返回搜索结果
gemma-4-E4B-it · Q3_K_S
NVIDIA RTX 509032GBvLLM v0.45L2 跨框架验证
本页汇总 gemma-4-E4B-it（Q3_K_S）在 NVIDIA RTX 5090 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。
310.95 tok/s
Decode
解码速度
1,691.37 tok/s
Prefill
预填充速度
1.24 s
TTFT
首 token 延迟
7.56 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
- vLLM · Q3_K_L Decode 336.48 · Prefill 1309.15 ·
- vLLM · Q3_K_S （当前）Decode 310.95 · Prefill 1691.37 ·
- Strata · Q3_K_S Decode 326.07 · Prefill 1598 ·
- Strata · Q5_K_M Decode 361.26 · Prefill 1894.18 ·
核心数据
- Decode（平均）
- 310.95 tok/s
- Prefill（平均）
- 1,691.37 tok/s
- TTFT（平均）
- 1.24 s
- VRAM（平均）
- 7.56 GB
- MTP 接受率
- —
- TTFB
- 2.49 GB
- 功耗
- 419.5 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_S
- 框架
- vLLM
- 版本
- v0.45
- 上下文长度
- 2048 tokens
- 批次大小
- 32
- 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 5090
- 标称显存
- 32 GB
- 实测显存（均值）
- 7.56 GB
- 系统
- Ubuntu 22.04
- 驱动
- 570.86
- CUDA
- 12.6
- 电源功耗
- 419.5 W
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.45 · Ubuntu 22.04 · CUDA 12.6 · 2048 ctx
310.95 tok/s
Decode
1,691.37 tok/s
Prefill
1.24 s
TTFT
7.56 GB
VRAM
—
MTP
419.5 W
功耗
L2 batch seed 2026-10-16: vLLM on hw_id=13 running model_id=67 at Q3_K_S