返回搜索结果
gemma-4-12B-it · IQ3_XS
NVIDIA RTX 5070 Ti16GBOllama v0.21L2 跨框架验证
本页汇总 gemma-4-12B-it（IQ3_XS）在 NVIDIA RTX 5070 Ti 上以 Ollama 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。
80.61 tok/s
Decode
解码速度
400.97 tok/s
Prefill
预填充速度
0.75 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
- Ollama · IQ3_XS （当前）Decode 80.61 · Prefill 400.97 ·
- vLLM · Q8_0 Decode 58.6 · Prefill 439.5 ·
- vLLM · Q5_K_M Decode 85.6 · Prefill 642 ·
- vLLM · Q4_K_M Decode 104.3 · Prefill 782.3 ·
- llama.cpp · Q8_0 Decode 53.8 · Prefill 403.5 ·
- llama.cpp · Q5_K_M Decode 78.5 · Prefill 588.8 ·
- llama.cpp · Q4_K_M Decode 95.7 · Prefill 717.8 ·
核心数据
- Decode（平均）
- 80.61 tok/s
- Prefill（平均）
- 400.97 tok/s
- TTFT（平均）
- 0.75 s
- VRAM（平均）
- 15.2 GB
- MTP 接受率
- —
- TTFB
- 0.64 GB
- 功耗
- 266.4 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
- IQ3_XS
- 框架
- Ollama
- 版本
- v0.21
- 上下文长度
- 32768 tokens
- 批次大小
- 512
- GPU 层数
- 28
- 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 5070 Ti
- 标称显存
- 16 GB
- 实测显存（均值）
- 15.2 GB
- 系统
- Windows 11 23H2
- 驱动
- 560.94
- CUDA
- 12.6
- 电源功耗
- 266.4 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.21 · Windows 11 23H2 · CUDA 12.6 · 32768 ctx
80.61 tok/s
Decode
400.97 tok/s
Prefill
0.75 s
TTFT
15.2 GB
VRAM
—
MTP
266.4 W
功耗
L2 batch seed 2026-10-18: Ollama on hw_id=17 running model_id=65 at IQ3_XS