待验证50% 置信事实精确时间

Embedding模型的向量维度范围从768维到3072维不等，影响精度与存储成本的平衡

1

来源数

50%

置信度

长期有效

时效性

2026/9/6

首次发现

来源

PipesHub：开源企业AI上下文层，解决RAG落地难题

涉及实体

Embeddingconcept

相关事实

待验证Embedding模型输出的高维向量通常为768至3072维，向量数据库通过HNSW等图算法可将亿级向量检索压缩至毫秒级响应76% 相似待验证雅可比透镜的内存需求随模型规模线性增长，大致为模型体积的1/866% 相似已验证4-bit量化理论上可将模型体积缩小8倍（相比32位存储）65% 相似待验证7MB模型在语义表达细腻度上很难与数百MB的重量级模型相比，激进压缩伴随精度损失64% 相似待验证1750亿参数模型仅模型权重（BF16精度）就需350GB存储，Adam优化器需维护一阶矩和二阶矩两份状态，合计超过1TB63% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/864030

API

curl https://kongchang.com/api/v1/knowledge/claims/864030

MCP

get_claim(id=864030)