返回搜索结果

gemma-4-12B-it · Q4_K_M

发起讨论
NVIDIA RTX 309024GBvLLM v0.41L2 跨框架验证

本页汇总 gemma-4-12B-it(Q4_K_M)在 NVIDIA RTX 3090 上以 vLLM 运行的 2 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。

100.66 tok/s

Decode

解码速度

612.88 tok/s

Prefill

预填充速度

1.05 s

TTFT

首 token 延迟

15.28 GB

VRAM

显存占用

L2 跨框架验证

2

实测次数

1

独立来源

其他

来源平台

2026-10-10

最后验证

性能表现

  1. llama.cpp · Q4_K_M Decode 79.26 · Prefill 473.41 ·
  2. Ollama · Q3_K_L Decode 64.09 · Prefill 302.97 ·
  3. vLLM · Q6_K Decode 50.6 · Prefill 208.67 ·
  4. Ollama · IQ3_XS Decode 67.34 · Prefill 278.97 ·
  5. vLLM · Q4_K_M (当前)Decode 100.66 · Prefill 612.88 ·
  6. Ollama · Q2_K Decode 115.28 · Prefill 513.9 ·
  7. Ollama · Q4_K_S Decode 84.3 · Prefill 357.49 ·
  8. Strata · IQ2_M Decode 174.12 · Prefill 755.26 ·
  9. vLLM · Q8_0 Decode 61.2 · Prefill 459 ·
  10. vLLM · Q5_K_M Decode 89.4 · Prefill 670.5 ·
  11. llama.cpp · Q8_0 Decode 56.2 · Prefill 421.5 ·
  12. llama.cpp · Q5_K_M Decode 82 · Prefill 615 ·

核心数据

Decode(平均)
100.66 tok/s
Prefill(平均)
612.88 tok/s
TTFT(平均)
1.05 s
VRAM(平均)
15.28 GB
MTP 接受率
—
TTFB
0.74 GB
功耗
430.5 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
vLLM
版本
v0.41
上下文长度
4096 tokens
批次大小
32
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 3090
标称显存
24 GB
实测显存(均值)
15.28 GB
系统
Windows 11 23H2
驱动
565.57
CUDA
12.4
电源功耗
430.5 W

来源与证据

共 2 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 2026-10-10

    v0.41 · Windows 11 23H2 · CUDA 12.4 · 4096 ctx

    92.31 tok/s

    Decode

    408.25 tok/s

    Prefill

    1.98 s

    TTFT

    22.76 GB

    VRAM

    —

    MTP

    430.5 W

    功耗

    L2 batch seed 2026-10-10: vLLM on hw_id=2 running model_id=65 at Q4_K_M
  2. L0 自报其他原始链接 验证于 2026-10-06

    0.7.3 · Linux · CUDA 12.6 · 4096 ctx

    109 tok/s

    Decode

    817.5 tok/s

    Prefill

    0.12 s

    TTFT

    7.8 GB

    VRAM

    —

    MTP

    — W

    功耗

    L0 理论估算(add-1000-records-batch3)