待验证60% 置信事实精确时间
端侧大模型参数量通常在1B–13B之间，在复杂推理和长文档理解上与云端大模型存在明显差距
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/7/4
首次发现
有效期至：2026/10/2
来源
腾讯Marvis实测：多智能体AI如何接管你的电脑操作
bilibili下班学AI2026/7/2
相关事实
待验证端侧模型受限于手机算力，在多步骤推理、上下文记忆和歧义消解等复杂场景上与云端70B+模型仍有显著差距73% 相似待验证受限于消费级设备的算力和内存，本地能运行的模型规模通常远小于云端旗舰模型，在复杂推理、长上下文处理等任务上存在差距70% 相似待验证顶级模型与中低端模型之间的差距并非线性：在简单任务上表现相近，但一旦任务复杂度超过某个阈值（需要多步推理、理解复杂上下文或生成结构化长代码），顶级模型的优势会呈指数级放大69% 相似待验证当模型规模跨越某些阈值后会涌现出此前不具备的能力（涌现能力），如多步逻辑推理和复杂数学计算68% 相似待验证MoE模型在低并发场景下的推理延迟往往不如同等激活参数量的密集模型，更适合高吞吐量云端批处理场景66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/68506API
curl https://kongchang.com/api/v1/knowledge/claims/68506MCP
get_claim(id=68506)