返回搜索结果
gemma-4-E4B-it · Q3_K_M
NVIDIA H2097GBvLLM v0.34L2 跨框架验证
本页汇总 gemma-4-E4B-it（Q3_K_M）在 NVIDIA H20 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。
78.41 tok/s
Decode
解码速度
259.38 tok/s
Prefill
预填充速度
0.43 s
TTFT
首 token 延迟
13.52 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
11 天前
最后验证
性能表现
- llama.cpp · IQ2_XS Decode 95.17 · Prefill 436.06 ·
- vLLM · Q3_K_M （当前）Decode 78.41 · Prefill 259.38 ·
核心数据
- Decode（平均）
- 78.41 tok/s
- Prefill（平均）
- 259.38 tok/s
- TTFT（平均）
- 0.43 s
- VRAM（平均）
- 13.52 GB
- MTP 接受率
- —
- TTFB
- 0.63 GB
- 功耗
- 332.7 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
- Q3_K_M
- 框架
- vLLM
- 版本
- v0.34
- 上下文长度
- 4096 tokens
- 批次大小
- 8
- 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 H20
- 标称显存
- 97 GB
- 实测显存（均值）
- 13.52 GB
- 系统
- Ubuntu 22.04
- 驱动
- 570.86
- CUDA
- 12.8
- 电源功耗
- 332.7 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.34 · Ubuntu 22.04 · CUDA 12.8 · 4096 ctx
78.41 tok/s
Decode
259.38 tok/s
Prefill
0.43 s
TTFT
13.52 GB
VRAM
—
MTP
332.7 W
功耗
L2 batch seed 2026-10-24: vLLM on hw_id=56 running model_id=67 at Q3_K_M