Arao AI
返回搜索结果

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

发起讨论
NVIDIA H100 80GB HBM380GBStrata v0.41L2 跨框架验证

本页汇总 NVIDIA-Nemotron-3.5-Bolt-E4B-4GB（Q4_K_M）在 NVIDIA H100 80GB HBM3 上以 Strata 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。

317.23 tok/s

Decode

解码速度

1,729.64 tok/s

Prefill

预填充速度

1.22 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. Ollama · Q4_K_M Decode 345.26 · Prefill 1726.58 ·
  2. Strata · Q4_K_M （当前）Decode 317.23 · Prefill 1729.64 ·

核心数据

Decode（平均）
317.23 tok/s
Prefill（平均）
1,729.64 tok/s
TTFT（平均）
1.22 s
VRAM（平均）
15.88 GB
MTP 接受率
0.51
TTFB
2.54 GB
功耗
649.6 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
Strata
版本
v0.41
上下文长度
32768 tokens
批次大小
512
GPU 层数
8
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
NVIDIA H100 80GB HBM3
标称显存
80 GB
实测显存（均值）
15.88 GB
系统
Ubuntu 22.04
驱动
565.57
CUDA
12.8
电源功耗
649.6 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

    v0.41 · Ubuntu 22.04 · CUDA 12.8 · 32768 ctx

    317.23 tok/s

    Decode

    1,729.64 tok/s

    Prefill

    1.22 s

    TTFT

    15.88 GB

    VRAM

    0.51

    MTP

    649.6 W

    功耗

    L2 batch seed 2026-10-24: Strata on hw_id=55 running model_id=97 at Q4_K_M