待验证50% 置信事实精确时间
MoT（Mixture of Tokens）机制允许模型在处理不同模态输入时动态分配计算资源
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证模型每次调用会同时计算输入Token和输出Token，两者共同决定单次调用成本66% 相似待验证推理 Token（Reasoning Token）概念源自 OpenAI o 系列模型，模型在输出可见答案前会先消耗 Token 进行内部推导，这些中间步骤对用户不可见但消耗真实算力66% 相似待验证Transformer 模型推理时，输入 token 可并行处理（prefill 阶段），输出 token 必须逐个自回归生成（decode 阶段），导致输出 token 的单价通常高于输入 token66% 相似已验证大语言模型的Token生成过程是串行的，基于自回归机制，每个Token的生成都依赖于前一个Token65% 相似待验证对于大语言模型推理，吞吐通常以 token 数为单位衡量，即 tokens/s 是评估 LLM 推理框架性能的核心指标63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/906925API
curl https://kongchang.com/api/v1/knowledge/claims/906925MCP
get_claim(id=906925)