待验证50% 置信事实精确时间
输出Token定价高于输入Token是因为Prefill阶段可并行矩阵运算而Decode阶段必须串行自回归解码，Decode阶段GPU吞吐量约为Prefill阶段的1/6到1/10
1
来源数
50%
置信度
长期有效
时效性
2026/7/23
首次发现
来源
相关事实
待验证Prefill阶段是计算密集型操作，Decode阶段是显存带宽密集型操作75% 相似待验证大语言模型推理的解码阶段GPU利用率远低于预填充阶段的矩阵并行计算，因为解码是逐步自回归生成75% 相似待验证受限解码（Constrained Decoding）在自回归生成的每个Token步骤上，根据有限状态机或上下文无关文法计算合法Token集合并重新归一化概率，从数学上保证输出符合目标schema69% 相似待验证自回归生成每个Token都需要完整的前向传播，而输入只需一次编码，这是输出比输入贵的成本结构原因68% 相似已验证大语言模型推理分预填充和解码两阶段：预填充是计算密集型对GPU算力敏感，解码是内存带宽受限任务68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/594429API
curl https://kongchang.com/api/v1/knowledge/claims/594429MCP
get_claim(id=594429)