大语言模型

SNM980 × qwen2.5-3B

QNN · w4a16 · 测试环境：qnn_android · NPU_W4A16

qwen2.5-3B @ SNM980 QNN/HTP 34.47 tok/s

初始化

1.54 s

推理指标（纯模型推理耗时，不含前后处理流程）

34.47 tok/s

Prefill

1718.21 tok/s

Decode

34.47 tok/s

内存占用

2.94 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

31.25%

平均

29%

NPU

峰值

99%