大语言模型

SRM965 × deepseek-llm-7B

QNN · w4a16 · 测试环境：qnn_android · NPU_W4A16

deepseek-llm-7B @ SRM965 QNN/HTP 11.96 tok/s

初始化

11.31 s

推理指标（纯模型推理耗时，不含前后处理流程）

11.96 tok/s

Prefill

698.81 tok/s

Decode

11.96 tok/s

内存占用

5.95 GB

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

34.4%

平均

32.3%

NPU

峰值

96.29%