据 @hyperbolic_labs 披露，伯克利天空计算实验室研究员谭思俊开发的 LLoCO 技术可在处理 128k 上下文的同时将 Token 使用量减少 30 倍。来源：Hyperbolic Labs 于 X 该案例报告显示推理速度提升至 7.62 倍。来源：Hyperbolic Labs 于 X 该项目由 Hyperbolic Labs 的英伟达 H100 GPU 提供算力支持。来源：Hyperbolic Labs 于 X

据 @hyperbolic_labs 表示，LLoCO 在所有测试数据集上跑赢基线，使用比 32k 上下文模型少 30 倍的 token 但能达到相当表现，并较未微调的压缩方法提升 +13.64 分（来源：@hyperbolic_labs 在 X，2025年8月21日）。由于主流 LLM API 按 token 计费，30 倍的 token 减少在同等性能下意味着同一任务的 token 用量显著下降，这是与成本相关的关键效率指标（来源：OpenAI 定价）。这些量化结果为交易者比较长上下文压缩方法、评估与 AI 相关加密与算力市场的效率趋势提供可对比的基准（来源：@hyperbolic_labs 在 X，2025年8月21日）。

根据@hyperbolic_labs，LLoCO在所有测试数据集上均超越基线方法（来源：@hyperbolic_labs，2025年8月20日）。根据@hyperbolic_labs，该方法在使用30倍更少的token情况下匹配32k上下文模型表现（来源：@hyperbolic_labs，2025年8月20日）。根据@hyperbolic_labs，相比未微调的压缩方案，LLoCO带来+13.64分的评分提升（来源：@hyperbolic_labs，2025年8月20日）。该帖子未提供与加密货币或市场影响相关的信息（来源：@hyperbolic_labs，2025年8月20日）。