根据这篇文章，作者指出LLM最大的限制之一是上下文长度，在现在的transformer架构下，较长的上下文窗口会显著增加内存使用。不过当前世界正陷入内存短缺的情况下。 
因此在这种状况下，编程语言的“Token效率”到底有多高可能就会产生巨大的差异。 
作者利用Claude Code环境以及Hugging Face 的 Xenova/gpt-4 分词器（OpenAI GPT4 同款），来进行RosettaCode的编译任务。RosettaCode算是编程百科，里面有很多编程任务可以选择！ 
最后的结果如下： 
 [IMG_5062] 
前五名分别是Clojure、Julia、Ruby、Perl以及Python！ 
而最后三名是C、C++以及C#！ 
不知道这样的结果是不是在大家的预期之内呢？欢迎一起讨论一下！