待验证50% 置信事实精确时间
连续批处理在每个解码步骤后立即移出已完成序列并插入新请求，将GPU利用率从传统方案的30-50%提升至80%以上
1
来源数
50%
置信度
长期有效
时效性
2026/8/14
首次发现
来源
相关事实
待验证每个中间推理token与输出token消耗等量的GPU算力，Extra High档位单次请求FLOPs可能是普通生成模式的数十倍73% 相似待验证许多推理服务的GPU利用率不足30%，通过VGPU技术可将利用率提升至70%以上72% 相似待验证GPU利用率可从低流量时的20%~30%提升至高流量时的70%~80%，因请求量越大越容易聚合为更大计算批次69% 相似待验证在完整的AI应用系统中，GPU推理通常只占总计算量的30%-40%，其余60%-70%的计算负载由CPU承担69% 相似待验证输出Token价格通常为输入的4-6倍，源于预填充与解码两阶段的算力差异，解码阶段GPU利用率可能仅为预填充的10-20%69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/746746API
curl https://kongchang.com/api/v1/knowledge/claims/746746MCP
get_claim(id=746746)