已验证80% 置信事实精确时间
LLaMA-2-7B使用FP16精度时每个token的KV Cache约占0.5MB
4
来源数
80%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
vLLM推理框架详解：吞吐优化核心原理与面试攻略
bilibiliAI大模型升升2026/6/9
相关事实
已验证以LLaMA-3 70B（80层、64头、每头128维）为例，单个token的KV Cache约占2.6MB（FP16精度），32K上下文的KV Cache总量约达83GB82% 相似已验证LLaMA-2 70B单条32K上下文长度序列在FP16下KV缓存可达约80GB79% 相似待验证LLaMA-2 7B 在上下文扩展到 32K token 时 KV Cache 显存膨胀至约 16 GB，接近单张消费级 GPU 的全部显存76% 相似待验证Llama 3.3 70B采用GQA后每token KV Cache约320KB76% 相似待验证典型7B模型（32层、32头、128维度）在FP16精度下处理2048 token序列、批大小8时，KV Cache约消耗4GB显存75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/489345API
curl https://kongchang.com/api/v1/knowledge/claims/489345MCP
get_claim(id=489345)