大语言模型

SRM975 × deepseek-llm-7B

QNN · w4a16 · 测试环境：qnn_android · NPU_W4A16

deepseek-llm-7B @ SRM975 QNN/HTP 17.53 tok/s

初始化

4.63 s

推理指标（纯模型推理耗时，不含前后处理流程）

17.53 tok/s

Prefill

942.51 tok/s

Decode

17.53 tok/s

内存占用

6.48 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

21.75%

平均

21.38%