待验证50% 置信事实精确时间

序列长度为4096时，N×N注意力矩阵在FP16精度下仅此一项就消耗约64MB显存

1

来源数

50%

置信度

长期有效

时效性

2026/7/15

首次发现

来源

CUDA内核融合：减少显存带宽消耗与启动开销的实战指南

相关事实

待验证128K长度的序列所需的注意力计算量是4K长度序列的1024倍76% 相似待验证170k tokens场景下，注意力得分矩阵在BF16精度下约需54GB显存（170000×170000×2字节）76% 相似已验证以70B参数模型、FP16精度、32层注意力头为例，单条200K长度请求的KV Cache约需80-120GB显存，远超单张A100 GPU的80GB显存上限74% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/512122

API

curl https://kongchang.com/api/v1/knowledge/claims/512122

MCP

get_claim(id=512122)