待验证50% 置信事实精确时间

Hopper支持FP8但其FP8缩放以张量为粒度，需在每次矩阵乘前预先计算全局缩放因子

1

来源数

50%

置信度

长期有效

时效性

2026/9/16

首次发现

来源

低精度FlashAttention-4：Blackwell上的端到端块级缩放注意力

涉及实体

相关事实

待验证Krea团队在模型发布时同步提供了经过专项优化的FP8权重，而非简单对BF16权重进行事后量化62% 相似待验证NVFP4引入每组缩放因子机制，通常以128个权重为一组共享一个FP8缩放因子61% 相似待验证模型量化是将模型权重从FP16压缩至INT4/INT8以节省显存59% 相似待验证缓解推理墙的技术手段包括模型量化（FP16降至INT8或INT4）、投机解码（用小模型预测大模型输出加速生成）以及KV Cache优化57% 相似待验证张量收缩是线性代数中对多维张量沿指定维度求和的通用操作，矩阵乘法本质上是一种张量收缩56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/927332

API

curl https://kongchang.com/api/v1/knowledge/claims/927332

MCP

get_claim(id=927332)