待验证50% 置信事实精确时间

LLM-as-a-Judge这类评估会带来双倍甚至多倍的Token开销，因为既要生成待评估答案，又要消耗Token让另一个模型打分

1

来源数

50%

置信度

长期有效

时效性

2026/8/31

首次发现

来源

AI评估消耗了多少Token？被忽视的算力成本黑洞

涉及实体

LLM-as-a-Judgeconcept

相关事实

待验证以 3 个顾问加 1 个决策者的标准配置为例，MoA 总 Token 消耗约为单模型的 4-6 倍66% 相似待验证两个智能得分相近的模型其推理成本可能相差数倍甚至一个数量级65% 相似待验证GLM-5.2 的输出 Token 消耗量比同级模型高不少，单次调用成本更高64% 相似待验证对同一测试用例执行多次调用统计成功比例得到通过率，比二元的通过/失败判断更能反映模型真实表现64% 相似待验证工程实践中通常对生产流量做5%–20%的随机采样使用LLM-as-a-Judge以平衡覆盖率与成本63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/830136

API

curl https://kongchang.com/api/v1/knowledge/claims/830136

MCP

get_claim(id=830136)