返回搜索结果
gemma-4-12B-it · Q5_K_S
NVIDIA H100 80GB HBM380GBllama.cpp v0.27L2 跨框架验证
本页汇总 gemma-4-12B-it（Q5_K_S）在 NVIDIA H100 80GB HBM3 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。
283.07 tok/s
Decode
解码速度
1,445.04 tok/s
Prefill
预填充速度
0.32 s
TTFT
首 token 延迟
24.78 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
17 天前
最后验证
性能表现
- llama.cpp · Q5_K_M Decode 303.32 · Prefill 1265.92 ·
- llama.cpp · Q5_K_S （当前）Decode 283.07 · Prefill 1445.04 ·
- vLLM · IQ3_XS Decode 302.76 · Prefill 1418.76 ·
- vLLM · IQ4_XS Decode 358.44 · Prefill 1162.82 ·
核心数据
- Decode（平均）
- 283.07 tok/s
- Prefill（平均）
- 1,445.04 tok/s
- TTFT（平均）
- 0.32 s
- VRAM（平均）
- 24.78 GB
- MTP 接受率
- —
- TTFB
- 2.26 GB
- 功耗
- 618 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
- Q5_K_S
- 框架
- llama.cpp
- 版本
- v0.27
- 上下文长度
- 32768 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
- NVIDIA H100 80GB HBM3
- 标称显存
- 80 GB
- 实测显存（均值）
- 24.78 GB
- 系统
- Ubuntu 24.04
- 驱动
- 570.86
- CUDA
- 12.8
- 电源功耗
- 618 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.27 · Ubuntu 24.04 · CUDA 12.8 · 32768 ctx
283.07 tok/s
Decode
1,445.04 tok/s
Prefill
0.32 s
TTFT
24.78 GB
VRAM
—
MTP
618 W
功耗
L2 batch seed 2026-10-19: llama.cpp on hw_id=55 running model_id=65 at Q5_K_S