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。
总参数很大、但每次只激活一小部分的稀疏架构。
本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正
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。
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。
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。