已验证80% 置信基准精确时间

以LLaMA-2 70B为例，处理4096 token上下文、批量大小32时，KV Cache可消耗超过80GB显存

4

来源数

80%

置信度

长期有效

时效性

2026/7/15

首次发现

来源

软硬协同设计：构建硬件友好的LLM架构指南

相关事实

已验证LLaMA-2-70B在128K上下文长度下单请求KV Cache可占用超过160GB显存82% 相似待验证100万Token在FP16精度下仅KV Cache一项即可消耗数百GB显存，远超单张A100/H100的80GB容量上限82% 相似已验证当上下文长度扩展至百万Token时，KV Cache本身就会占用数十GB显存81% 相似已验证以LLaMA-2 70B模型为例，2048 token的序列需约4GB显存仅用于KV缓存80% 相似待验证对于一个32层、4096维的模型,处理2048个Token的KV Cache约占用1GB显存80% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/512128

API

curl https://kongchang.com/api/v1/knowledge/claims/512128

MCP

get_claim(id=512128)