待验证50% 置信事实精确时间
根据DeepMind在2022年提出的Chinchilla缩放定律，一个700亿参数的模型需要约1.4万亿token才能达到计算最优
1
来源数
50%
置信度
长期有效
时效性
2026/8/20
首次发现
来源
相关事实
待验证DeepMind提出的Chinchilla最优策略指出，对于给定计算预算，存在最优的参数量与数据量比例关系，约为1:2073% 相似待验证分析推测该模型是2到4万亿参数规模的MoE模型，每个Token仅激活约1500亿参数70% 相似待验证1000亿参数的模型处理单次推理请求需约80GB显存，百亿参数级别模型仅需约20GB69% 相似待验证MoE架构中，一个标称800亿参数的模型每次推理时可能只激活约200亿参数，VRAM占用大幅降低69% 相似待验证阿里千问新一代模型参数达2.4万亿，是该系列首个突破万亿的多模态大模型，代码生成准确率据称达到94.7%，较上一代提升约11个百分点69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/778687API
curl https://kongchang.com/api/v1/knowledge/claims/778687MCP
get_claim(id=778687)