返回搜索结果
gemma-4-12B-it · IQ3_S
NVIDIA RTX 509032GBllama.cpp v0.29L2 跨框架验证
本页汇总 gemma-4-12B-it（IQ3_S）在 NVIDIA RTX 5090 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。
214.27 tok/s
Decode
解码速度
831.85 tok/s
Prefill
预填充速度
1.2 s
TTFT
首 token 延迟
18.73 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 Decode 253.43 · Prefill 894.02 ·
- llama.cpp · IQ3_S （当前）Decode 214.27 · Prefill 831.85 ·
- vLLM · IQ1_S Decode 298.32 · Prefill 1152.98 ·
- vLLM · IQ2_M Decode 288.51 · Prefill 940.03 ·
- Ollama · IQ2_XS Decode 246.6 · Prefill 1083.78 ·
- vLLM · Q8_0 Decode 117.2 · Prefill 879 ·
- vLLM · Q5_K_M Decode 171.1 · Prefill 1283.3 ·
- vLLM · Q4_K_M Decode 208.7 · Prefill 1565.3 ·
- llama.cpp · Q8_0 Decode 107.5 · Prefill 806.3 ·
- llama.cpp · Q5_K_M Decode 157.1 · Prefill 1178.3 ·
- llama.cpp · Q4_K_M Decode 191.5 · Prefill 1436.3 ·
核心数据
- Decode（平均）
- 214.27 tok/s
- Prefill（平均）
- 831.85 tok/s
- TTFT（平均）
- 1.2 s
- VRAM（平均）
- 18.73 GB
- MTP 接受率
- —
- TTFB
- 1.71 GB
- 功耗
- 438.1 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_S
- 框架
- llama.cpp
- 版本
- v0.29
- 上下文长度
- 8192 tokens
- 批次大小
- 512
- GPU 层数
- 99
- 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 18.73 GB
- 系统
- Ubuntu 22.04
- 驱动
- 570.86
- CUDA
- 12.8
- 电源功耗
- 438.1 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.29 · Ubuntu 22.04 · CUDA 12.8 · 8192 ctx
214.27 tok/s
Decode
831.85 tok/s
Prefill
1.2 s
TTFT
18.73 GB
VRAM
—
MTP
438.1 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=13 running model_id=65 at IQ3_S