Arao AI
返回搜索结果

gemma-4-12B-it · Q6_K

发起讨论
NVIDIA RTX 309024GBvLLM v0.22L2 跨框架验证

本页汇总 gemma-4-12B-it（Q6_K）在 NVIDIA RTX 3090 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。

50.6 tok/s

Decode

解码速度

208.67 tok/s

Prefill

预填充速度

0.1 s

TTFT

首 token 延迟

22.8 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

  1. vLLM · Q6_K （当前）Decode 50.6 · Prefill 208.67 ·
  2. Ollama · IQ3_XS Decode 67.34 · Prefill 278.97 ·
  3. vLLM · Q4_K_M Decode 100.66 · Prefill 612.88 ·
  4. Ollama · Q2_K Decode 115.28 · Prefill 513.9 ·
  5. Ollama · Q4_K_S Decode 84.3 · Prefill 357.49 ·
  6. Strata · IQ2_M Decode 174.12 · Prefill 755.26 ·
  7. vLLM · Q8_0 Decode 61.2 · Prefill 459 ·
  8. vLLM · Q5_K_M Decode 89.4 · Prefill 670.5 ·
  9. llama.cpp · Q8_0 Decode 56.2 · Prefill 421.5 ·
  10. llama.cpp · Q5_K_M Decode 82 · Prefill 615 ·
  11. llama.cpp · Q4_K_M Decode 100 · Prefill 750 ·

核心数据

Decode（平均）
50.6 tok/s
Prefill（平均）
208.67 tok/s
TTFT（平均）
0.1 s
VRAM（平均）
22.8 GB
MTP 接受率
—
TTFB
0.4 GB
功耗
281.8 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
Q6_K
框架
vLLM
版本
v0.22
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 RTX 3090
标称显存
24 GB
实测显存（均值）
22.8 GB
系统
Windows 11 24H2
驱动
560.94
CUDA
13.0
电源功耗
281.8 W

来源与证据

共 1 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 2026-10-18

    v0.22 · Windows 11 24H2 · CUDA 13.0 · 32768 ctx

    50.6 tok/s

    Decode

    208.67 tok/s

    Prefill

    0.1 s

    TTFT

    22.8 GB

    VRAM

    —

    MTP

    281.8 W

    功耗

    L2 batch seed 2026-10-18: vLLM on hw_id=2 running model_id=65 at Q6_K