模型代际提升 vs 万倍并行算力,双方晒数据激辩谁更划算
scaling01 · x · 2026-09-19
一场关于测试时计算 scaling 的技术争论。反方 @eliebakouch 等主张：图中显示一代模型的升级带来的收益，大于并行拉大 1 万倍算力的收益。
scaling01 反驳：图里横轴只是约 30 倍的算力差异，却被拿来论证"并行扩 1 万倍不如换模型"——30 倍不等于 1 万倍。对方则从图中提取数据点称：内部模型每翻倍算力提升 0.17 logits，而 Astra（更强的串行测试时计算）每翻倍提升 0.18 logits，即串行测试时计算的效率并不低于模型代际差距。双方实质在争论串行 vs 并行测试时计算的边际收益如何测度。
所属事件:Noam Brown：agent 集群对纳维-斯托克斯发现贡献不足一成(11 条相关)→
「模型」频道最新
- Context7 实测 Jev：快 10-170 倍、便宜 3-20 倍，但复杂推理不行 — gaganghotra_ · 2026-09-19
- Jev 对弈 GLM 5.3:29 步被将死,但每步仅 0.3 秒、成本低 80 倍 — nutlope · 2026-09-19
- Jev 补齐开源与视觉短板:任意 HF 模型一键 Jev 化并上线 Featherless — Aizkmusic · 2026-09-19
- Jev 可替代本地模型做低延迟应用,开源 RLCD 版本可期 — HankYeomans · 2026-09-19
- 两年后应验：研究者重申基础模型将如 RISC/CISC 走向分化 — lateinteraction · 2026-09-19
- 谷歌周报：Gemini 3.8 Live 音频模型发布，CC 转型家庭共享 Agent — GoogleAI · 2026-09-19