Arao AI
返回搜索结果

elephant-1 · IQ2_XS

发起讨论
NVIDIA RTX 409024GBvLLM v0.37L2 跨框架验证

本页汇总 elephant-1（IQ2_XS）在 NVIDIA RTX 4090 上以 vLLM 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。

179.71 tok/s

Decode

解码速度

772.31 tok/s

Prefill

预填充速度

1.05 s

TTFT

首 token 延迟

11.17 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

14 天前

最后验证

性能表现

  1. llama.cpp · IQ1_S Decode 180.81 · Prefill 654.72 ·
  2. llama.cpp · IQ3_XS Decode 136.35 · Prefill 504.8 ·
  3. vLLM · IQ2_XS （当前）Decode 179.71 · Prefill 772.31 ·

核心数据

Decode（平均）
179.71 tok/s
Prefill（平均）
772.31 tok/s
TTFT（平均）
1.05 s
VRAM（平均）
11.17 GB
MTP 接受率
—
TTFB
1.44 GB
功耗
394.8 W

基础配置

成员级字段取自最近一次实测

模型
elephant-1
量化方式
IQ2_XS
框架
vLLM
版本
v0.37
上下文长度
32768 tokens
批次大小
8
GPU 层数
999
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 RTX 4090
标称显存
24 GB
实测显存（均值）
11.17 GB
系统
Ubuntu 24.04
驱动
560.94
CUDA
12.4
电源功耗
394.8 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 2026-10-22

    v0.37 · Ubuntu 24.04 · CUDA 12.4 · 32768 ctx

    179.71 tok/s

    Decode

    772.31 tok/s

    Prefill

    1.05 s

    TTFT

    11.17 GB

    VRAM

    —

    MTP

    394.8 W

    功耗

    L2 batch seed 2026-10-22: vLLM on hw_id=1 running model_id=95 at IQ2_XS