待验证50% 置信事实精确时间
在DeepSeek-V4.1-Flash中，只有四个层负责写入压缩后的KV，模型其余部分共享这份缓存
1
来源数
50%
置信度
长期有效
时效性
2026/9/15
首次发现
来源
涉及实体
相关事实
已验证量化KV缓存（如FP8或INT4存储KV向量）可将缓存大小压缩到原来的1/2甚至1/470% 相似待验证Towards AI最终选择采用DeepSeq V4 Flash加混合检索，记忆策略尽量保留全部并设30K token压缩阈值作为兜底70% 相似待验证GQA通过让多个查询头共享同一组KV头，可将KV缓存体积压缩至原来的1/4至1/867% 相似待验证KV缓存量化选择Q4_0，能将缓存体积压缩到FP16的约四分之一，且对输出质量影响远小于模型权重量化66% 相似已验证MLA将KV对压缩到低维潜在空间中进行缓存，推理时通过上投影矩阵恢复完整的Key和Value，将KV缓存压缩了数倍66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/921484API
curl https://kongchang.com/api/v1/knowledge/claims/921484MCP
get_claim(id=921484)