待验证50% 置信事实精确时间

推理成本（Inference Cost）是大模型持续失血的主要原因，随用户规模呈线性甚至超线性增长

1

来源数

50%

置信度

长期有效

时效性

2026/7/19

首次发现

来源

OpenAI年亏逾千亿：AI成本悖论如何吞噬科技巨头

相关事实

待验证在反向模式下，当模型参数数量高达数百万时，计算梯度的成本仅与一次前向计算相当71% 相似待验证旗舰模型的单次推理成本可能是轻量模型的数十乃至上百倍，源于参数量、上下文窗口长度、推理步骤复杂度等因素66% 相似待验证许多AI厂商的高端订阅处于亏损状态，因大语言模型每次推理都需调用数十亿至数千亿参数进行矩阵运算，成本随用量线性乃至超线性增长66% 相似待验证AI推理的计算成本目前仍与使用量近乎线性相关，尚未出现显著的规模效应拐点65% 相似待验证支持128K上下文的模型比支持4K上下文的同规格模型推理成本高出数十倍65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/561870

API

curl https://kongchang.com/api/v1/knowledge/claims/561870

MCP

get_claim(id=561870)