待验证70% 置信事实时间未知

对于10万行代码的项目，LLM逐文件理解可能需要数百万Token，而AST解析只需CPU计算，成本接近于零

1

来源数

70%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

CodeGraph实测：代码知识图谱如何将Token消耗降低90%

bilibiliAGI_Ananas

涉及实体

相关事实

待验证对于一个典型的700亿参数模型，KV缓存每个词元大约占半兆（0.5MB）内存，生成10万个词元需要携带50GB的缓存71% 相似待验证全文件重写方式需要消耗与整个文件等量的输入输出Token，对数千行代码文件成本可能是精准局部编辑的数十倍67% 相似待验证百万Token级别的单次推理需要数十至数百GB的高端GPU显存（A100/H100级别）67% 相似待验证一个空白的VS Code实例通常消耗200-400MB内存67% 相似待验证RL训练工作负载具有极端尖峰化特性，可能突然需要10万个CPU，用完后又归零67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/9787

API

curl https://kongchang.com/api/v1/knowledge/claims/9787

MCP

get_claim(id=9787)