██████╗  ██████╗ ██╗   ██╗███████╗███████╗██████╗
  ██╔══██╗██╔═══██╗╚██╗ ██╔╝██╔════╝██╔════╝██╔══██╗
  ██████╔╝██║   ██║ ╚████╔╝ ███████╗█████╗  ██████╔╝
  ██╔══██╗██║   ██║  ╚██╔╝  ╚════██║██╔══╝  ██╔══██╗
  ██████╔╝╚██████╔╝   ██║   ███████║███████╗██║  ██║
  ╚═════╝  ╚═════╝    ╚═╝   ╚══════╝╚══════╝╚═╝  ╚═╝

Android AI Benchmark Suite

ชุดสคริปต์ benchmark CPU · RAM · Disk · AI Model สำหรับ Android + Linux

---

📱 Device Specs

Xiaomi 17 Ultra — codename nezha

⚡ SoC — Qualcomm Snapdragon 8 Elite (SM8850)

รายการ	ข้อมูล
SoC	Qualcomm SM8850 Snapdragon 8 Elite
Fab Process	TSMC 3nm
CPU Architecture	Qualcomm Oryon V2 (custom — ไม่ใช่ ARM Cortex มาตรฐาน)
CPU หมายเหตุ	core เดียวกับ Snapdragon X Elite ที่ใช้ใน PC/Laptop

🔷 CPU Clusters

Cluster	Cores	Min	Max	ISA
Performance	cpu0–5 (6 cores)	0.38 GHz	3.63 GHz	Oryon V2
Prime	cpu6–7 (2 cores)	0.77 GHz	4.40 GHz	Oryon V2

ARM Extensions ที่รองรับ: SVE2 · SME · SME2 · i8mm · bf16 · DOTPROD · AES · SHA3 · PMULL

💡 Oryon V2 มี SME (Scalable Matrix Extension) — ARM extension ที่ออกแบบมาสำหรับ AI/ML โดยเฉพาะ พบได้ในมือถือน้อยมาก

🎮 GPU

รายการ	ข้อมูล
GPU	Qualcomm Adreno 840
Max Clock	902 MHz
Idle Clock	191 MHz
OpenCL	3.0 (Adreno-specific kernels)
VRAM (shared)	7,500 MB (free ~6,476 MB)
Vulkan	1.4

💾 Memory & Storage

รายการ	ข้อมูล
RAM	16 GB LPDDR5X
RAM available	~15 GB (7.8 GB free)
Swap	16 GB
Storage	512 GB UFS 4.0
Storage chip	SK Hynix HN8T271EJKX152
Usable	~476 GB

🖥️ Display

รายการ	ข้อมูล
Resolution	1200 × 2608 px
Refresh Rate	120Hz LTPO (adaptive)
Density	480 DPI
Panel	AMOLED

🤖 AI / Compute Units

Unit	Device	หน้าที่
Hexagon NSP	fastrpc-nsp1000	Neural Signal Processor (AI inference)
ADSP	fastrpc-adsp	Audio DSP
CDSP	fastrpc-cdsp	Compute DSP
SVE2 + SME	CPU	AI matrix multiply acceleration

🔋 Battery & Charging

รายการ	ข้อมูล
ความจุ	6,000 mAh
เคมี	Li-poly

📡 Software & Connectivity

รายการ	ข้อมูล
Android	16 (API 36)
ROM	Xiaomi EU HyperOS
Build	OS3.0.306.0.WPACNXM
Build Date	April 23, 2026
Codename	nezha
Root	KernelSU Next
Linux	Ubuntu 24.04.4 LTS (chroot)
Kernel	Android 6.12.23

---

📊 Benchmark Results

System Benchmark

หมวด	ผล	Rating	คะแนน
CPU Single-Thread	3,303 ev/s	🟡 GOOD	—
CPU Multi-Thread (8 cores)	22,564 ev/s	🟡 GOOD	974
CPU Efficiency	94%	—	—
RAM Read	29.1 GB/s	🟢 EXCELLENT	966
RAM Write	18.9 GB/s	🟢 EXCELLENT	—
Disk Read	6.6 GB/s	🟢 EXCELLENT	—
Disk Write	2.6 GB/s	🟡 GOOD	433
AES-256-CBC	873 MB/s	🟢 EXCELLENT	1023
รวม			852 / 1000

🏆 Grade: A+ HIGH-END

🤖 AI Model Benchmark — Llama 3.2 3B (Q4_K_M)

Engine	Backend	Prompt (pp512)	Generate (tg128)	เพิ่มขึ้น
Ollama pre-built	CPU	28 t/s	12 t/s	baseline
llama.cpp SVE2+i8mm	CPU	73 t/s	14 t/s	+161%
Adreno 840 OpenCL	GPU	196 t/s	12 t/s	+600%

GPU: QUALCOMM Adreno™ 840 · OpenCL 3.0 · 7,500 MB VRAM

⚡ CPU+GPU Hybrid Benchmark — -ngl Layer Split

ทดสอบ offload transformer layers จาก 0% → 100% GPU (Llama 3.2 3B มี 28 layers)

ngl	GPU Layers	Prompt (pp512)	Generate (tg128)	แนะนำสำหรับ
0	0% CPU only	84 t/s	12.4 t/s	Chat / Generation
7	25% GPU	64 t/s	7.2 t/s	—
14	50% GPU	82 t/s	7.8 t/s	—
21	75% GPU	110 t/s	8.5 t/s	Balance
28	100% GPU	154 t/s	9.4 t/s	RAG / Batch

Key Insight:

• Prompt Processing — ยิ่ง GPU เยอะ ยิ่งเร็ว (batch matrix multiply) → ใช้ -ngl 28
• Generation — CPU ชนะ (sequential latency ต่ำกว่า) → ใช้ -ngl 0
• ngl=7–14 ช้ากว่าทั้งคู่ เพราะ CPU↔GPU transfer overhead สูงกว่า compute ที่ได้

---

📁 โครงสร้างโปรเจกต์

BOYSER/
├── 📄 benchmark.sh                    ← System benchmark (CPU/RAM/Disk/Crypto)
├── 📁 scripts/
│   ├── model_bench.sh                 ← AI inference benchmark (Ollama API)
│   ├── gpu_run.sh                     ← รัน GPU mode (bench/chat/server)
│   ├── gpu_bench_guide.sh             ← คู่มือ GPU offload + status check
│   └── termux_llama_opencl.sh         ← Build llama.cpp + Adreno OpenCL
├── 📁 build/
│   └── build_llamacpp.sh              ← Build llama.cpp ARM optimized (Linux)
├── 📁 .claude/commands/               ← Claude Code slash commands
│   ├── benchmark.md                   ← /benchmark
│   ├── model-bench.md                 ← /model-bench
│   └── gpu-setup.md                   ← /gpu-setup
└── 📄 README.md

---

🚀 วิธีใช้งาน

1. System Benchmark

bash /storage/emulated/0/BOYSER/benchmark.sh

2. Build llama.cpp (Linux — SVE2+i8mm)

bash /storage/emulated/0/BOYSER/build/build_llamacpp.sh
# ผล: Prompt Processing 73 t/s (+161% vs Ollama)

3. GPU Benchmark & Chat (Termux)

# ติดตั้งและ build ครั้งแรก
bash /storage/emulated/0/BOYSER/scripts/termux_llama_opencl.sh

# รัน benchmark GPU
bash /storage/emulated/0/BOYSER/scripts/gpu_run.sh bench

# แชทกับ model ด้วย GPU
bash /storage/emulated/0/BOYSER/scripts/gpu_run.sh chat ~/models/llama3.2.gguf

# HTTP server (OpenAI-compatible API)
bash /storage/emulated/0/BOYSER/scripts/gpu_run.sh server ~/models/llama3.2.gguf

4. คำสั่งตรง (GPU)

LD_PRELOAD=/vendor/lib64/libOpenCL_adreno.so \
  ~/llama.cpp/build/bin/llama-cli \
  -m model.gguf -ngl 99 -cnv

---

🔧 GPU Offload — วิธีที่ทำสำเร็จ

สภาพแวดล้อมนี้รัน Ubuntu บน Android kernel (KernelSU Next) Adreno GPU ใช้ kgsl driver ซึ่ง Linux เข้าถึงตรงไม่ได้

Key ที่ทำให้ GPU ทำงาน:

# 1. ใช้ libOpenCL_adreno.so จาก Android vendor โดยตรง
LD_PRELOAD=/vendor/lib64/libOpenCL_adreno.so

# 2. รันใน Termux (Android side) ที่เข้าถึง kgsl ได้
# 3. Build พร้อม Adreno-specific OpenCL kernels
cmake ... -DGGML_OPENCL_USE_ADRENO_KERNELS=ON \
          -DOpenCL_LIBRARY=/vendor/lib64/libOpenCL.so

GPU Detection:
  ggml_opencl: selected platform: 'QUALCOMM Snapdragon(TM)'
  ggml_opencl: device: 'QUALCOMM Adreno(TM) 840 (OpenCL 3.0)'
  Available: 7,500 MiB · Free: 6,476 MiB

---

⚡ Claude Code Skills

เปิด Claude Code ในโฟลเดอร์นี้แล้วใช้ slash commands:

Command	หน้าที่
/benchmark	รัน system benchmark + สรุปผล
/model-bench	รัน AI inference benchmark
/gpu-setup	ดูสถานะ GPU + คู่มือ setup

---

📚 อ้างอิง

• llama.cpp — LLM inference engine
• Ollama — Local LLM runner
• KernelSU Next — Android root solution
• Termux — Android terminal emulator

---

Tested on 2026-05-24 · Xiaomi 17 Ultra (nezha) · Snapdragon 8 Elite · KernelSU Next · Ubuntu 24.04