Kimi · 2025-02 · 稀疏 MoE

Moonlight 16B

Moonlight 16B 是 Kimi 于 2025-02 发布的多头潜在注意力（MLA） Transformer，共 27 层，隐藏维度 2048，上下文窗口 8,192 个 token。

层堆栈

注意力 ×27 · 层数 27

依据随权重发布的 config.json 绘制 · 27 层 / 宽 2,048 / 上下文 8,192。本图为本站原创示意图。

多头潜在注意力（MLA）. kv_lora_rank=512. RoPE θ=50,000.

它是稀疏混合专家模型：64 个路由专家、top-6 路由；每个 token 约激活 2.8B 参数。

对比对象为同实验室的上一代模型；无前代时取结构最相似的模型。倍数列 = 本模型数值 ÷ 对比模型数值。

与最相似 DeepSeek-V2 Lite 的全字段对比

模型	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

相似度取值范围 0（无共同类别特征）到 1（结构画像完全一致）。

42 个字段