PockPal运行本地化AI能力测试:安卓天玑9300-16G

PockPal运行本地化AI能力测试:安卓天玑9300-16G

💡 原文中文,约400字,阅读约需1分钟。
📝

内容提要

本文介绍了在VivoPad3Pro上对不同大小的人工智能模型(如Gemma-3-12b等)进行性能测试,比较了它们的输出速度和压力测试方法。

🎯

关键要点

  • 本文介绍了在VivoPad3Pro上对不同大小的人工智能模型进行性能测试。

  • 测试设备为VivoPad3Pro,配置为16G物理内存和16G融合拓展,使用天玑9300CPU。

  • 测试方法1的统一命题是写一篇500字的作文,描述人工智能的现况和未来。

  • Gemma-3-12b-it-Q4KM模型大小为7.29GB,输出速度为3.69TPS。

  • Deepseek-R1-Distill-Qwen-7B-Q4KM模型大小为4.68GB,输出速度为6.03TPS。

  • Deepseek-R1-Distill-Qwen-1.5B-Q4KM模型大小为1.11GB,输出速度为21.46TPS。

  • 测试方法2使用PocketPal自带的压力测试。

➡️

继续阅读