待验证50% 置信事实精确时间
模型规模越大，记忆能力反而越强，因为更大的模型拥有更强的参数容量来存储低频样本
1
来源数
50%
置信度
长期有效
时效性
2026/7/16
首次发现
来源
相关事实
待验证如果主力工作是本地跑大语言模型（LLM），内存容量直接决定能跑多大参数的模型，36G/48G甚至更高才能流畅跑7B-13B量化模型，此时内存优先级高于一切73% 相似待验证Models with hundreds of billions or trillions of parameters can require hundreds of gigabytes or several terabytes of memory when accounting for weights, activations, and optimizer states72% 相似待验证显存越大越能吃复杂调色和多层特效，但预算有限时优先保证内存和存储速度——素材加载慢和内存爆掉造成的卡顿比GPU瓶颈更常见72% 相似待验证雅可比透镜的内存需求随模型规模线性增长，大致为模型体积的1/872% 相似已验证大模型推理的速度瓶颈是内存带宽而非算力不足，每生成一个token需要从内存加载数百GB的模型权重71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/533823API
curl https://kongchang.com/api/v1/knowledge/claims/533823MCP
get_claim(id=533823)