大语言模型
SRM975 × llama2-7B
QNN · w4a16 · 测试环境：qnn_android · NPU_W4A16
llama2-7B @ SRM975 QNN/HTP 17.67 tok/s
初始化
2.01 s
推理指标（纯模型推理耗时，不含前后处理流程）
17.67 tok/s
Prefill
651.04 tok/s
Decode
17.67 tok/s
内存占用
4.88 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
40.62%
平均
33.37%
关联信息
- 模型
- llama2-7B
- 芯片平台
- SRM975
- 芯片
- QCM8838
- 推理框架
- QNN
- 量化精度
- w4a16
- 测试日期
- 2026-06-29