返回搜索结果
gemma-4-12B-it · IQ2_XS
NVIDIA RTX 508016GBllama.cpp v0.42L2 跨框架验证
本页汇总 gemma-4-12B-it（IQ2_XS）在 NVIDIA RTX 5080 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。
194.87 tok/s
Decode
解码速度
964.07 tok/s
Prefill
预填充速度
1.95 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_M Decode 201.04 · Prefill 1060.13 ·
- llama.cpp · IQ2_XS （当前）Decode 194.87 · Prefill 964.07 ·
- Strata · IQ2_M Decode 277.55 · Prefill 1220.39 ·
- Ollama · IQ2_XS Decode 103.79 · Prefill 371.24 ·
核心数据
- Decode（平均）
- 194.87 tok/s
- Prefill（平均）
- 964.07 tok/s
- TTFT（平均）
- 1.95 s
- VRAM（平均）
- 14.2 GB
- MTP 接受率
- —
- TTFB
- 1.56 GB
- 功耗
- 253.4 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
- IQ2_XS
- 框架
- llama.cpp
- 版本
- v0.42
- 上下文长度
- 4096 tokens
- 批次大小
- 512
- GPU 层数
- 33
- 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 5080
- 标称显存
- 16 GB
- 实测显存（均值）
- 14.2 GB
- 系统
- Ubuntu 22.04
- 驱动
- 560.94
- CUDA
- 12.6
- 电源功耗
- 253.4 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.42 · Ubuntu 22.04 · CUDA 12.6 · 4096 ctx
194.87 tok/s
Decode
964.07 tok/s
Prefill
1.95 s
TTFT
14.2 GB
VRAM
—
MTP
253.4 W
功耗
L2 batch seed 2026-10-18: llama.cpp on hw_id=14 running model_id=65 at IQ2_XS