返回搜索结果
gemma-4-E4B-it · Q2_K
NVIDIA DGX Spark128GBllama.cpp v0.37L2 跨框架验证
本页汇总 gemma-4-E4B-it（Q2_K）在 NVIDIA DGX Spark 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。
258.21 tok/s
Decode
解码速度
920.61 tok/s
Prefill
预填充速度
0.49 s
TTFT
首 token 延迟
6.72 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
2 天前
最后验证
性能表现
- llama.cpp · Q2_K （当前）Decode 258.21 · Prefill 920.61 ·
- vLLM · FP16 Decode 107.3 · Prefill 444.7 ·
核心数据
- Decode（平均）
- 258.21 tok/s
- Prefill（平均）
- 920.61 tok/s
- TTFT（平均）
- 0.49 s
- VRAM（平均）
- 6.72 GB
- MTP 接受率
- —
- TTFB
- 2.07 GB
- 功耗
- 243.1 W
基础配置
成员级字段取自最近一次实测
- 模型
- gemma-4-E4B-it
- 量化方式
- Q2_K
- 框架
- llama.cpp
- 版本
- v0.37
- 上下文长度
- 32768 tokens
- 批次大小
- 512
- GPU 层数
- 20
- 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 DGX Spark
- 标称显存
- 128 GB
- 实测显存（均值）
- 6.72 GB
- 系统
- Ubuntu 24.04
- 驱动
- 555.85
- CUDA
- 12.8
- 电源功耗
- 243.1 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.37 · Ubuntu 24.04 · CUDA 12.8 · 32768 ctx
258.21 tok/s
Decode
920.61 tok/s
Prefill
0.49 s
TTFT
6.72 GB
VRAM
—
MTP
243.1 W
功耗
L2 batch seed 2026-10-16: llama.cpp on hw_id=54 running model_id=67 at Q2_K