待验证50% 置信事实精确时间
MoE模型每次只读取激活的部分参数，速度比同量级稠密模型快得多，例如GLM 5.3 Flash每token仅读约30GB
1
来源数
50%
置信度
长期有效
时效性
2026/9/10
首次发现
来源
涉及实体
相关事实
待验证MoE与量化技术结合可使16GB内存的笔记本运行数百亿参数的MoE模型成为可能67% 相似待验证MoE模型采用稀疏激活，Qwen 3.5 122B总参数122B但每次推理仅激活约10B，需将全部参数加载进内存，对内存容量极度敏感66% 相似待验证选容量时注意：该系列不同容量的实际读写速度可能存在差异，大容量版本通常读速更接近标称值65% 相似待验证顺序读取约14700MB/s的峰值速度主要体现在大文件连续读写场景（如4K视频素材拷贝），随机小文件性能提升相比上代没有同比例的飞跃64% 相似待验证Flash Attention通过重新组织计算顺序减少GPU高带宽内存的读写次数，在不改变计算结果的前提下实现2-4倍的速度提升63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/887796API
curl https://kongchang.com/api/v1/knowledge/claims/887796MCP
get_claim(id=887796)