Gemma 4 12B Instruct (Unsloth, Q6_K_XL) — Instruct-Profil
Instruct-Profil der Q6_K_XL-GGUF-Distribution von Gemma 4 12B Instruct (Unsloth) für lokales Deployment auf der DGX Spark: identische Gewichte wie das Basis-Profil, aber mit serverseitig deaktiviertem Reasoning (–reasoning off). 12 Milliarden dichte Parameter, 256.000 Tokens Kontext, Apache-2.0-Lizenz. Das Profil existiert nach der Coverage-Regel des Political-Compass-Moduls als Ersatzlauf, weil der Thinking-Lauf des Basis-Profils unter Truncations litt; es läuft als eigenständiger Benchmark-Eintrag.
- Open Weights
- Desktop
- llama.cpp
- Text
- Vision
- Audio
- Video
- Instruction-Tuned
- Interactive
Sovereign Risk: LOW Die Basisgewichte stammen von Google DeepMind und sind unter Apache 2.0 veröffentlicht. Diese Karte beschreibt eine lokale Unsloth-GGUF-Distribution; die Inferenz läuft ohne Cloud-Verbindung und ohne externen Datentransfer. Das CLOUD-Act-Risiko betrifft primär Cloud-/API-Nutzung, nicht den rein lokalen Betrieb.[web:790][web:792][web:796]
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 72.9
- Routine
- 44.26
- Reasoning
- 28.64
- LLM Judge Avg
- 3.74 / 5
- 100 Coverage
- Avg Task Duration
- 43.16s
- Interactive
- Token Rate
- 13.35tok/s
- Output Rate
- P95 Latency
- 96s
- Top 5 %
- Total Tokens
- 57400
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 57400 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.