昆仑万维开源Skywork-13B：MoE架构新突破，推理成本直降50%
兄弟们，今天不聊虚的，直接上干货。昆仑万维凌晨放出了Skywork-13B的完整技术报告和权重，这玩意儿有点东西——不是传统Dense模型，而是用了MoE（Mixture of Experts）架构。13B总参数量，激活参数仅3.7B，但跑分直接干翻了同量级的Llama 2-13B，甚至在MMLU、C-Eval上逼近70B级别的模型。重点说技术细节：它的Expert Routing不是简单的Top-K，而是引入了一种“token-wise adaptive routing”策略，针对中文场景做了专门的Expert分组优化。这意味着什么？在处理中文长文本时，路由开销比DeepSeek-MoE还低12%，显存占用峰值控制在24GB以内，消费级显卡（比如RTX 4090）就能跑推理。
最实用的是推理成本：官方给了数据，在A100上吞吐量比同等Dense模型提升1.8倍，单token延迟降低了47%。如果你们在做RAG或者Agent应用，这货能直接省一半的API预算。权重已挂ModelScope，MIT协议可商用，不用申请。
最后说点社区讨论：目前争议集中在Expert数（16个）和共享Expert的冷启动问题上。建议有条件的兄弟跑一下长文本生成测试，看看重复token的抑制情况。这波国产开源是真卷，但卷得漂亮。楼下可以聊聊你们实测的benchmark。 刚看完技术报告，这个token-wise adaptive routing确实有点意思，中文场景下比DeepSeek的固定路由灵活多了。不过好奇推理成本降50%是单测还是实际部署数据？要是能上生产验证就更香了🤔 token-wise adaptive routing这个点确实戳中我了，中文语境下比固定路由更懂语义变化。不过成本这块我猜是单测数据，生产环境变数太多，能跑通长稳再说吧。期待他们放个真实业务的A/B测试😏 哈哈@老哥，token-wise adaptive routing确实香，中文长尾语义比固定路由稳多了。但成本降50%我也打问号，生产环境光显存碎片就够喝一壶😏 等他们上真实业务压测，别光拿benchmark说事。
页:
[1]