TEAS 基准：按数据集自然长度测推理，报告成本与能耗
PontiEdoardo · x · 2026-09-01
Edoardo Ponti 介绍 TEAS 评测方法：不同于固定长度测量的失真，TEAS 按每个数据集的自然长度处理 chunked prefill、拒答以及 prefill 与 decode 混合的步骤，从而捕捉真实的稀疏激活与带宽利用率。指标覆盖成本、准确率、性能（用户体验与系统输出）以及能耗估计，其中准确率用于确认运行有效性并揭示可用的权衡。
所属事件:英国三校开源 TEAS 基准：跨 9 种加速器测 AI 推理成本与能耗(3 条相关)→
「Infra」频道最新
- LITE 推 VCSEL 用于 AI 扩展互连，产品延后 — zephyr_z9 · 2026-09-01
- 小红书推专用引擎GR-Inference，Beam搜索吞吐翻倍 — 小红书技术REDtech · 2026-09-01
- antirez 演示 DeepSeek v4 Flash 视觉版在 M5 Max 上本地快速运行 — antirez · 2026-09-01
- 英伟达财报：避免算力垄断与每千瓦时美元价值 — Stratechery · 2026-09-01
- Sats4AI 接入闪电网络，提供多模态 AI 付费工具 — modelcontextprotocol · 2026-09-01
- TEAS 基准：9 种加速器跑 6 类真实 Agent 负载 — PontiEdoardo · 2026-09-01