大语言模型

SNM980 × qwen2-0.5B

QNN · w4a16 · 测试环境：qnn_android · NPU_W4A16

qwen2-0.5B @ SNM980 QNN/HTP 147.93 tok/s

初始化

1.06 s

推理指标（纯模型推理耗时，不含前后处理流程）

147.93 tok/s

Prefill

6802.72 tok/s

Decode

147.93 tok/s

内存占用

1.19G 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

11.1%

平均

7.86%

NPU

峰值

84.21%