待验证50% 置信事实精确时间
关闭 flash attention 时，Q4_K_M 在 4 的倍数 ubatch 大小下输出按位相同，其他大小则不是，说明 llama.cpp 的 CPU 路径并非在所有批大小下批不变。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/17
首次发现
有效期至：2027/1/15
来源
涉及实体
相关事实
待验证FlashAttention将注意力机制的QKV运算、softmax和输出投影融合为单个kernel，将内存复杂度从O(N²)降至O(N)，实现2-4倍端到端加速67% 相似待验证v4.1 Flash的专家权重直接以FP4（每参数4比特）出厂，从未发布过8-bit版本，接近该格式的压缩极限，无法进一步量化用于Agentic任务64% 相似待验证3.8 Flash 在执行涉及多关注点的单体大重构时经常引入回归问题，会遗漏相邻函数（如购物车角标更新监听器）并破坏错误弹窗处理器，解决方案是将任务拆分到多个文件逐步执行。64% 相似待验证Q3量化的千问3.8 Flash Next智力与DeepSeek Flash几乎持平，差距不大64% 相似待验证NVFP4 量化并非全模型 4-bit：视觉编码器、连接器、Mamba 卷积和 embedding 保持 BF16，MoE 路由器保持 FP32。64% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1054509API
curl https://kongchang.com/api/v1/knowledge/claims/1054509MCP
get_claim(id=1054509)