返回搜索结果
gemma-4-31B-it · IQ2_XS
NVIDIA RTX 509032GBvLLM 0.7.3L0 自报
本页汇总 gemma-4-31B-it（IQ2_XS）在 NVIDIA RTX 5090 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。
145.1 tok/s
Decode
解码速度
1,088.3 tok/s
Prefill
预填充速度
0.09 s
TTFT
首 token 延迟
11 GB
VRAM
显存占用
L0 自报
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
- vLLM · IQ2_XS （当前）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）
- 145.1 tok/s
- Prefill（平均）
- 1,088.3 tok/s
- TTFT（平均）
- 0.09 s
- VRAM（平均）
- 11 GB
- MTP 接受率
- —
- TTFB
- — GB
- 功耗
- — 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_XS
- 框架
- vLLM
- 版本
- 0.7.3
- 上下文长度
- 4096 tokens
- 批次大小
- 512
- GPU 层数
- 99
- 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）
- 11 GB
- 系统
- Linux
- 驱动
- 570.65
- CUDA
- 12.6
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
0.7.3 · Linux · CUDA 12.6 · 4096 ctx
145.1 tok/s
Decode
1,088.3 tok/s
Prefill
0.09 s
TTFT
11 GB
VRAM
—
MTP
— W
功耗
L0 理论估算（add-1000-records-batch3）