已验证65% 置信事实精确时间

大模型参数规模通常从数十亿到数千亿不等，参数量越大对复杂语境理解能力越强，但对算力需求呈指数级增长

3

来源数

65%

置信度

长期有效

时效性

2026/7/9

首次发现

来源

小度健康屏评测：AI大模型赋能老人陪伴与远程看护

bilibili南序家电日记2026/7/8

相关事实

待验证大型语言模型的推理成本与参数规模并非线性关系，参数量从千亿级跃升至万亿级时推理所需的GPU显存、带宽和计算量会指数级攀升80% 相似待验证对于百亿参数模型，中间激活的显存占用往往与模型权重本身相当甚至更高79% 相似待验证随着模型参数规模从亿级扩展到千亿级，LLM展现出涌现能力，包括多步推理、类比迁移和不确定性表达79% 相似待验证模型规模从数十亿参数跨越至数千亿量级时，在代码任务上展现出非线性突变式的能力涌现76% 相似待验证大模型在约千亿参数规模附近突然展现出思维链推理、多步数学解题等此前小模型不具备的能力75% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/338035

API

curl https://kongchang.com/api/v1/knowledge/claims/338035

MCP

get_claim(id=338035)