待验证50% 置信事实精确时间

大语言模型的注意力机制计算复杂度与序列长度的平方成正比，处理200K token上下文的计算成本远超过处理50K token

1

来源数

50%

置信度

长期有效

时效性

2026/8/25

首次发现

来源

Claude Code被曝A/B测试降级：Anthropic在悄悄省算力？

涉及实体

Attention Mechanismconcept

相关事实

已验证自注意力机制使计算复杂度随序列长度呈二次方增长，上下文从1000扩展至4000 token计算量增加16倍80% 相似待验证在推理阶段内存带宽往往比纯算力更早成为瓶颈，注意力机制需在每步生成时读取全部KV缓存，上下文长度增大时内存读写开销呈平方级增长72% 相似待验证即使支持128K或更长上下文的大语言模型，在一次性注入所有能力指令时也会出现注意力稀释（Attention Dilution）问题，导致特定任务执行质量下降71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/798418

API

curl https://kongchang.com/api/v1/knowledge/claims/798418

MCP

get_claim(id=798418)