返回搜索结果
gemma-4-E4B-it · IQ3_XS
NVIDIA H100 80GB HBM380GBllama.cpp v0.46L2 跨框架验证
本页汇总 gemma-4-E4B-it（IQ3_XS）在 NVIDIA H100 80GB HBM3 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。
297.43 tok/s
Decode
解码速度
1,240.57 tok/s
Prefill
预填充速度
1.94 s
TTFT
首 token 延迟
12.52 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
12 天前
最后验证
性能表现
- llama.cpp · IQ3_XS （当前）Decode 297.43 · Prefill 1240.57 ·
- vLLM · Q3_K_S Decode 343.31 · Prefill 1851.05 ·
核心数据
- Decode（平均）
- 297.43 tok/s
- Prefill（平均）
- 1,240.57 tok/s
- TTFT（平均）
- 1.94 s
- VRAM（平均）
- 12.52 GB
- MTP 接受率
- —
- TTFB
- 2.38 GB
- 功耗
- 677.8 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
- IQ3_XS
- 框架
- llama.cpp
- 版本
- v0.46
- 上下文长度
- 4096 tokens
- 批次大小
- 512
- GPU 层数
- 20
- 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 H100 80GB HBM3
- 标称显存
- 80 GB
- 实测显存（均值）
- 12.52 GB
- 系统
- Ubuntu 24.04
- 驱动
- 565.57
- CUDA
- 13.0
- 电源功耗
- 677.8 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.46 · Ubuntu 24.04 · CUDA 13.0 · 4096 ctx
297.43 tok/s
Decode
1,240.57 tok/s
Prefill
1.94 s
TTFT
12.52 GB
VRAM
—
MTP
677.8 W
功耗
L2 batch seed 2026-10-24: llama.cpp on hw_id=55 running model_id=67 at IQ3_XS