值）
15.88 GB
系统
macOS 26.1
电源功耗
135.9 W

获取与上手

原始模型资料

以下为基础模型入口，不保证与本次量化版本一致；部署请使用上方已核实权重。

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-24

    v0.30 · macOS 26.1 · 8192 ctx

    119.47 tok/s

    Decode

    397.94 tok/s

    Prefill

    2.12 s

    TTFT

    15.88 GB

    VRAM

    0.66

    MTP

    135.9 W

    功耗

    L2 batch seed 2026-10-24: llama.cpp on hw_id=103 running model_id=97 at Q4_K_M