返回搜索结果
gemma-4-31B-it · IQ3_XS
NVIDIA DGX Spark128GBllama.cpp v0.31L2 跨框架验证
本页汇总 gemma-4-31B-it（IQ3_XS）在 NVIDIA DGX Spark 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。
91.61 tok/s
Decode
解码速度
449.28 tok/s
Prefill
预填充速度
2.03 s
TTFT
首 token 延迟
42.46 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
5 天前
最后验证
性能表现
- llama.cpp · IQ3_XS （当前）Decode 91.61 · Prefill 449.28 ·
- Ollama · Q6_K Decode 50.14 · Prefill 188.84 ·
核心数据
- Decode（平均）
- 91.61 tok/s
- Prefill（平均）
- 449.28 tok/s
- TTFT（平均）
- 2.03 s
- VRAM（平均）
- 42.46 GB
- MTP 接受率
- —
- TTFB
- 0.73 GB
- 功耗
- 261.9 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
- IQ3_XS
- 框架
- llama.cpp
- 版本
- v0.31
- 上下文长度
- 32768 tokens
- 批次大小
- 512
- 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
- NVIDIA DGX Spark
- 标称显存
- 128 GB
- 实测显存（均值）
- 42.46 GB
- 系统
- Ubuntu 24.04
- 驱动
- 555.85
- CUDA
- 12.8
- 电源功耗
- 261.9 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.31 · Ubuntu 24.04 · CUDA 12.8 · 32768 ctx
91.61 tok/s
Decode
449.28 tok/s
Prefill
2.03 s
TTFT
42.46 GB
VRAM
—
MTP
261.9 W
功耗
L2 batch seed 2026-10-13: llama.cpp on hw_id=54 running model_id=63 at IQ3_XS