返回搜索结果
gemma-4-12B-it · IQ4_XS
NVIDIA H100 80GB HBM380GBvLLM v0.24L2 跨框架验证
本页汇总 gemma-4-12B-it（IQ4_XS）在 NVIDIA H100 80GB HBM3 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。
358.44 tok/s
Decode
解码速度
1,162.82 tok/s
Prefill
预填充速度
0.42 s
TTFT
首 token 延迟
20.75 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 Decode 283.07 · Prefill 1445.04 ·
- vLLM · IQ3_XS Decode 302.76 · Prefill 1418.76 ·
- vLLM · IQ4_XS （当前）Decode 358.44 · Prefill 1162.82 ·
核心数据
- Decode（平均）
- 358.44 tok/s
- Prefill（平均）
- 1,162.82 tok/s
- TTFT（平均）
- 0.42 s
- VRAM（平均）
- 20.75 GB
- MTP 接受率
- —
- TTFB
- 2.87 GB
- 功耗
- 613.3 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
- IQ4_XS
- 框架
- vLLM
- 版本
- v0.24
- 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 H100 80GB HBM3
- 标称显存
- 80 GB
- 实测显存（均值）
- 20.75 GB
- 系统
- Ubuntu 22.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 613.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.24 · Ubuntu 22.04 · CUDA 12.8 · 32768 ctx
358.44 tok/s
Decode
1,162.82 tok/s
Prefill
0.42 s
TTFT
20.75 GB
VRAM
—
MTP
613.3 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=55 running model_id=65 at IQ4_XS