单条实测记录

microsoft/phi-4-GGUF · AWQ 4-bit

在 Apple M3 Max · 128G 统一内存上，用 ollama 0.5.1 跑出来的读数。下面每一项都来自这条记录本身——我们没有替它补过任何字段。

L0 自报稳定最后入库 20 小时前 记录号 pipeline-run-51

这条记录的全部字段

— 的意思是来源没说这一项——不是「关」，也不是「0」。记录里没有的字段我们也列出来，那样你才看得出这是我们的缺口，而不是这一页不问它。

完整配置

上下文长度—

KV cache—

flash attention—

batch—

GPU 层数-1

显存峰值 GB10.6

显存总量—

样本量9

复现次数0

硬件Apple M3 Max · 128G 统一内存

模型microsoft/phi-4-GGUF

量化AWQ 4-bit

投机解码—

并发数—

上下文扩展—

证据级别L0 自报

测量方站方自产

配置签名0433b15e9e706cdc286ccf75de47656c8dad78e85ef942824c51eec016be5d7e

复现链—

窄屏隐藏的列

框架ollama 0.5.1

prefill tok/s979

TTFT 冷启 ms4061

decode tok/s29.3

归一化未命中model: microsoft/phi-4-GGUF

TTFT 热启 ms—

整机功耗 W—

MTP 接受率—

KLD—

原始来源

平台HuggingFace

抓取时间20 小时前

链接https://huggingface.co/araoai-demo/phi-4-gguf-bench/discussions/51

记录号pipeline-run-51

状态稳定

原文快照—

我们没有存原文快照：只存了来源链接与抓取时间。来源被删或改版后，这里只能保留当时的读数，无法再对上原文。

用同样的配置跑一遍

这段是本站按上面这些字段拼出来的，不是来源帖子的原文——来源里通常只有半条命令行或一张截图。 参数相同不代表环境相同：你的驱动、系统、后台占用都会影响结果，我们不承诺你能跑到同样的速度。

这条记录 · ollama 0.5.1

ollama run microsoft/phi-4-GGUF:AWQ 4-bit

「跑完把结果交回来」这个入口（投稿）还没有上线。现在能做的只有把配置抄走，到自己的机器上跑一遍。

这一页怎么读

— 的意思是来源没说这一项，不是「关」，也不是「0」。反过来，「否」是一个值：那是来源明确写了关闭。两件事我们分开渲染。
没有样本量的记录，指标一律显示 —。一个不知道是几次跑出来的速度，不能拿来照着抄。这条纪律在表格、导出、展开体和这一页四处完全一致。
「跑不动」的记录指标照常显示。那正是"跑不动"的依据——比如显存峰值超过了这台机器的总量。把指标藏起来，结论就变成了没有依据的断言。
原文快照我们没有。只存了来源链接与抓取时间。来源被删或改版后，这一页保留的是当时的读数，无法再对上原文——这是我们的缺口，不是你的。
一条记录只是一个读数，不是一条结论。同一个组合下的不同记录可能差出一倍（框架、驱动、后台占用都会影响）。要判断"该用哪个配置"，看「怎么配」那一页的对照，而不是只看这一条。