Arao AI
返回搜索结果

gemma-4-12B-it · IQ2_M

发起讨论
NVIDIA RTX 509032GBvLLM v0.45L2 跨框架验证

本页汇总 gemma-4-12B-it（IQ2_M）在 NVIDIA RTX 5090 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。

288.51 tok/s

Decode

解码速度

940.03 tok/s

Prefill

预填充速度

1.35 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

  1. llama.cpp · IQ2_XS Decode 253.43 · Prefill 894.02 ·
  2. llama.cpp · IQ3_S Decode 214.27 · Prefill 831.85 ·
  3. vLLM · IQ1_S Decode 298.32 · Prefill 1152.98 ·
  4. vLLM · IQ2_M （当前）Decode 288.51 · Prefill 940.03 ·
  5. Ollama · IQ2_XS Decode 246.6 · Prefill 1083.78 ·
  6. vLLM · Q8_0 Decode 117.2 · Prefill 879 ·
  7. vLLM · Q5_K_M Decode 171.1 · Prefill 1283.3 ·
  8. vLLM · Q4_K_M Decode 208.7 · Prefill 1565.3 ·
  9. llama.cpp · Q8_0 Decode 107.5 · Prefill 806.3 ·
  10. llama.cpp · Q5_K_M Decode 157.1 · Prefill 1178.3 ·
  11. llama.cpp · Q4_K_M Decode 191.5 · Prefill 1436.3 ·

核心数据

Decode（平均）
288.51 tok/s
Prefill（平均）
940.03 tok/s
TTFT（平均）
1.35 s
VRAM（平均）
15.2 GB
MTP 接受率
—
TTFB
2.31 GB
功耗
581.4 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_M
框架
vLLM
版本
v0.45
上下文长度
16384 tokens
批次大小
16
GPU 层数
999
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 5090
标称显存
32 GB
实测显存（均值）
15.2 GB
系统
Windows 11 23H2
驱动
555.85
CUDA
12.8
电源功耗
581.4 W

来源与证据

共 1 条实测记录，逐条可回溯到原始出处

  1. L2 跨框架验证其他原始链接 验证于 2026-10-10

    v0.45 · Windows 11 23H2 · CUDA 12.8 · 16384 ctx

    288.51 tok/s

    Decode

    940.03 tok/s

    Prefill

    1.35 s

    TTFT

    15.2 GB

    VRAM

    —

    MTP

    581.4 W

    功耗

    L2 batch seed 2026-10-10: vLLM on hw_id=13 running model_id=65 at IQ2_M