大语言模型
SNM982 × llama2-7B
QNN · w4a16 · 测试环境：qnn_linux · NPU_W4A16
llama2-7B @ SNM982 QNN/HTP 15.51 tok/s
初始化
1.62 s
推理指标（纯模型推理耗时，不含前后处理流程）
15.51 tok/s
Prefill
220.80 tok/s
Decode
15.51 tok/s
内存占用
4.43 GB
资源占用率
设备侧采样：峰值与全程平均分开给出，CPU / GPU 为整机占用，NPU 按 q6 / HVX / HMX 分单元统计。
CPU
峰值
5.17%
平均
3.51%
NPU
峰值
95.25%
关联信息
- 模型
- llama2-7B
- 芯片平台
- SNM982
- 芯片
- QCS8625
- 推理框架
- QNN
- 量化精度
- w4a16
- 测试日期
- 2026-06-29