待验证50% 置信事件精确时间
一位开发者在M5 Pro/64GB上运行Qwen3 27B模型，同一会话中缓存命中时首Token仅6.1秒，缓存失效后重读约41000 tokens导致首Token延迟268秒，速度相差44倍。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/11/1
首次发现
有效期至：2027/1/30
来源
涉及实体
相关事实
待验证在M4 Pro芯片、24GB统一内存的MacBook Pro上通过llama.cpp运行，文本解码速度为10.13 tokens/秒，完整任务每个耗时4到7分钟79% 相似待验证decode阶段的生成速度近似等于内存带宽÷模型大小，例如在内存带宽273GB/s的M4 Pro上运行4GB的Q4量化7B模型理论最大生成速度约68 tokens/s79% 相似待验证在相同机器和模型下，低功耗模式与高功耗模式的解码速度差1.4到3.8倍；例如Ollama跑Qwen 3.5 35B，低功耗51.9 tokens/s，高功耗107.1 tokens/s74% 相似待验证运行Qwen3-Next-Flash（Autoround W4A16量化）时，预填充速度约1.3k tokens/s，生成速度达70 tokens/s（代码）/60 tokens/s（散文），支持128k+长上下文74% 相似待验证将模型替换为 LFM2.5-2.6B（通过 Mirai AI 服务器运行），在相同 OpenClaw 任务中，内存占用降至 17GB，生成速度约 54.2 tokens/秒，且任务未及时完成。73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1122340API
curl https://kongchang.com/api/v1/knowledge/claims/1122340MCP
get_claim(id=1122340)