待验证50% 置信事实精确时间

BitNet对激活值保留高精度(通常INT8)，仅对权重执行极端压缩，形成低精度权重加高精度激活的非对称量化

1

来源数

50%

置信度

长期有效

时效性

2026/7/17

首次发现

来源

Bonsai 27B：首个在手机运行的1-bit大模型，端侧AI新突破

相关事实

待验证推理芯片通常可采用INT8甚至INT4等低精度量化格式，在降低内存占用和功耗的同时保持可接受的精度损失75% 相似已验证量化技术将神经网络权重从高精度浮点数（如FP32、FP16）压缩为低位整数（如INT8、INT4），现代量化方案包括GPTQ、AWQ、GGUF的K-quant系列68% 相似待验证TwELL格式与INT4量化结合，理论上可以同时获得稀疏性和低精度带来的双重加速65% 相似待验证推理芯片可通过KV Cache内存访问优化、算子融合和FP8/INT8量化取得成本优势，无需在峰值算力上与英伟达正面竞争64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/544951

API

curl https://kongchang.com/api/v1/knowledge/claims/544951

MCP

get_claim(id=544951)