Arao AI
返回搜索结果

gemma-4-12B-it · Q5_K_S

发起讨论
NVIDIA RTX 509032GBvLLM v0.33L2 跨框架验证

本页汇总 gemma-4-12B-it（Q5_K_S）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。

173.67 tok/s

Decode

解码速度

792.94 tok/s

Prefill

预填充速度

2.27 s

TTFT

首 token 延迟

24.78 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. vLLM · IQ3_S Decode 261.31 · Prefill 1085.12 ·
  2. vLLM · Q5_K_S （当前）Decode 173.67 · Prefill 792.94 ·
  3. Strata · Q3_K_M Decode 340.87 · Prefill 1525.66 ·
  4. llama.cpp · IQ2_XS Decode 253.43 · Prefill 894.02 ·
  5. llama.cpp · IQ3_S Decode 214.27 · Prefill 831.85 ·
  6. vLLM · IQ1_S Decode 298.32 · Prefill 1152.98 ·
  7. vLLM · IQ2_M Decode 288.51 · Prefill 940.03 ·
  8. Ollama · IQ2_XS Decode 246.6 · Prefill 1083.78 ·
  9. vLLM · Q8_0 Decode 117.2 · Prefill 879 ·
  10. vLLM · Q5_K_M Decode 171.1 · Prefill 1283.3 ·
  11. vLLM · Q4_K_M Decode 208.7 · Prefill 1565.3 ·
  12. llama.cpp · Q8_0 Decode 107.5 · Prefill 806.3 ·
  13. llama.cpp · Q5_K_M Decode 157.1 · Prefill 1178.3 ·
  14. llama.cpp · Q4_K_M Decode 191.5 · Prefill 1436.3 ·

核心数据

Decode（平均）
173.67 tok/s
Prefill（平均）
792.94 tok/s
TTFT（平均）
2.27 s
VRAM（平均）
24.78 GB
MTP 接受率
—
TTFB
1.39 GB
功耗
467.4 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
Q5_K_S
框架
vLLM
版本
v0.33
上下文长度
32768 tokens
批次大小
8
GPU 层数
999
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）
24.78 GB
系统
Ubuntu 22.04
驱动
560.94
CUDA
13.0
电源功耗
467.4 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 2026-10-18

    v0.33 · Ubuntu 22.04 · CUDA 13.0 · 32768 ctx

    173.67 tok/s

    Decode

    792.94 tok/s

    Prefill

    2.27 s

    TTFT

    24.78 GB

    VRAM

    —

    MTP

    467.4 W

    功耗

    L2 batch seed 2026-10-18: vLLM on hw_id=13 running model_id=65 at Q5_K_S