待验证50% 置信事实精确时间

混合专家模型（MoE）通过门控机制对每个输入token动态选择少数专家激活，从而在保持模型能力的同时降低单次计算开销

1

来源数

50%

置信度

长期有效

时效性

2026/7/12

首次发现

来源

Meta自研AI芯片9月量产：模块化设计破局算力自主

rss2026/7/9

相关事实

待验证混合专家模型（MoE）依赖可学习的路由器对每个输入token动态选择激活少数几个专家模块（Top-K选择）83% 相似待验证MoE通过路由机制让每个输入token动态选择专家处理，实现参数总量大但激活参数少的效率平衡81% 相似待验证混合专家架构（MoE）的核心创新在于条件计算，即由门控网络动态选择少数专家参与计算而非激活全部参数81% 相似已验证MOE架构将模型内部划分为多个专家子网络，每次推理时由门控网络动态选择少数专家参与计算，实际激活参数量远小于总参数量81% 相似待验证前沿模型常采用混合专家架构（MoE）在推理时只激活部分参数，以平衡速度与质量80% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/494688

API

curl https://kongchang.com/api/v1/knowledge/claims/494688

MCP

get_claim(id=494688)