Qwen · 2025-04 · MoE متناثر

Qwen3 235B A22B

Qwen3 235B A22B هو محول انتباه الاستعلامات المجمّعة (GQA) أصدره Qwen في 2025-04، ويضم 94 طبقة وبعداً مخفياً قدره 4096 ونافذة سياق تبلغ 262,144 رمزاً.

كومة الطبقات

الانتباه ×94 · الطبقات 94

مرسوم من config.json المرفق · 94 طبقة / العرض 4,096 / السياق 262,144. رسم أصلي من هذا الأطلس.

انتباه الاستعلامات المجمّعة (GQA) — 64 q-heads / 4 kv-heads. RoPE θ=5,000,000.

هو مزيج خبراء متناثر يضم 128 خبيراً موجهاً بتوجيه top-8؛ ونحو 21.7 مليار معامل نشطة لكل رمز.

المقارنة مع النموذج السابق في المعمل نفسه؛ وإن لم يوجد فمع النموذج الأقرب بنيوياً. عمود النسبة = هذا النموذج ÷ نموذج المقارنة.

مقارنة كاملة بالسابق Qwen3 0.6B

النموذج	Qwen3 235B A22B	Qwen3 0.6B	النسبة
model_type	`qwen3_moe`	`qwen3`	≠
architectures	`Qwen3MoeForCausalLM`	`Qwen3ForCausalLM`	≠
hidden_size	`4096`	`1024`	×4.00
num_hidden_layers	`94`	`28`	×3.36
num_attention_heads	`64`	`16`	×4.00
num_key_value_heads	`4`	`8`	×0.500
head_dim	`128`	`128`	≈1
intermediate_size	`12288`	`3072`	×4.00
hidden_act	`silu`	`silu`	＝
num_experts_per_tok	`8`	`—`
moe_intermediate_size	`1536`	`—`
rope_theta	`5000000`	`1000000`	×5.00
max_position_embeddings	`262144`	`40960`	×6.40
rms_norm_eps	`0.000001`	`0.000001`	≈1
vocab_size	`151936`	`151936`	≈1
torch_dtype	`bfloat16`	`bfloat16`	＝
attention_bias	`false`	`false`	＝
attention_dropout	`0`	`0`	＝
bos_token_id	`151643`	`151643`	≈1
decoder_sparse_step	`1`	`—`
eos_token_id	`151645`	`151645`	≈1
initializer_range	`0.02`	`0.02`	≈1
max_window_layers	`94`	`28`	×3.36
norm_topk_prob	`true`	`—`
num_experts	`128`	`—`
output_router_logits	`false`	`—`

GLM-4.6 (GLM, 2025-10) 0.999
GLM-4.5 (GLM, 2025-07) 0.999
Qwen3.8 2.4T A95B (Qwen, 2026-08) 0.991
MiniMax-Text-01 (MiniMax, 2025-01) 0.991
MiniMax-M1 (MiniMax, 2025-06) 0.991
GLM-4.5-Air (GLM, 2025-07) 0.989

تتراوح درجات التشابه من 0 (لا سمات فئوية مشتركة) إلى 1 (ملفات بنيوية متطابقة).

31 حقل