Runcrate的一项测试揭示了开源LLM在感知速度上的显著差异,即使它们生成的可见答案长度相似。研究发现,模型在呈现最终答案之前,通常会生成大量隐藏的推理token,导致实际响应时间远超基准测试的建议。这种隐藏的处理过程占用了相当大的成本和时间,其中Qwen3.8-Flash模型在第一个用户可读token上花费了超过14秒,尽管初始流速很快。该研究还强调了模型之间对于等效输出的价格差异巨大,并指出实施硬性截止时间来限制流式响应的重要性,以防止无限期挂起。 AI
影响 凸显了LLM基准测试速度与真实用户体验之间的差异,影响了UI设计和成本预期。
排序理由 第三方提供商对LLM性能和成本的分析。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →