Unverified50% confidenceFactExact time
集中度衡量两个模型的差异是由少数几个主导 token 驱动，还是分散在许多 token 之上
1
Sources
50%
Confidence
Long-term
Relevance
9/22/2026
First Seen
Sources
Related Entities
Related Claims
Unverified同一段文字在不同模型中消耗的 token 数量可能相差 10%-30%69% similarUnverified模型越新效果越好，但消耗的 token 额度也越多68% similarUnverifiedMoE 模型每个 token 只被路由到少数几个专家进行计算，使总参数量大但激活参数量小66% similarUnverified高推理强度模式下单次请求的 Token 消耗可能是低强度模式的 5-20 倍65% similarUnverified官方宣称Thinking Token降低30%的效果仅在五道题中的两道成立，其余三道K2.7-Code反而消耗更多Token64% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/940038API
curl https://kongchang.com/api/v1/knowledge/claims/940038MCP
get_claim(id=940038)