返回搜索结果
gemma-4-31B-it · Q4_K_S
NVIDIA H2097GBvLLM v0.49L2 跨框架验证
本页汇总 gemma-4-31B-it（Q4_K_S）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。
32.57 tok/s
Decode
解码速度
141.17 tok/s
Prefill
预填充速度
2.26 s
TTFT
首 token 延迟
52.88 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 Decode 39.95 · Prefill 179.27 ·
- vLLM · Q4_K_S （当前）Decode 32.57 · Prefill 141.17 ·
- Ollama · Q8_0 Decode 18.96 · Prefill 65.76 ·
核心数据
- Decode（平均）
- 32.57 tok/s
- Prefill（平均）
- 141.17 tok/s
- TTFT（平均）
- 2.26 s
- VRAM（平均）
- 52.88 GB
- MTP 接受率
- —
- TTFB
- 0.26 GB
- 功耗
- 339.3 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
- Q4_K_S
- 框架
- vLLM
- 版本
- v0.49
- 上下文长度
- 2048 tokens
- 批次大小
- 16
- GPU 层数
- 999
- 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 H20
- 标称显存
- 97 GB
- 实测显存（均值）
- 52.88 GB
- 系统
- Ubuntu 22.04
- 驱动
- 560.94
- CUDA
- 12.8
- 电源功耗
- 339.3 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.49 · Ubuntu 22.04 · CUDA 12.8 · 2048 ctx
32.57 tok/s
Decode
141.17 tok/s
Prefill
2.26 s
TTFT
52.88 GB
VRAM
—
MTP
339.3 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=56 running model_id=63 at Q4_K_S