01 详细解释
分两个阶段:预填充(prefill)把你给的上下文一次性读完,算得快、吃算力;解码(decode)逐 token 生成,慢、吃显存带宽。首字延迟主要由前者决定,出字速度主要由后者决定。
优化手段也对应分两路:预填充侧靠提示词缓存、批处理;解码侧靠投机解码、量化、更小的模型。
分两个阶段:预填充(prefill)把你给的上下文一次性读完,算得快、吃算力;解码(decode)逐 token 生成,慢、吃显存带宽。首字延迟主要由前者决定,出字速度主要由后者决定。
优化手段也对应分两路:预填充侧靠提示词缓存、批处理;解码侧靠投机解码、量化、更小的模型。
同样一个模型,费用能差十倍,差别全在缓存、批处理、量化、并行和让它想多久。做容量规划、选部署方式、谈单价,都绕不开这几个词。
下面这些站点来自 AI 导航(nav.ppv9.com)的同一份工具清单,按本词条的相关度挑选。