卷积计算的测试

下面这个卷积网络，的算力需求大概是多少 Mops , 权重是多少K 个
注意 stride ， pooling 以及 深度可分离卷积 的参数
 请直接输出一个表格， 输入是 16000 ， 分析每一层的输出尺寸
根据你提供的配置参数，这是一个典型的 1D 卷积神经网络（常用于音频原始波形处理）。

 conv_dim: Tuple[int, ...] = (8, 16, 32, 64, 128, 256, 16) # Progressive increase to 512
 conv_kernel: Tuple[int, ...] = (10, 3, 3, 3, 3, 2, 2) # First layer larger kernel
 conv_stride: Tuple[int, ...] = (5, 2, 2, 2, 2, 2, 2) # First layer larger stride
 conv_bias: Tuple[bool, ...] = (False, False, False, False, False, False, False)
 conv_padding: Tuple[int, ...] = (0, 0, 0, 0, 0, 0, 0)
 # Disable depthwise for stability
 conv_use_depthwise: Tuple[bool, ...] = (False, False, False, False, False, False, False)
 # Reduce pooling - only 2 layers
 conv_use_pool: Tuple[bool, ...] = (False, False, False, False, False, False, False)
 # Disable residual for now (can cause gradient issues)
 conv_use_residual: Tuple[bool, ...] = (False, False, False, False, False, False, False)
 conv_pool_type: Tuple[str, ...] = ("avg", "avg", "avg", "avg", "avg")
 conv_pool_kernel: Tuple[int, ...] = (2, 2, 2, 2, 2)
 conv_pool_stride: Tuple[int, ...] = (2, 2, 2, 2, 2)
 conv_pool_padding: Tuple[int, ...] = (0, 0, 0, 0, 0) 
 不思考，不联网 
 
 豆包 20260228：106.45K  136.01Mops 
 Hunyuan 20260228：2440 K   3722 MOPs 
 DeepseekV3.2：98,448​  ~1.59​ MOPs 
 GPT-5.2：106,448    16,324,528MACs   32.649 Mops 
 GLM-5：约 16.33 Mops   约 106.45 K 
 Qwen3.5-Plus：139.2 K (139,216 个参数)   约 19.7 M (19,712,000 次乘加运算) 
 kimi k2.5：106.688 K (约 107K)  10.99 Mops (约 11 Mops) 
 Claude-Haiku-4.5：~106.4K个参数  ~620.5 MOps（在32位浮点下） 
 Claude-Sonnet-4.5：106.4K 个参数  16.33 MOps 
 Claude-Opus-4.5：106.45 K  16.33 MOps 
 
 思考 
 
 Gemini-3-Flash：106.45 K  32.66 Mops 
 DeepseekV3.2：~105.4 K ~58.1 Mops​ 
 豆包 20260228：106.45 K（千个）  16.33 Mops 
 Minimax-M2.5：106448（约104K）16328752（约16.33M）   思考特别长 
 GLM5：约 106.45 K (106,448 个)   约 16.33 M     思考特别长