返回搜索结果
mammoth-1 · IQ4_XS
NVIDIA H2097GBvLLM v0.36L2 跨框架验证
本页汇总 mammoth-1（IQ4_XS）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。
45.95 tok/s
Decode
解码速度
201.36 tok/s
Prefill
预填充速度
0.65 s
TTFT
首 token 延迟
44.06 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
13 天前
最后验证
性能表现
- llama.cpp · FP16 Decode 18.55 · Prefill 67.93 ·
- vLLM · IQ4_XS （当前）Decode 45.95 · Prefill 201.36 ·
核心数据
- Decode（平均）
- 45.95 tok/s
- Prefill（平均）
- 201.36 tok/s
- TTFT（平均）
- 0.65 s
- VRAM（平均）
- 44.06 GB
- MTP 接受率
- —
- TTFB
- 0.37 GB
- 功耗
- 317.7 W
基础配置
成员级字段取自最近一次实测
- 模型
- mammoth-1
- 量化方式
- IQ4_XS
- 框架
- vLLM
- 版本
- v0.36
- 上下文长度
- 8192 tokens
- 批次大小
- 16
- GPU 层数
- 999
- 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 H20
- 标称显存
- 97 GB
- 实测显存（均值）
- 44.06 GB
- 系统
- Windows 11 24H2
- 驱动
- 570.86
- CUDA
- 12.8
- 电源功耗
- 317.7 W
获取与上手
来源与证据
共 1 条实测记录，逐条可回溯到原始出处
v0.36 · Windows 11 24H2 · CUDA 12.8 · 8192 ctx
45.95 tok/s
Decode
201.36 tok/s
Prefill
0.65 s
TTFT
44.06 GB
VRAM
—
MTP
317.7 W
功耗
L2 batch seed 2026-10-22: vLLM on hw_id=56 running model_id=94 at IQ4_XS