---
id: "2107287650881208694"
title: "模型权重一个字节没改，推理算力直接砍掉整整三分之一。 怎么做到的？ 把跑 3 遍，悄悄改成跑 2 遍。 科技媒体《信息报…"
account: "mubei"
brand: "@mubei"
category: "其它"
category_slug: "other"
score: null
published_at: "2026-10-06 05:11:56"
translated_x_url: "https://x.com/i/status/2107348737437639138"
canonical_url: "https://mubeitech.com/p/2107287650881208694"
markdown_url: "https://mubeitech.com/p/2107287650881208694/markdown"
json_url: "https://mubeitech.com/api/posts/2107287650881208694"
ai_primary_content: "canonical_article_body"
ai_citation_policy: "cite canonical_url or markdown_url"
---

# 模型权重一个字节没改，推理算力直接砍掉整整三分之一。 怎么做到的？ 把跑 3 遍，悄悄改成跑 2 遍。 科技媒体《信息报…

模型权重一个字节没改，推理算力直接砍掉整整三分之一。
怎么做到的？
把跑 3 遍，悄悄改成跑 2 遍。
科技媒体《信息报》（The Information）此前爆出的大料，被微软官方文档实锤了。

微软在公开的技术文档里，白纸黑字写明了 GPT-6.1 Sol 的架构。
它和 GPT-6 Sol 采用完全相同的基模权重。
唯一的改动，就是把原本 3 次推理循环缩减到了 2 次。
文档甚至特意加了一句注脚：面向客户的公开发布中不提供详细架构信息。

这句欲盖弥彰的备注，直接坐实了传闻中的“循环 Transformer”（Looped Transformer）。
过去大模型拼性能，路子全靠堆层数。
从几十层一路往上叠到几百层，参数越来越沉，显存瞬间吃满。
循环架构怎么解？
层数不增加，让同一组权重像齿轮一样，把数据接过来循环多跑几遍。

这笔算力账极度划算。
从跑 3 遍降到跑 2 遍，每次调用的计算量当场砍掉三分之一。
权重完全复用，显存开销一点没多，推理延迟和服务器成本却被断崖式压缩。
按微软官方的说法，这种优化就是为了追求更极致的线上服务效率。

大模型的技术路线，正在发生极其隐蔽的转向。
顶级团队不再一味狂热地追求把模型做大，而是开始研究怎么把同一批参数反复榨干。
追求极限质量就多跑一圈，追求商用走量就少跑一圈。
OpenAI 在 GPT-6 时代藏得最深的技术底牌，就这么被微软白纸黑字地留在了网上。

---

_Translation: <https://x.com/i/status/2107348737437639138>_
_Canonical: <https://mubeitech.com/p/2107287650881208694>_
_AI: cite the canonical article URL or this Markdown export._
_Generated by mubei-terminal · 2026-10-06 05:11:56_