返回搜索结果

gemma-4-12B-it · Q5_K_M

发起讨论
NVIDIA RTX 509032GBvLLM 0.7.3L0 自报

本页汇总 gemma-4-12B-it(Q5_K_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。

171.1 tok/s

Decode

解码速度

1,283.3 tok/s

Prefill

预填充速度

0.08 s

TTFT

首 token 延迟

9.4 GB

VRAM

显存占用

L0 自报

1

实测次数

1

独立来源

其他

来源平台

2026-10-06

最后验证

性能表现

  1. llama.cpp · IQ2_XS Decode 262.05 · Prefill 997.54 ·
  2. llama.cpp · Q8_0 Decode 125.52 · Prefill 751.15 ·
  3. Ollama · Q3_K_S Decode 236.13 · Prefill 819.72 ·
  4. Ollama · Q5_K_S Decode 165.12 · Prefill 690.64 ·
  5. vLLM · IQ3_S Decode 261.31 · Prefill 1085.12 ·
  6. vLLM · Q5_K_S Decode 173.67 · Prefill 792.94 ·
  7. Strata · Q3_K_M Decode 340.87 · Prefill 1525.66 ·
  8. llama.cpp · IQ3_S Decode 214.27 · Prefill 831.85 ·
  9. vLLM · IQ1_S Decode 298.32 · Prefill 1152.98 ·
  10. vLLM · IQ2_M Decode 288.51 · Prefill 940.03 ·
  11. Ollama · IQ2_XS Decode 246.6 · Prefill 1083.78 ·
  12. vLLM · Q8_0 Decode 117.2 · Prefill 879 ·
  13. vLLM · Q5_K_M (当前)Decode 171.1 · Prefill 1283.3 ·
  14. vLLM · Q4_K_M Decode 208.7 · Prefill 1565.3 ·
  15. llama.cpp · Q5_K_M Decode 157.1 · Prefill 1178.3 ·
  16. llama.cpp · Q4_K_M Decode 191.5 · Prefill 1436.3 ·

核心数据

Decode(平均)
171.1 tok/s
Prefill(平均)
1,283.3 tok/s
TTFT(平均)
0.08 s
VRAM(平均)
9.4 GB
MTP 接受率
—
TTFB
— GB
功耗
— 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
Q5_K_M
框架
vLLM
版本
0.7.3
上下文长度
4096 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)
9.4 GB
系统
Linux
驱动
570.65
CUDA
12.6

来源与证据

共 1 条实测记录,逐条可回溯到原始出处

  1. L0 自报其他原始链接 验证于 2026-10-06

    0.7.3 · Linux · CUDA 12.6 · 4096 ctx

    171.1 tok/s

    Decode

    1,283.3 tok/s

    Prefill

    0.08 s

    TTFT

    9.4 GB

    VRAM

    —

    MTP

    — W

    功耗

    L0 理论估算(add-1000-records-batch3)