返回搜索结果
gemma-4-12B-it · Q4_K_M
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
- llama.cpp · Q4_K_M Decode 79.26 · Prefill 473.41 ·
- Ollama · Q3_K_L Decode 64.09 · Prefill 302.97 ·
- vLLM · Q6_K Decode 50.6 · Prefill 208.67 ·
- Ollama · IQ3_XS Decode 67.34 · Prefill 278.97 ·
- vLLM · Q4_K_M (当前)Decode 100.66 · Prefill 612.88 ·
- Ollama · Q2_K Decode 115.28 · Prefill 513.9 ·
- Ollama · Q4_K_S Decode 84.3 · Prefill 357.49 ·
- Strata · IQ2_M Decode 174.12 · Prefill 755.26 ·
- vLLM · Q8_0 Decode 61.2 · Prefill 459 ·
- vLLM · Q5_K_M Decode 89.4 · Prefill 670.5 ·
- llama.cpp · Q8_0 Decode 56.2 · Prefill 421.5 ·
- 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
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
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)