一个 Token 值多少算力？MoA 测量充分计算量
原文标题：What Does a Token Cost? A Mixture-of-Agents Measurement of Sufficient Per-Token Compute
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出大模型对每个 token 花费相同算力，而投机解码与模型路由的前提是大量算力冗余，但单个 token 实际所需算力从未被测量。作者通过 Mixture-of-Agents 视角，用十五个不同容量模型逐 token 复现参考序列，将最小成功智能体的推理成本定义为该 token 的充分算力。结果显示 0.5B 智能体可复现 92–95% 的参考 token，最贵 10% 的 token 占估计 FLOPs 的 64–80%，该映射可帮助模型路由将延迟从 7.59 秒降至 5.12 秒并略微提升准确率。
- 问题
- 大模型对每个 token 花费相同算力，但单 token 实际所需算力从未被测量。
- 方法
- 用十五个不同容量模型逐 token 复现参考序列，以最小成功智能体的成本定义充分算力。
- 结果
- 0.5B 智能体复现 92–95% token，最贵 10% token 占 64–80% FLOPs，路由延迟 7.59 秒降至 5.12 秒。
- 影响
- 为投机解码与模型路由提供可量化的算力分配依据，直接降低推理延迟与成本。
深读 · 结论先行AI 生成展开看要点与影响 ↓
用15个模型逐token复现测出充分算力：最贵10%的token占FLOPs的64–80%。
- •以Mixture-of-Agents视角，用三个家族15个递增容量模型逐token复现参考序列
- •最小成功智能体的推理成本被定义为该token的充分算力上界
- •0.5B智能体即可复现92–95%的参考token
- •最贵10%的token占估计FLOPs的64–80%，算力分配高度不均
- •该映射助模型路由把延迟从7.59秒降至5.12秒并略升准确率；草稿token减少32.6%
为什么重要：投机解码与模型路由此前建立在「算力冗余」的假设上，这条给出了逐token的量化依据，对推理成本优化有直接参考价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。