返回搜索结果
gemma-4-12B-it · Q2_K
NVIDIA RTX 409024GBvLLM v0.31L2 跨框架验证
本页汇总 gemma-4-12B-it（Q2_K）在 NVIDIA RTX 4090 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。
139.41 tok/s
Decode
解码速度
531.29 tok/s
Prefill
预填充速度
1.14 s
TTFT
首 token 延迟
15.96 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 · IQ3_XS Decode 114.16 · Prefill 511.31 ·
- llama.cpp · Q4_K_S Decode 100.24 · Prefill 360.86 ·
- vLLM · Q2_K （当前）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）
- 139.41 tok/s
- Prefill（平均）
- 531.29 tok/s
- TTFT（平均）
- 1.14 s
- VRAM（平均）
- 15.96 GB
- MTP 接受率
- —
- TTFB
- 1.12 GB
- 功耗
- 320 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
- Q2_K
- 框架
- vLLM
- 版本
- v0.31
- 上下文长度
- 4096 tokens
- 批次大小
- 16
- 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 4090
- 标称显存
- 24 GB
- 实测显存（均值）
- 15.96 GB
- 系统
- Ubuntu 24.04
- 驱动
- 570.86
- CUDA
- 12.6
- 电源功耗
- 320 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.31 · Ubuntu 24.04 · CUDA 12.6 · 4096 ctx
139.41 tok/s
Decode
531.29 tok/s
Prefill
1.14 s
TTFT
15.96 GB
VRAM
—
MTP
320 W
功耗
L2 batch seed 2026-10-10: vLLM on hw_id=1 running model_id=65 at Q2_K