已验证65% 置信事实精确时间
当模型超出显存容量时，系统被迫在显存与系统内存之间反复搬运数据，导致灾难性性能下降
3
来源数
65%
置信度
长期有效
时效性
2026/7/11
首次发现
来源
统一内存架构揭秘：迷你PC如何运行70B大模型
hackernewshackernews2026/7/10
相关事实
待验证本地部署时模型溢出到系统内存会导致速度断崖式下跌，应尽量将模型和上下文塞进显存79% 相似待验证理解系统运行时行为、预见改动在负载下的表现是当前大模型编码能力的薄弱环节76% 相似待验证一旦模型分散在大量终端并自主迁移复制，其运行的硬件环境、权重版本和衍生关系将难以集中采集，形成看不见的黑箱，这削弱故障排查能力，也让合规审查、责任追溯和异常行为检测变得极其困难。75% 相似待验证模型参数量严重超标会导致 OOM（内存溢出）报错无法启动，轻微超标会借用普通内存使速度大幅下降75% 相似待验证信息论中的信道容量退化可描述模型崩溃过程：每次信号经过有损传输并被重新编码会引入量化误差，若以输出作为下一次输入，误差将以指数级累积74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/486376API
curl https://kongchang.com/api/v1/knowledge/claims/486376MCP
get_claim(id=486376)