返回搜索结果
gemma-4-31B-it · IQ3_XS
NVIDIA H2097GBvLLM v0.25L2 跨框架验证
本页汇总 gemma-4-31B-it（IQ3_XS）在 NVIDIA H20 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。
39.95 tok/s
Decode
解码速度
179.27 tok/s
Prefill
预填充速度
0.14 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
17 天前
最后验证
性能表现
- vLLM · IQ3_XS （当前）Decode 39.95 · Prefill 179.27 ·
- vLLM · Q4_K_S Decode 32.57 · Prefill 141.17 ·
- Ollama · Q8_0 Decode 18.96 · Prefill 65.76 ·
核心数据
- Decode（平均）
- 39.95 tok/s
- Prefill（平均）
- 179.27 tok/s
- TTFT（平均）
- 0.14 s
- VRAM（平均）
- 42.46 GB
- MTP 接受率
- —
- TTFB
- 0.32 GB
- 功耗
- 314.6 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
- vLLM
- 版本
- v0.25
- 上下文长度
- 4096 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 H20
- 标称显存
- 97 GB
- 实测显存（均值）
- 42.46 GB
- 系统
- Windows 11 24H2
- 驱动
- 572.83
- CUDA
- 12.6
- 电源功耗
- 314.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.25 · Windows 11 24H2 · CUDA 12.6 · 4096 ctx
39.95 tok/s
Decode
179.27 tok/s
Prefill
0.14 s
TTFT
42.46 GB
VRAM
—
MTP
314.6 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=56 running model_id=63 at IQ3_XS