Qwen · 2026-02 · 稀疏 MoE · 多模态
Qwen3.5 397B A17B
Qwen3.5 397B A17B 是 Qwen 于 2026-02 发布的 分组查询注意力（GQA） Transformer，共 60 层，隐藏维度 4096，上下文窗口 262,144 个 token。
层堆栈
线性 ×45 注意力 ×15 · 层数 60
关键参数
| 实验室 | Qwen |
|---|---|
| 发布时间 | 2026-02 |
| 总参数 | 392.6 B |
| 激活参数 | 13.6 B |
| 上下文 | 262,144 tokens |
| 注意力 | GQA (32:2) |
| 层数 | 60 |
| 隐藏维度 | 4,096 |
| 注意力头 | 32 |
| 词表 | 248,320 |
| 位置编码 | learned/absolute |
| 归一化 | RMSNorm |
| 激活函数 | silu |
| 训练精度 | bf16 |
| 架构类名 | Qwen3_5MoeForConditionalGeneration |
架构概览
注意力
分组查询注意力（GQA） — 32 q-heads / 2 kv-heads.
前馈 / MoE
它是稀疏混合专家模型：512 个路由专家、top-10 路由；每个 token 约激活 13.6B 参数。
配置中包含 1 个额外的多 token 预测（MTP）层，用于加速解码。
字段级对比
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 Qwen3.5 35B A3B 的全字段对比
| 模型 | 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 |
结构最相似的模型
- 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
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）。
原始 config 字段
39 个字段
| 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 |