Qwen · 2026-02 · スパースMoE · マルチモーダル
Qwen3.5 397B A17B
Qwen3.5 397B A17B は Qwen が 2026-02 に公開した グループ化クエリ注意（GQA） Transformer です。60 層、隠れ次元 4096、コンテキスト長 262,144 トークン。
層スタック
線形 ×45 注意機構 ×15 · 層数 60
主要スペック
| 開発元 | Qwen |
|---|---|
| 公開日 | 2026-02 |
| 総パラメータ | 392.6 B |
| 活性パラメータ | 13.6 B |
| コンテキスト | 262,144 tokens |
| 注意機構 | GQA (32:2) |
| 層数 | 60 |
| 隠れ次元 | 4,096 |
| 注意ヘッド | 32 |
| 語彙数 | 248,320 |
| 位置エンコーディング | learned/absolute |
| 正規化 | RMSNorm |
| 活性化関数 | silu |
| 学習精度 | bf16 |
| アーキテクチャクラス | Qwen3_5MoeForConditionalGeneration |
アーキテクチャ概要
注意機構
グループ化クエリ注意（GQA） — 32 q-heads / 2 kv-heads.
FFN / MoE
スパースなMixture-of-Expertsモデルで、512 個のルーティングエキスパートと top-10 ルーティングを持ち、トークンごとに約 13.6B のパラメータが活性化します。
設定にはデコード高速化のためのマルチトークン予測（MTP）層が 1 個含まれます。
フィールド単位の比較
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。
前世代 Qwen3.5 35B A3B との全フィールド比較
| モデル | Qwen3.5 397B A17B | Qwen3.5 35B A3B | 倍数 |
|---|---|---|---|
| model_type | qwen3_5_moe | qwen3_5_moe | ＝ |
| architectures | Qwen3_5MoeForConditionalGeneration | Qwen3_5MoeForConditionalGeneration | ＝ |
| hidden_size | 4096 | 2048 | ×2.00 |
| num_hidden_layers | 60 | 40 | ×1.50 |
| num_attention_heads | 32 | 16 | ×2.00 |
| num_key_value_heads | 2 | 2 | ≈1 |
| head_dim | 256 | 256 | ≈1 |
| hidden_act | silu | silu | ＝ |
| num_experts_per_tok | 10 | 8 | ×1.25 |
| moe_intermediate_size | 1024 | 512 | ×2.00 |
| max_position_embeddings | 262144 | 262144 | ≈1 |
| rms_norm_eps | 0.000001 | 0.000001 | ≈1 |
| vocab_size | 248320 | 248320 | ≈1 |
| image_token_id | 248056 | 248056 | ≈1 |
| tie_word_embeddings | false | false | ＝ |
| transformers_version | 4.57.0.dev0 | 4.57.0.dev0 | ＝ |
| video_token_id | 248057 | 248057 | ≈1 |
| vision_end_token_id | 248054 | 248054 | ≈1 |
| vision_start_token_id | 248053 | 248053 | ≈1 |
| attention_bias | false | false | ＝ |
| attention_dropout | 0 | 0 | ＝ |
| attn_output_gate | true | true | ＝ |
| dtype | bfloat16 | bfloat16 | ＝ |
| eos_token_id | 248044 | 248044 | ≈1 |
| full_attention_interval | 4 | 4 | ≈1 |
| initializer_range | 0.02 | 0.02 | ≈1 |
構造が最も近いモデル
- Qwen3.5 122B A10B (Qwen, 2026-02) 0.997
- Hunyuan 3 Preview (Hunyuan, 2026-04) 0.996
- Hunyuan 3 Preview Base (Hunyuan, 2026-04) 0.996
- Hunyuan 3 (Hunyuan, 2026-07) 0.996
- Qwen3.5 35B A3B (Qwen, 2026-02) 0.991
- Qwen3.8 2.4T A95B (Qwen, 2026-08) 0.927
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。
config.json の全フィールド
39 フィールド
| architectures | Qwen3_5MoeForConditionalGeneration |
|---|---|
| image_token_id | 248056 |
| model_type | qwen3_5_moe |
| tie_word_embeddings | false |
| transformers_version | 4.57.0.dev0 |
| video_token_id | 248057 |
| vision_end_token_id | 248054 |
| vision_start_token_id | 248053 |
| attention_bias | false |
| attention_dropout | 0 |
| attn_output_gate | true |
| dtype | bfloat16 |
| eos_token_id | 248044 |
| full_attention_interval | 4 |
| head_dim | 256 |
| hidden_act | silu |
| hidden_size | 4096 |
| initializer_range | 0.02 |
| layer_types | linear_attention×45 + full_attention×15 |
| linear_conv_kernel_dim | 4 |
| linear_key_head_dim | 128 |
| linear_num_key_heads | 16 |
| linear_num_value_heads | 64 |
| linear_value_head_dim | 128 |
| max_position_embeddings | 262144 |
| moe_intermediate_size | 1024 |
| mtp_num_hidden_layers | 1 |
| mtp_use_dedicated_embeddings | false |
| num_attention_heads | 32 |
| num_experts | 512 |
| num_experts_per_tok | 10 |
| num_hidden_layers | 60 |
| num_key_value_heads | 2 |
| rms_norm_eps | 0.000001 |
| router_aux_loss_coef | 0.001 |
| shared_expert_intermediate_size | 1024 |
| use_cache | true |
| vocab_size | 248320 |
| mamba_ssm_dtype | float32 |