返回搜索结果
gemma-4-31B-it · IQ2_XS
NVIDIA RTX PRO 6000 Blackwell 96GB96GBvLLM v0.42L2 跨框架验证
本页汇总 gemma-4-31B-it（IQ2_XS）在 NVIDIA RTX PRO 6000 Blackwell 96GB 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。
189.85 tok/s
Decode
解码速度
737.75 tok/s
Prefill
预填充速度
2.4 s
TTFT
首 token 延迟
33.35 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
16 天前
最后验证
性能表现
- vLLM · IQ2_XS （当前）Decode 189.85 · Prefill 737.75 ·
- Ollama · IQ1_S Decode 184.42 · Prefill 842.53 ·
- Ollama · Q4_K_S Decode 134.3 · Prefill 614.37 ·
核心数据
- Decode（平均）
- 189.85 tok/s
- Prefill（平均）
- 737.75 tok/s
- TTFT（平均）
- 2.4 s
- VRAM（平均）
- 33.35 GB
- MTP 接受率
- —
- TTFB
- 1.52 GB
- 功耗
- 373 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
- v0.42
- 上下文长度
- 4096 tokens
- 批次大小
- 16
- 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 RTX PRO 6000 Blackwell 96GB
- 标称显存
- 96 GB
- 实测显存（均值）
- 33.35 GB
- 系统
- Ubuntu 22.04
- 驱动
- 572.83
- CUDA
- 12.8
- 电源功耗
- 373 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.42 · Ubuntu 22.04 · CUDA 12.8 · 4096 ctx
189.85 tok/s
Decode
737.75 tok/s
Prefill
2.4 s
TTFT
33.35 GB
VRAM
—
MTP
373 W
功耗
L2 batch seed 2026-10-19: vLLM on hw_id=68 running model_id=63 at IQ2_XS