返回搜索结果
gemma-4-E4B-it · IQ2_XS
NVIDIA H2097GBllama.cpp v0.35L2 跨框架验证
本页汇总 gemma-4-E4B-it（IQ2_XS）在 NVIDIA H20 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。
95.17 tok/s
Decode
解码速度
436.06 tok/s
Prefill
预填充速度
1.22 s
TTFT
首 token 延迟
10.16 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 · IQ2_XS （当前）Decode 95.17 · Prefill 436.06 ·
- vLLM · Q3_K_M Decode 78.41 · Prefill 259.38 ·
核心数据
- Decode（平均）
- 95.17 tok/s
- Prefill（平均）
- 436.06 tok/s
- TTFT（平均）
- 1.22 s
- VRAM（平均）
- 10.16 GB
- MTP 接受率
- —
- TTFB
- 0.76 GB
- 功耗
- 302 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
- IQ2_XS
- 框架
- llama.cpp
- 版本
- v0.35
- 上下文长度
- 8192 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 H20
- 标称显存
- 97 GB
- 实测显存（均值）
- 10.16 GB
- 系统
- Windows 11 23H2
- 驱动
- 572.83
- CUDA
- 12.6
- 电源功耗
- 302 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.35 · Windows 11 23H2 · CUDA 12.6 · 8192 ctx
95.17 tok/s
Decode
436.06 tok/s
Prefill
1.22 s
TTFT
10.16 GB
VRAM
—
MTP
302 W
功耗
L2 batch seed 2026-10-24: llama.cpp on hw_id=56 running model_id=67 at IQ2_XS