一句话定义：Chinchilla 最优（Compute-Optimal Training）说的是——当训练算力预算（compute budget）固定时，模型参数量（parameters）和训练数据量（tokens）之间存在一个近似最优的配比；按这个配比配资源训出来的模型，通常比"参数堆得很大、数据喂得很少"的模型效果更好。
打个比方。你有一笔固定的备考经费要培养一个考生：一边是请一个脑子更大的博士生，一边是给他多买习题。钱是有限的。请了博士生却只让他做三套题，脑容量根本用不上；请个普通人让他刷三千套题，反而可能考得更好。这里的"脑容量"是参数量，"刷题量"是训练 token 数，"经费"就是算力。
DeepMind 在 2022 年发表的这项工作（论文常被称作 Chinchilla）做了几百组不同规模的对照训练，结论大致是：参数量和 token 数应该接近等比例增长，粗略的经验值是每 1 个参数配 20 个左右的训练 token。按这个思路训出来的 70B 模型，在很多任务上反超了参数量是它四倍的 280B 模型。具体数字和实验结论以论文及官方页面为准。
和相邻概念的区别
| 概念 | 关心的问题 | 结论偏向 |
|---|---|---|
| Kaplan 缩放律（约 2020） | 规模变大，loss 怎么降 | 参数优先，预算更多花在参数量上 |
| Chinchilla 最优 | 预算固定，参数和数据怎么分 | 两者大致等比例增长 |
| 部署视角的"过训练" | 延迟、显存、单价也要算进去 | 故意用小模型喂超量数据 |
注意：Chinchilla 最优只优化训练阶段的算力利用率。真实业务里推理成本（inference cost）往往比训练成本更贵，所以业界常常反着来——用更小的模型、喂远超 20 倍参数量的数据，牺牲一点训练效率换推理便宜。这不矛盾，只是把目标从"训练最省"换成了"全生命周期最省"。
对从业者的意义
1. 预算分配是第一决策。定好算力，先推需要多少 token，再定模型多大，而不是先拍一个参数量。
2. 数据成了硬瓶颈。配比摆在那儿，参数涨就得数据跟着涨，数据清洗、去重、合成数据的价值随之上升。
3. 别当成物理定律。这是拟合出的经验规律，架构、数据质量、训练策略一变，最优配比就会漂移，最好用自己小规模实验的结果校准。