微信扫码
添加专属顾问
我要投稿
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
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
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。
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。
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。
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
2025-04-23
超强辅助,Bolt.diy 一步搞定创意建站
2025-04-22
AI新手村:Hugging Face
2025-04-22
6.4K star!轻松搞定专业领域大模型推理,这个知识增强框架绝了!
2025-04-22
mcp-sse-webui可视化实战项目:基于MCP的webui服务,支持连接多个sse服务端(附完整源码)
2025-04-22
008-蹭了个热点,一次对内部普通人的DeepSeek培训课
2025-04-22
大模型部署框架Ollama和vLLM怎么选?一文讲透两大框架的优缺点和适用场景
2025-04-22
爬虫新宠Crawlee:解锁数据抓取与自动化的超能力
2025-04-21
AI大模型火热,将 Hugging Face大模型转换为 GGUF 为何受关注?
2025-01-01
2024-07-25
2025-01-21
2024-05-06
2024-09-20
2024-07-20
2024-06-12
2024-07-11
2024-08-13
2024-12-26
2025-04-21
2025-04-19
2025-04-17
2025-04-15
2025-04-13
2025-04-10
2025-04-07
2025-04-03