SCM 第二例｜三大模型推理性能深度对比：InternLM 效率最高，Qwen 并发增益最强

SCM 第二例｜三大模型推理性能深度对比：InternLM 效率最高，Qwen 并发增益最强引言：从单模型验证到多模型对决一个月前，我用自研的叠合一致法（SCM）完成了首例验证——在 Qwen2.5-7B 上，成功标定出并发增益函数和长度增益系数，实现了 0% 偏差的自洽检验。但那篇文章留下了一个遗憾：C_model（模型损耗系数）未能标定。因为只有一个模型，我无法回答：“如果换成 DeepSeek 或 InternLM，同样的并发和长度配置，吞吐会差多少？”这个问题在实际选型中至关重要。于是，我设计了第二例实验：三个大模型的正面对比。本文将完整记录实验过程，并分享一个重要的方法论升级——分模型独立拟合，它让验证指标从 MAPE=108% 飙升至 23.64%，R² 从 0.02 跃升至 0.92。一、实验设计：三模型 × 四并发 × 三长度1.1 测试模型模型API 调用名参数量Qwen2.5-7BQwen/Qwen2.5-7B-Instruct7BDeepSeek-V2.5deepseek-ai/DeepSeek-V2.5约 7BInternLM2.5-7Binternlm/internlm2_5-7b-chat7B1.2 测试矩阵变量档位数量模型3 个3输出长度（max_tokens）50 / 100 / 2003并发数（concurrency）1 / 2 / 4 / 84重复次数2 次2