Qwen · 2025-04 · 稀疏 MoE

Qwen3 235B A22B

Qwen3 235B A22B 是 Qwen 于 2025-04 发布的分组查询注意力（GQA） Transformer，共 94 层，隐藏维度 4096，上下文窗口 262,144 个 token。

层堆栈

注意力 ×94 · 层数 94

依据随权重发布的 config.json 绘制 · 94 层 / 宽 4,096 / 上下文 262,144。本图为本站原创示意图。

分组查询注意力（GQA） — 64 q-heads / 4 kv-heads. RoPE θ=5,000,000.

它是稀疏混合专家模型：128 个路由专家、top-8 路由；每个 token 约激活 21.7B 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。

与前代 Qwen3 0.6B 的全字段对比

模型	Qwen3 235B A22B	Qwen3 0.6B	倍数
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

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）。

31 个字段