待验证50% 置信概念精确时间
长上下文注意力计算开销随序列长度平方增长，且需为每个token缓存Key和Value向量（KV Cache），1M上下文下KV Cache可达数百GB级别。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
Meta发布Muse Spark开源权重：816B参数、1M上下文与部署指南
rss2026/10/16
涉及实体
相关事实
已验证当上下文长度扩展至百万Token时，KV Cache本身就会占用数十GB显存80% 相似待验证缓存命中率在大模型API调用场景中指KV Cache（键值缓存）的复用比例，模型可直接从缓存中读取已处理token的注意力键值对79% 相似已验证KV缓存的显存占用与上下文长度、模型层数和注意力头数成正比，8K上下文下一个典型27B模型可能额外消耗2～4GB显存78% 相似已验证对于拥有32层、32头注意力的典型7B模型，每个token需约0.5MB显存存储KV Cache，生成1000个token则需额外约500MB显存77% 相似已验证KV Cache的显存占用随序列长度线性增长，700亿参数采用GQA的模型处理10万Token时KV Cache占用可能高达数十GB77% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1044059API
curl https://kongchang.com/api/v1/knowledge/claims/1044059MCP
get_claim(id=1044059)