Claude Mythos 5 的总参数规模可能达到 10T，相比 Opus 4.8 的 1–2T 又提升了约 5 倍；同时采用更大的 MoE 架构，专家数量可能提升到约 256 个，推理激活参数也来到约 500B–1T。
1. MOE模型参数量及专家数量的提升，推动了 Scale Up 域的扩张。
2. Chatbot式的推理范式向Agent/Coding时代的转向，使得机柜间 Scale Up 的产品形态成为必然。
目前英伟达的NVL 576 的产品规划已经非常清楚：通过 8 个机柜并联，形成一个更大的 Scale Up 域来承接 Agent/Coding 的需求。而未来其他 ASIC/GPU 厂商也很难绕开这条路。无论是 AWS Trainium、Meta MTIA，还是 AMD MI450，只要它们也要服务更大的 MoE 模型、更复杂的 Agent/Coding 任务，就都需要思考如何把 Scale Up 从单机柜扩展到多机柜。
1. 模型参数量、专家数量和推理激活规模继续提升，会系统性抬高 Scale Up 域的重要性；而 Coding/Agent 作为下一阶段大模型竞争的主战场，更大的 Scale Up 域将不仅关系到模型运行效率，更会直接影响产品时延、用户体验和商业竞争力。
2. 未来单机柜继续堆密度的边际性价比会下降，相比把功率、散热和互连压力都压在一个机柜里，通过机柜间 Scale Up 把低延迟计算域扩展出去，会成为更现实、也更重要的系统方案，并带来 NPO 和 CPO 用量的大幅提升。
重点推荐：
欢迎联系：舒迪/刘梦磊
1、本站部分资源源自互联网，如内容存在侵权行为或未标明出处的情况，您可通过邮箱 meiritouyan@qq.com 与我们联系，我们将尽快进行处理。
2、如遇本站资源无法下载、无法查看，请及时联系我们，我们将第一时间修复。
