支持私有云部署
AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


Qwen3 即将推出!

发布日期:2025-03-30 19:35:23 浏览次数: 1579 作者:大卷学长
推荐语

Qwen3 系列模型即将带来革命性的性能提升和技术创新。

核心内容:
1. Qwen3 模型的新特性和与传统 MoE 的差异
2. Qwen3MoE 与 Qwen2.5 的技术对比和优势
3. Qwen3MoE 在小参数模型中的性能表现和应用前景

杨芳贤
53A创始人/腾讯云(TVP)最具价值专家
最近在 huggingface/transformers 的 pr 中看到来自 Qwen3 和 Qwen3MoE 的请求。

原文:https://github.com/huggingface/transformers/pull/36878


浏览代码可以看到这次的更新有:

  • https://huggingface.co/Qwen/Qwen3-15B-A2B (MOE model)

  • https://huggingface.co/Qwen/Qwen3-8B-beta

  • Qwen/Qwen3-0.6B-Base

看来本次针对更新的都是一些小参数的模型,比较期待有一个 30-40B 的 MoE


与传统 MoE 的差异

特性:

  • 路由策略: 传统MoE采用全局路由,即所有专家参与计算。Qwen3Moe采用稀疏路由,仅Top-K个专家参与计算。

  • 负载均衡: 传统MoE没有显式优化,容易出现专家坍塌。Qwen3Moe集成load_balancing_loss,以惩罚不均衡的情况。

  • 计算复杂度: 传统MoE的计算复杂度为O(N×E),其中N为序列长度,E为专家数。Qwen3Moe的计算复杂度为O(N×K),其中K为Top-K参数。

  • 动态适应性: 传统MoE使用固定频率的RoPE。Qwen3Moe动态调整RoPE频率,属于动态类型。


与 Qwen2.5 的比较

特性:

  • RoPE类型: Qwen-2.5仅支持静态RoPE。Qwen3Moe支持dynamic、yarn、llama3等多种类型。

  • 稀疏层调度: Qwen-2.5未明确支持。Qwen3Moe通过mlp_only_layers和sparse_step实现灵活控制。

  • 注意力后端: Qwen-2.5仅基础实现。Qwen3Moe集成Flash Attention 2和SDPA加速。

  • 生成缓存管理: Qwen-2.5使用传统KV缓存。Qwen3Moe支持滑动窗口缓存(sliding_window)。

  • MoE实现: Qwen-2.5未使用MoE。Qwen3Moe实现稀疏MoE + 负载均衡损失。


Qwen3Moe 的优势

特性:

  • 动态 RoPE:支持多种缩放策略,适配长序列和不同硬件。

  • 稀疏 MoE:通过 Top-K 路由和负载均衡损-失,提升模型容量与训练稳定性。

  • 高效注意力:集成 Flash Attention 2 和 SDPA,优化生成速度。

  • 模块化设计:继承并扩展 Llama/Mistral 组件,提升代码可维护性。

  • 生成优化:滑动窗口缓存和动态 KV 更新,降低解码内存占用。


总结

目前在小参数模型中,个人总体使用感觉来说,qwen 模型是首选,特别是此次将要更新的 Qwen3-15B-A2B,15B 总参数量的稀疏 MoE 模型,实际激活参数量为 2B,所以要求的硬件设备资源更低,速度可以更快

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询