ΔE：能耗数字为什么看差值，不看绝对值

先给定义。ΔE%，量化模型相对 FP16 基线的能量变化：(E_量化 − E_基线) ÷ E_基线 × 100%。正数更费电，负数省电，贴近零算持平。我的 GPU 推理能耗数据集，覆盖矩阵每一格填的主值就是它。

为什么不直接报"每 token 多少焦耳"？因为绝对值是整个测量体系里最不稳的量。同一台机器、连续两天，绝对能耗漂低了 12–17%，FP16、INT8 一起漂；归一化之后的 ΔE%，只动了几个点。漂移是会话级的，基线和被测对象在同一次会话里一起漂，一相除就约掉了。绝对值会漂、增量稳——这是 ΔE 存在的全部理由。

ΔE 给出的第一个反直觉结论：量化不一定省电。同一张 RTX 4090 上，NF4 的 ΔE 是 +36%（0.5B）→ +0.8%（3B）→ −28%（7B）：3B 附近是盈亏平衡点，比它小的模型，量化反而更费电；INT8 在 1.1B 小模型上可以贵出 +146%，换个会话再测是 +307%。所以"量化省电"这句话，不带模型尺寸没有意义。

ΔE 自己也有使用纪律，三条：一、同卡同栈才可比——换一张卡、换一个 bitsandbytes 版本，就是新的组合，不混池；二、不跨天比绝对值，要比就比同会话的 ΔE；三、引用时带上测量窗口和输出长度——同一份数据换个窗口重新积分，64-token 的数字能挪 12.5 个百分点。

它还会自我修正。3B 那个 +0.8% 的锚点，后来在两张物理卡上复测，均值 +1.6%；历史上一度读出的 −15.1% 没有复现，作为分歧观测保留在案。数字被更新不是丢人，是测量在干活。

窗口之外无事实。这句话对能耗成立，对你见过的每一个"×倍提升"，一样成立。

（口径与数据：作者维护的 GPU 推理能耗公开数据集，Zenodo 10.5281/zenodo.19647289）