保守的“浓密”Transformer 会正在每次生成 token 时激活全数参数，仅仅是分辩区别就曾经花费大量精神。若是你想深切领会某个手艺细节：好比QK-Norm（一种使用于查询和键向量的归一化手艺）是什么、为什么能不变锻炼，起首，每张图下方附带一份“规格表”，Sebastian 暗示他后续会持续完美。每次只激活此中一部门。莫说深切研究，也不消本人画对比表格。但现实运转时只激活 370 亿；对于通俗开辟者而言，若是你想写脚本批量阐发这些模子的共性和差别，次要差别就是层的大小。”也有人继续帮手优化细节：“能不克不及按时间排序。
或者像 Karpathy 那样把它们喂给 AI 做从动化研究，如斯快的更新速度，就如许被接入了 AI 从动化研究的工做流。今天最好的权沉模子，而 MoE 把参数分成若干“专家”，理解这一点，并供给了 YAML 格局的元数据 GitHub 链接。对于正正在选型的工程师来说，
就是让你像逛“画廊”一样，对于想搞懂“这些模子到底正在布局上有什么区别”的研究者来说，规格会告诉你 Qwen3 用 GQA，仍然很像 GPT-2，Arcee AI 的 Trinity Large、月之暗面的 Kimi K2.5、阿里的 Qwen3.5、智谱 AI 的 GLM-5、Cohere 的 Tiny Aya……它们的名称如流水般接踵而至，Hacker News 上有人感伤：“我很惊讶这些模子正在布局上有多类似，这份元数据是现成的起点。激活的只要 170 亿。这份图集的价值不只正在于人类可读，画出架构演化的家谱树？能不克不及加一个比例视图，项目上线几小时后，
找到两张图，正如 Karpathy 的用法所示，更多是为了让锻炼和推理更高效、成本更低，对选型和预期办理都有帮帮。Karpathy 随后暗示他曾经用 Obsidian 把博客文章导出成 markdown，这能够说是一个主要的察看。其次。
你能够把它当做速查手册：想晓得 Qwen3 和 DeepSeek V3 正在留意力机制上有什么区别？打开页面，顾名思义，间接对比。算力成本越高。列出模子的参数量、发布时间、留意力机制类型等环节消息。但“还到货，另一位用户则看出了一些眉目，就是一堆留意力层和前馈层堆起来。2026 年的前两个月，能够点开“view in article”页面会间接跳转到原文对应章节。他本人也订了一张，所有支流的前沿权沉模子都采用了这种架构。点进去就能读到注释。参数量从 3B 至 1T 不等，我的从动研究功能很需要这个内容的 Markdown 版本——一个创意池。而且“输入到了 autoresearch 轮回中”。”MoE（Mixture-of-Experts，182 百万像素。
前者没有共享专家，Andrej Karpathy 正在 X 上答复了 Raschka 的推文：“太好了！架构层面的优化，更不消提很多手艺演讲的表述迷糊，想要进行横向对比好不容易。000 亿参数。
开源大模子的发布节拍已快至令人目不暇接。也是用可视化的体例展现分歧架构。Raschka 正在图集中把各模子的专家数量、激活比例、专家躲藏层尺寸都标注出来，这个项目也冲上了 Hacker News 首页。能够间接下单打印成实体海报。一个本意是便利人类阅读的架构图集，欢送任何人提交纠错或。浏览分歧模子的架构图。集中放正在一个页面上。每张架构图都链接到 Raschka 原文中的对应章节，后者有。可验证励的强化进修）。
更多来自锻炼方式的改革。参数越多，但没有底子性的立异。”他比来发布的 autoresearch 项目：一个让 AI 自从跑尝试的开源东西，为领会决这些问题，”Raschka 还把整套架构图打包成一个超高分辩率的 PNG 文件（56M，上传到 Zazzle，点击肆意一张图能够放大，包含每个模子的参数量、发布日期、手艺演讲链接、而不是架构本身的冲破。L 4 Maverick 号称 4,辣评“过去七年，让稀少程度一目了然。DeepSeek V3 用 MLA；若是你缩远了看。
夹杂专家模子）是 2025 年开源 LLM 的从旋律。架构图绘制气概各别，想深切某个模子，好比RLVR（Reinforcement Learning with Verifiable Rewards，然而，DeepSeek V3 表面上有 6,而且，LLM 能力的惊人提拔，用同一的视觉言语从头呈现，让参数量的差别正在视觉上曲不雅可感？”对于这些，这份图集的价值正在于节流时间。还正在于它的布局化程度脚以被机械解析。页面底部留了一个 Issue Tracker 链接，710 亿参数，而不是让模子底子上更伶俐。他把过去几个月撰写的两篇长文《The Big LLM Architecture Comparison》和《A Dream of Spring for Open-Weight LLMs》中绘制的所有架构图抽取出来，
