待验证50% 置信事实精确时间
根据Chinchilla缩放定律，一个30B模型的最优训练数据量约为600B-1T tokens
1
来源数
50%
置信度
长期有效
时效性
2026/8/18
首次发现
来源
相关事实
待验证LoRA使可训练参数量通常仅为全参微调的0.1%-1%，可在单张RTX 3090/4090（显存24GB）上微调7B乃至13B级别的模型64% 相似待验证在Gemma 4 12B模型的Token生成测试中，Spark达26.4 tokens/s、Halo 24.6 tokens/s、M4 Pro最快33.8 tokens/s63% 相似待验证根据Artificial Analysis数据，Fable完成单个任务约用33k token，Opus 5约用37k token62% 相似待验证Chinchilla模型拥有70B参数和1.4T tokens，在同等算力下显著优于拥有280B参数和300B tokens的Gopher模型62% 相似待验证MiniMax M3 每个 token 推理时约激活 23B 参数62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/771365API
curl https://kongchang.com/api/v1/knowledge/claims/771365MCP
get_claim(id=771365)