返回搜索结果
gemma-4-12B-it · Q4_K_M
Apple M3 Max36GBllama.cpp v0.53L2 跨框架验证
本页汇总 gemma-4-12B-it（Q4_K_M）在 Apple M3 Max 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。
85.7 tok/s
Decode
解码速度
345.14 tok/s
Prefill
预填充速度
1.16 s
TTFT
首 token 延迟
22.76 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
今天
最后验证
性能表现
- llama.cpp · Q4_K_M （当前）Decode 85.7 · Prefill 345.14 ·
- llama.cpp · Q5_K_S Decode 77.34 · Prefill 357.59 ·
- Ollama · IQ3_S Decode 94.58 · Prefill 396.89 ·
核心数据
- Decode（平均）
- 85.7 tok/s
- Prefill（平均）
- 345.14 tok/s
- TTFT（平均）
- 1.16 s
- VRAM（平均）
- 22.76 GB
- MTP 接受率
- —
- TTFB
- 0.69 GB
- 功耗
- 65.2 W
基础配置
成员级字段取自最近一次实测
- 模型
- gemma-4-12B-it
- 量化方式
- Q4_K_M
- 框架
- llama.cpp
- 版本
- v0.53
- 上下文长度
- 16384 tokens
- 批次大小
- 512
- GPU 层数
- 99
- 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
- Apple M3 Max
- 标称显存
- 36 GB
- 实测显存（均值）
- 22.76 GB
- 系统
- macOS 15.0
- 驱动
- Apple M3 Max
- CUDA
- N/A
- 电源功耗
- 65.2 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.53 · macOS 15.0 · CUDA N/A · 16384 ctx
85.7 tok/s
Decode
345.14 tok/s
Prefill
1.16 s
TTFT
22.76 GB
VRAM
—
MTP
65.2 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=4 running model_id=65 at Q4_K_M