Kimi · 2025-02 · スパースMoE

Moonlight 16B

Moonlight 16B は Kimi が 2025-02 に公開したマルチヘッド潜在注意（MLA） Transformer です。27 層、隠れ次元 2048、コンテキスト長 8,192 トークン。

層スタック

注意機構 ×27 · 層数 27

同梱の config.json に基づき作図 · 27 層 / 隠れ次元 2,048 / コンテキスト 8,192。図は本サイトのオリジナルです。

マルチヘッド潜在注意（MLA）. kv_lora_rank=512. RoPE θ=50,000.

スパースなMixture-of-Expertsモデルで、64 個のルーティングエキスパートと top-6 ルーティングを持ち、トークンごとに約 2.8B のパラメータが活性化します。

同一開発元の前世代モデルと比較します。前世代がない場合は構造最相似モデルと比較。倍数欄 = 本モデル ÷ 比較対象。

最相似 DeepSeek-V2 Lite との全フィールド比較

モデル	Moonlight 16B	DeepSeek-V2 Lite	倍数
model_type	`deepseek_v3`	`deepseek_v2`	≠
architectures	`DeepseekV3ForCausalLM`	`DeepseekV2ForCausalLM`	≠
hidden_size	`2048`	`2048`	≈1
num_hidden_layers	`27`	`27`	≈1
num_attention_heads	`16`	`16`	≈1
num_key_value_heads	`16`	`16`	≈1
intermediate_size	`11264`	`10944`	×1.03
hidden_act	`silu`	`silu`	＝
n_routed_experts	`64`	`64`	≈1
num_experts_per_tok	`6`	`6`	≈1
n_shared_experts	`2`	`2`	≈1
moe_intermediate_size	`1408`	`1408`	≈1
kv_lora_rank	`512`	`512`	≈1
qk_rope_head_dim	`64`	`64`	≈1
rope_theta	`50000`	`10000`	×5.00
max_position_embeddings	`8192`	`163840`	×0.050
rms_norm_eps	`0.00001`	`0.000001`	×10.00
vocab_size	`163840`	`102400`	×1.60
torch_dtype	`bfloat16`	`bfloat16`	＝
num_nextn_predict_layers	`0`	`—`
attention_bias	`false`	`false`	＝
attention_dropout	`0`	`0`	＝
aux_loss_alpha	`0.001`	`0.001`	≈1
bos_token_id	`163584`	`100000`	×1.64
eos_token_id	`163585`	`100001`	×1.64
ep_size	`1`	`—`

DeepSeek-V2 Lite (DeepSeek, 2024-05) 0.997
GLM-4.7-Flash (GLM, 2026-01) 0.994
Kimi Linear 48B A3B (Kimi, 2025-10) 0.992
DeepSeek-V2 (DeepSeek, 2024-05) 0.983
DeepSeek-V3 (DeepSeek, 2024-12) 0.913
DeepSeek-V3 Base (DeepSeek, 2024-12) 0.913

類似度は 0（共通のカテゴリ特徴なし）から 1（構造プロファイルが完全に一致）の範囲です。

42 フィールド