已验证65% 置信事实精确时间

研究表明在 Q4 及以上精度时，大多数任务的性能损失在 1–3% 以内

3

来源数

65%

置信度

长期有效

时效性

2026/7/23

首次发现

来源

用 Ollama 跑本地模型接入 Claude Code，AI 成本降低 99%

相关事实

待验证研究表明在INT4/INT8精度下多数推理和生成任务的输出质量下降幅度在1-3%以内79% 相似待验证对于参数量大于30B的模型，4-bit量化造成的性能损失通常在基准测试中下降1-3%，但对小模型影响更显著75% 相似待验证INT8量化约损失0.5%精度、显存减半，INT4量化显存压缩至原来的1/4、精度损失约1-3%74% 相似待验证MEME基准中级联任务平均准确率仅为0.3，缺失任务准确率更低至0.169% 相似已验证在长链路任务中，若每一步约5%的错误率，经过20步后整体成功率可能跌至不足36%69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/596122

API

curl https://kongchang.com/api/v1/knowledge/claims/596122

MCP

get_claim(id=596122)