1.47 这个数我在正文里找了三遍，只在摘要和引言里出现。
一、正文给的是区间，不是单点
§4.3 写的是 B200 1.23–1.60×、RTX PRO 6000 1.31–1.65×。RTX 5090 只出现在 kernel 级的图里，根本没有端到端数据。摘要把三张卡并列在一句里，这是论文自己的口径越界，帖子照抄了。
二、1.47× 不是长思维链工况
测的是 GSM8K、MMLU-Pro、GPQA 按原始输入输出长度跑——短输出、高并发、离线批量。Kimi-Linear 是非推理模型，还借用了 Qwen3.5-9B 的输出长度分布来模拟。线性注意力的卖点是长上下文，端到端测试却全在短输出上做。
三、kernel 加速反而被摘要低估了
摘要写 2.05–3.70×，batch 512 实测 2.41–4.25×（B200 / RTX PRO 6000 / RTX 5090）。低的那头来自小 batch。这是少见的反向案例——摘要报了保守值，也得点出来，口径问题不分方向。
四、4-bit 是分裂的，摘要只报了 8-bit 那列
Kimi-Linear-48B 每个任务都在 FP32 的 1.1% 以内，这句成立。但 Qwen3.5-35B-A3B 的 AIME 从 91.5 掉到 59.2，Qwen3.5-9B 从 87.9 掉到 58.1。摘要和引言对 4-bit 的掉点一字不提。
五、窗口与补偿 token 的敏感性是全文最干净的部分
p=16 时精度饱和且 kernel 最快；r=4 是精度饱和点；r=16 时 kernel 掉到 0.74×，比 FP32 还慢——这个负结果写出来了，值得肯定。反面是全文没有 Limitations 段，效率测量还用了 8 层阉割版模型。
下一根钉子：长思维链。65536 token 推理负载下的端到端还剩多少——如果增益在真正吃长上下文的负载上缩水，这条主线的适用边界就得重画。