待验证50% 置信观点精确时间

大模型的软性失效（Silent Degradation）表现为输出质量悄然下降而服务技术层面仍正常返回，难以被常规监控告警捕捉

1

来源数

50%

置信度

长期有效

时效性

2026/7/18

首次发现

来源

GPT-5.6深度解析：分层模型+多智能体，大模型变身工作流引擎

相关事实

待验证'沉默流失'指AI用户不正式退出而是悄然将使用频次调低直至归零，导致厂商留存数据系统性失真69% 相似待验证跳过或简化校准步骤往往是低比特量化后模型质量大幅下滑的主因68% 相似待验证底层模型更换后，即便微小的输出分布变化也可能导致此前校准的安全护栏过度拦截或防护失效，需要重新标注和调试66% 相似待验证当模型超出显存容量时，系统被迫在显存与系统内存之间反复搬运数据，导致灾难性性能下降65% 相似待验证推理模型存在降智现象，高峰期服务端可能动态降低单次请求的计算资源导致输出质量下降63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/549291

API

curl https://kongchang.com/api/v1/knowledge/claims/549291

MCP

get_claim(id=549291)