返回搜索结果
gemma-4-31B-it · Q3_K_M
Apple M4 Max128GBllama.cpp v0.40L2 跨框架验证
本页汇总 gemma-4-31B-it（Q3_K_M）在 Apple M4 Max 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。
93.03 tok/s
Decode
解码速度
389.72 tok/s
Prefill
预填充速度
2.33 s
TTFT
首 token 延迟
46.37 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 · Q3_K_M （当前）Decode 93.03 · Prefill 389.72 ·
- llama.cpp · Q8_0 Decode 53.15 · Prefill 271.21 ·
- vLLM · Q2_K Decode 111.52 · Prefill 400.99 ·
- vLLM · Q8_0 Decode 54.33 · Prefill 226.48 ·
核心数据
- Decode（平均）
- 93.03 tok/s
- Prefill（平均）
- 389.72 tok/s
- TTFT（平均）
- 2.33 s
- VRAM（平均）
- 46.37 GB
- MTP 接受率
- —
- TTFB
- 0.74 GB
- 功耗
- 90.1 W
基础配置
成员级字段取自最近一次实测
- 模型
- gemma-4-31B-it
- 量化方式
- Q3_K_M
- 框架
- llama.cpp
- 版本
- v0.40
- 上下文长度
- 32768 tokens
- 批次大小
- 256
- GPU 层数
- 28
- 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
- Apple M4 Max
- 标称显存
- 128 GB
- 实测显存（均值）
- 46.37 GB
- 系统
- macOS 15.0
- 驱动
- Apple M4 Max
- CUDA
- N/A
- 电源功耗
- 90.1 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.40 · macOS 15.0 · CUDA N/A · 32768 ctx
93.03 tok/s
Decode
389.72 tok/s
Prefill
2.33 s
TTFT
46.37 GB
VRAM
—
MTP
90.1 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=26 running model_id=63 at Q3_K_M