大模型“降智”或因算力稀释：算力分配之争

2026年10月7日，LinuxDo 刊文讨论大模型“降智”现象，提出一种观点：新模型放量后用户增多，人均算力被稀释，同时算力还需分给新模型训练，从而导致模型表现下降。文章援引 Kaplan 等人的 Scaling Laws 与 DeepMind 的 Chinchilla 定律作为理论背景：参数量 N、数据量 D 与总计算量 C 之间存在幂律关系；Chinchilla 主张参数与数据应按约 1:1 同步增长，并指出 700 亿参数模型需约 1.4 万亿 token 才算训练充分。该报道为目前唯一来源，所述“算力稀释”仍属观点，尚无其他跟进报道或独立证据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。