返回搜索结果
gemma-4-12B-it · IQ2_XS
NVIDIA RTX 409024GBllama.cpp v0.20L2 跨框架验证
本页汇总 gemma-4-12B-it（IQ2_XS）在 NVIDIA RTX 4090 上以 llama.cpp 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。
152.32 tok/s
Decode
解码速度
683.44 tok/s
Prefill
预填充速度
0.32 s
TTFT
首 token 延迟
14.2 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
- llama.cpp · IQ2_XS （当前）Decode 152.32 · Prefill 683.44 ·
- Strata · Q5_K_S Decode 117.55 · Prefill 384.33 ·
- llama.cpp · IQ3_XS Decode 114.16 · Prefill 511.31 ·
- llama.cpp · Q4_K_S Decode 100.24 · Prefill 360.86 ·
- vLLM · Q2_K Decode 139.41 · Prefill 531.29 ·
- Ollama · IQ4_XS Decode 95.26 · Prefill 447.14 ·
- Ollama · Q6_K Decode 71.51 · Prefill 296.42 ·
- vLLM · Q8_0 Decode 65.9 · Prefill 494.3 ·
- vLLM · Q5_K_M Decode 96.3 · Prefill 722.3 ·
- vLLM · Q4_K_M Decode 117.4 · Prefill 880.5 ·
- llama.cpp · Q8_0 Decode 60.5 · Prefill 453.8 ·
- llama.cpp · Q5_K_M Decode 88.3 · Prefill 662.3 ·
- llama.cpp · Q4_K_M Decode 107.7 · Prefill 807.8 ·
核心数据
- Decode（平均）
- 152.32 tok/s
- Prefill（平均）
- 683.44 tok/s
- TTFT（平均）
- 0.32 s
- VRAM（平均）
- 14.2 GB
- MTP 接受率
- —
- TTFB
- 1.22 GB
- 功耗
- 310.9 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
- IQ2_XS
- 框架
- llama.cpp
- 版本
- v0.20
- 上下文长度
- 16384 tokens
- 批次大小
- 256
- GPU 层数
- 33
- Flash Attention
- 关闭
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 4090
- 标称显存
- 24 GB
- 实测显存（均值）
- 14.2 GB
- 系统
- Ubuntu 22.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 310.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.20 · Ubuntu 22.04 · CUDA 12.8 · 16384 ctx
152.32 tok/s
Decode
683.44 tok/s
Prefill
0.32 s
TTFT
14.2 GB
VRAM
—
MTP
310.9 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=1 running model_id=65 at IQ2_XS