知识卡片
逐token生成累积延迟
自回归模型逐token生成输出,所以单token耗时会随输出长度累积。原书用每token 10毫秒、100个token约1秒说明生成部分的量级;这不是实测结果,也没有涵盖全部请求开销。降低成本和响应等待因此成为重要工程任务。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
如果模型生成一个token需要10毫秒,那么生成100个token就需要1秒,更长的输出耗时更久。随着用户的耐心消耗殆尽,将AI应用的延迟降低到典型互联网应用所期望的100毫秒(参见“Location,Location, Partition: How
参考来源
- 位置:《AI工程:大模型应用开发实战》第1章《基于基础模型构建AI应用入门》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section009.xhtml)
- 结论依据:本段对概念、机制与限制条件的解释支撑正文;历史模型名称仅作原书例子,不外推为当前产品规格。
- 原始内容:如果模型生成一个token需要10毫秒,那么生成100个token就需要1秒,更长的输出耗时更久。随着用户的耐心消耗殆尽,将AI应用的延迟降低到典型互联网应用所期望的100毫秒(参见“Location,Location, Partition: How