返回搜索结果
gemma-4-12B-it · Q3_K_S
NVIDIA RTX 4060 Ti 16GB16GBvLLM v0.34L2 跨框架验证
本页汇总 gemma-4-12B-it（Q3_K_S）在 NVIDIA RTX 4060 Ti 16GB 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。
104.24 tok/s
Decode
解码速度
463.62 tok/s
Prefill
预填充速度
1.73 s
TTFT
首 token 延迟
15.2 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
- vLLM · Q3_K_S （当前）Decode 104.24 · Prefill 463.62 ·
- llama.cpp · IQ2_M Decode 81.49 · Prefill 352.61 ·
- Ollama · IQ1_S Decode 78.54 · Prefill 337.36 ·
- Ollama · Q2_K Decode 74.86 · Prefill 405.27 ·
核心数据
- Decode（平均）
- 104.24 tok/s
- Prefill（平均）
- 463.62 tok/s
- TTFT（平均）
- 1.73 s
- VRAM（平均）
- 15.2 GB
- MTP 接受率
- —
- TTFB
- 0.83 GB
- 功耗
- 154.3 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
- Q3_K_S
- 框架
- vLLM
- 版本
- v0.34
- 上下文长度
- 4096 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 4060 Ti 16GB
- 标称显存
- 16 GB
- 实测显存（均值）
- 15.2 GB
- 系统
- Ubuntu 24.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 154.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.34 · Ubuntu 24.04 · CUDA 12.8 · 4096 ctx
104.24 tok/s
Decode
463.62 tok/s
Prefill
1.73 s
TTFT
15.2 GB
VRAM
—
MTP
154.3 W
功耗
L2 batch seed 2026-10-18: vLLM on hw_id=3 running model_id=65 at Q3_K_S