返回搜索结果
gemma-4-31B-it · IQ2_M
NVIDIA RTX 509032GBllama.cpp v0.48L2 跨框架验证
本页汇总 gemma-4-31B-it（IQ2_M）在 NVIDIA RTX 5090 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。
159.29 tok/s
Decode
解码速度
615.31 tok/s
Prefill
预填充速度
0.11 s
TTFT
首 token 延迟
30.4 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 · IQ2_M （当前）Decode 159.29 · Prefill 615.31 ·
- Ollama · IQ1_S Decode 146.23 · Prefill 719.62 ·
- vLLM · IQ2_XS Decode 145.1 · Prefill 1088.3 ·
- vLLM · Q5_K_M Decode 66.2 · Prefill 496.5 ·
- vLLM · Q4_K_M Decode 81 · Prefill 607.5 ·
- llama.cpp · IQ2_XS Decode 133.1 · Prefill 998.3 ·
- llama.cpp · Q5_K_M Decode 60.8 · Prefill 456 ·
- llama.cpp · Q4_K_M Decode 74.3 · Prefill 557.3 ·
核心数据
- Decode（平均）
- 159.29 tok/s
- Prefill（平均）
- 615.31 tok/s
- TTFT（平均）
- 0.11 s
- VRAM（平均）
- 30.4 GB
- MTP 接受率
- —
- TTFB
- 1.27 GB
- 功耗
- 496.6 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
- IQ2_M
- 框架
- llama.cpp
- 版本
- v0.48
- 上下文长度
- 32768 tokens
- 批次大小
- 256
- GPU 层数
- 33
- 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）
- 30.4 GB
- 系统
- Ubuntu 22.04
- 驱动
- 555.85
- CUDA
- 12.4
- 电源功耗
- 496.6 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.48 · Ubuntu 22.04 · CUDA 12.4 · 32768 ctx
159.29 tok/s
Decode
615.31 tok/s
Prefill
0.11 s
TTFT
30.4 GB
VRAM
—
MTP
496.6 W
功耗
L2 batch seed 2026-10-10: llama.cpp on hw_id=13 running model_id=63 at IQ2_M