概念
别名：规模化定律、scale laws
描述模型性能随数据、参数和计算量增长的规律，是当前 AI 发展的核心驱动力。
已跟踪 3 条高相关材料
最近变化
2026-06-02 · Transformer 是目前最强的可扩展模型，但并非智能的终极答案
为什么值得关注
scaling laws 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
Anthropic 兄妹 Dario Amodei 和 Daniela Amodei 最新对话：Claude 为什么一直限速？
宝玉的分享 · 9.2 分
Anthropic 联合创始人兄妹 Dario 与 Daniela Amodei 揭示 Claude 限速主因：2026 年 Q1 实际增速年化达 80 倍，远超原定 10 倍算力规划。公司正通过 SpaceX 等大规模算力合作应对，并强调开发者是 AI 经济扩散的先行指标。
#568. Transformer辩论：如何理解下一代智能之争
跨国串门儿计划 · 9 分
Transformer 架构虽仍主导当前 AI 发展，但其局限性促使 postTransformer 路径探索；未来智能可能来自混合架构与更高效推理机制，而非单一范式。
Are scaling laws finally working for time series foundation models? Today, @datadoghq is releasing ...
clem 🤗(@ClementDelangue) · 8.5 分
Datadog 发布 Toto 2.0，首次实现时间序列基础模型的规模定律，参数从 4M 到 2.5B 均表现优于前代。
已收录 3 条与 scaling laws 相关的内容，按评分排序。
Anthropic 联合创始人兄妹揭示 Claude 限速主因：2026 年 Q1 实际增速年化达 80 倍，远超原定 10 倍算力规划。公司正通过 SpaceX 等大规模算力合作应对。
入选理由：Claude 限速因实际使用增速达年化 80 倍，远超 Anthropic 按 10 倍设计的算力弹性。
Transformer 架构虽仍主导当前 AI 发展，但其局限性促使 postTransformer 路径探索；未来智能可能来自混合架构与更高效推理机制，而非单一范式。
入选理由：Transformer 是目前最强的可扩展模型，但并非智能的终极答案
Datadog 发布 Toto 2.0，首次实现时间序列基础模型的规模定律。
入选理由：Toto 2.0 参数范围覆盖 4M 到 2.5B，每个版本均超越前代性能。
