研究：长序列下扩散模型能效约为自回归2倍
发生了什么
据arXiv论文，在200-600 tokens长序列下，扩散语言模型（LLaDA-8B、Dream-7B）能耗为2.5-2.7 J/token，约为带KV-cache的自回归模型（Llama-3.1-8B、Qwen-2.5-7B）5.3-5.7 J/token的两倍高效。KV-cache使自回归模型能耗降低50-70%。
- 扩散模型能耗
- 2.5-2.7 J/token
- 自回归模型能耗
- 5.3-5.7 J/token
报道与来源
1 篇发布方数量不等于独立核验数量。同稿的多个入口保留在对应报道中。
来源关系与证据边界
按已记录的来源角色展示；连线仅表示原生身份流程确认的同稿入口，不表示独立佐证或跨报道引用。
- 一手材料1 个发布入口