模型架构

混合专家

Mixture of Experts (MoE)

总参数很大、但每次只激活一小部分的稀疏架构。

又称 MoE 混合专家模型 稀疏模型

本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正

01 详细解释

每层放多个「专家」前馈网络,再由一个路由器按 token 选其中两三个来计算。效果是容量按总参数算,成本按激活参数算——200B 总参数、20B 激活,跑起来接近 20B 模型的开销。

代价是显存:所有专家都得装进显存,只是不同时算。所以 MoE 模型「跑得便宜、装得贵」,单卡部署门槛反而更高,负载不均时还会浪费算力。

02 什么时候会碰到它
读模型卡、选型或看论文结构时

厂商说「用了 GQA」「换成 MoE」「支持百万上下文」时,指的都是这一层的设计。不必会推导公式,但要知道改动影响的是显存、速度还是表达能力。

03 和这几个词怎么区分
04 接着读这几篇
05 用得到的工具

下面这些站点来自 AI 导航(nav.ppv9.com)的同一份工具清单,按本词条的相关度挑选。

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活