Unverified50% confidenceTradeoffExact time
随着大模型推理能力增强，单次调用消耗的token显著攀升，在固定用量限制下形成「更强模型」与「更快触及上限」的悖论
1
Sources
50%
Confidence
Long-term
Relevance
7/17/2026
First Seen
Sources
Related Claims
Unverified上下文越长，模型推理速度越慢，即存在上下文长度与推理性能之间的权衡77% similarUnverified模型能力增强时，过多的约束和提示词会浪费上下文预算并引发提示词漂移(prompt drift)，减少约束反而更好76% similarUnverified当模型规模跨越某些阈值后会涌现出此前不具备的能力（涌现能力），如多步逻辑推理和复杂数学计算76% similarUnverified小模型比大模型更易发生嵌入坍缩，原因包括参数容量有限、优化捷径倾向和各向异性问题被放大75% similarUnverified模型规模（参数量）与推理成本之间存在超线性关系，参数量翻倍会导致推理延迟与算力开销增长远超两倍75% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/546990API
curl https://kongchang.com/api/v1/knowledge/claims/546990MCP
get_claim(id=546990)