返回搜索结果
gemma-4-12B-it · IQ3_XS
Apple M4 Max128GBvLLM v0.23L2 跨框架验证
本页汇总 gemma-4-12B-it（IQ3_XS）在 Apple M4 Max 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。
181.71 tok/s
Decode
解码速度
766.49 tok/s
Prefill
预填充速度
0.36 s
TTFT
首 token 延迟
17.72 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 · IQ2_M Decode 187.13 · Prefill 653.55 ·
- llama.cpp · Q4_K_M Decode 140.93 · Prefill 615.86 ·
- vLLM · IQ3_XS （当前）Decode 181.71 · Prefill 766.49 ·
- Strata · Q2_K Decode 270.81 · Prefill 1355.35 ·
核心数据
- Decode（平均）
- 181.71 tok/s
- Prefill（平均）
- 766.49 tok/s
- TTFT（平均）
- 0.36 s
- VRAM（平均）
- 17.72 GB
- MTP 接受率
- —
- TTFB
- 1.45 GB
- 功耗
- 70.3 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
- IQ3_XS
- 框架
- vLLM
- 版本
- v0.23
- 上下文长度
- 8192 tokens
- 批次大小
- 16
- 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
- Apple M4 Max
- 标称显存
- 128 GB
- 实测显存（均值）
- 17.72 GB
- 系统
- macOS 15.0
- 驱动
- Apple M4 Max
- CUDA
- N/A
- 电源功耗
- 70.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.23 · macOS 15.0 · CUDA N/A · 8192 ctx
181.71 tok/s
Decode
766.49 tok/s
Prefill
0.36 s
TTFT
17.72 GB
VRAM
—
MTP
70.3 W
功耗
L2 batch seed 2026-10-10: vLLM on hw_id=26 running model_id=65 at IQ3_XS