---
title: "Gemma-4 E4B (BF16) · DGX Spark Arena"
canonical: "https://djangodevreng.nl/arena/gemma-4-e4b-it-bf16/"
license: "CC-BY-4.0"
source: "https://github.com/djangodevreng/dgx-spark-benchmarks/tree/a948cec23b054c62fef595bad3cdb284066922ac/results/gemma-4/gemma-4-e4b-it/bf16/"
source_revision: "a948cec23b054c62fef595bad3cdb284066922ac"
contract_version: 1
suite_version: "2026-08"
minimum_request_success_rate: 0.99
sanity_status: "passed"
attribution: "Django de Vreng, https://djangodevreng.nl"
---

# Gemma-4 E4B (BF16)

Gemeten op 2026-08-17 met vLLM v0.26.0. In de chattest met tien gelijktijdige verzoeken haalt dit profiel 21,47 tokens/s per gebruiker, met gemiddeld 1,05 seconden tot het eerste token. Bij 25k context stijgt die gemiddelde wachttijd naar 29,43 seconden. Deze runs meten snelheid en wachttijd, niet de kwaliteit van de antwoorden.

## Specificaties

- Vendor: google
- Architectuur: Dense
- Parameters: 4.5B effectief
- Precisie: BF16
- Context: 128K
- Gemeten op: 128K
- VRAM: 9 GB
- Engine: vLLM v0.26.0
- Hardware: DGX Spark, NVIDIA GB10, 128 GB unified memory
- Model card: https://huggingface.co/google/gemma-4-E4B-it

## Quality (model-cards)

Alleen ter referentie. De harnesses en dekking verschillen per model; deze cijfers tellen niet mee in de hardware-score.

Bron: https://huggingface.co/google/gemma-4-E4B-it

| Benchmark | Score |
| --- | --- |
| MMLU-Pro | 69.4 |
| GPQA-Diamond | 58.6 |
| LiveCodeBench v6 | 52 |

## Benchmarks op de DGX Spark

Alleen complete runs zonder mislukte sanity-check tellen mee. Open-looptests vereisen minimaal 99% request success. Ruwe resultaten blijven zichtbaar.

| Test | tokens/s p/user | tokens/s totaal | TTFT (ms) | Request success | Ranking |
| --- | --- | --- | --- | --- | --- |
| 01 Chat | 21 | 134 | 1051 | n/a | telt mee |
| 02 RAG · 8k context | 16 | 118 | 6935 | n/a | telt mee |
| 03 Lange output en agents | 22 | 126 | 403 | n/a | telt mee |
| 04 Multi-turn kantoorwerk | 21 | 145 | 1806 | n/a | telt mee |
| 05 Grote context · 25k | 8 | 39 | 29431 | n/a | telt mee |
| 06 Gelijktijdigheid onder druk | 5 | 41 | 55760 | n/a | telt mee |
| 07 Realistische kantoor-baseline | 82 | 1304.99 | 889 | 100% | telt mee |
| 08 Echte gesprekken · ShareGPT | 13 | 131.5 | 165 | 100% | telt mee |
| 09 Reasoning-workload | 10 | 414.4 | 318 | 100% | telt mee |
| 10 Maandagochtendpiek | 86 | 2395.19 | 809 | 100% | telt mee |
| 11 Capaciteit · rate sweep | n/a | n/a | n/a | 100% | telt mee |

## Noten

Model-ID: google/gemma-4-E4B-it. Container: vllm/vllm-openai:v0.26.0-aarch64-cu129-ubuntu2404. llama-benchy 0.4.0. Bronrun: 2026-08-17T03:07:46+02:00. KV-cache fp8; max_model_len 131072; gpu_memory_utilization 0,9. Prefix caching uit; async scheduling aan. Extra serverflags: --max-num-batched-tokens 8192. 11 van de 11 tests hebben een meting die volgens de huidige Arena-regels meetelt. De sanity-check is geslaagd. Dit is een controle op een kort gegenereerd antwoord, geen inhoudelijke evaluatie van de benchmarktaken.

---

Licentie: CC-BY-4.0 (https://creativecommons.org/licenses/by/4.0/). Django de Vreng, https://djangodevreng.nl.
Volledige arena: https://djangodevreng.nl/arena/ · Ruwe runs (GitHub): https://github.com/djangodevreng/dgx-spark-benchmarks/tree/a948cec23b054c62fef595bad3cdb284066922ac/results/gemma-4/gemma-4-e4b-it/bf16/