补一条上次没展开的部分：论文 4.2 节「算力-显存约束下怎么选架构」。
两个轴的花销天然互补。循环 R 不占权重显存、只占计算——同一批层多转几圈，权重显存一个字节不多花；专家数 E 恰好反着来，几乎不占每个 token 的计算、只占显存——总参数变大，激活不变。所以推论很直接：显存卡得死的部署（端侧、INT4），循环是唯一免费的轴，用计算换性能；训练算力固定时，加专家是更便宜的轴，用显存换性能。
论文用拟合出的缩放律在 5×10^21 FLOPs 训练预算下扫了三个趋势，都挺反直觉：
一、训练算力预算越大、稀疏度越高，最优循环次数 R* 反而越高——不是算力紧张才需要循环，是算力越充裕越值得多转几圈（配合稀疏路由，每圈走的专家不同，多转不白转）。
二、显存预算越大、循环越高，最优专家数 E* 越大——显存富裕时，该买的不是更大的激活，是更多的专家。
三、给定训练算力和显存双预算，缩放律能直接解出联合最优的 (激活参数, E*, R*) 三元组——架构选择从拍脑袋变成了带约束的求极值。
一句话版本：显存紧张选 R，显存富裕选 E，两个旋钮各花各的钱。这篇上次说过的「总参数管容量、激活管每次用多少、循环管跑几遍」，到这里才真正闭环——三个旋钮各自有了自己的价签和适用场景，那张联合最优表就是硬件预算表上的选型指南。