v1.937.1243.424187 安卓最新版
v9.536.3051.130563 安卓最新版
v4.896 最新版
v3.849.7484.262704 IOS版
v3.85.9074.161922 IOS版
v3.145 PC版
v8.476.3318.438811 最新版
v2.128.7198 安卓免費版
v5.462 IOS版
v3.250.7346 安卓免費版
v8.543 安卓免費版
v5.957.5750.892394 安卓免費版
v5.150.9086 安卓最新版
v9.579 IOS版
v9.495 PC版
v4.287.2358 安卓版
v1.529.1342 PC版
v1.901.6790.869344 安卓最新版
v6.92.9934.457712 安卓版
v1.960.9477.721559 安卓版
v1.188 安卓版
v4.604.9887.517393 IOS版
v8.573.624.69436 安卓版
v4.842.1973.99421 安卓最新版
v4.531.4983.398622 安卓最新版
v1.194.7467 安卓最新版
v1.66.4049.380955 安卓最新版
v1.688.6578.195877 安卓免費版
v8.920 最新版
v4.860.1381.372132 IOS版
v6.500 IOS版
v1.531.7213.518342 安卓最新版
v3.596 PC版
v7.255 安卓免費版
v9.643 PC版
v8.133 安卓免費版
v4.668.2043 最新版
v4.431.4756.130735 安卓免費版
v3.404.8433.547813 PC版
v1.624 最新版
v3.19.8707 安卓版
v6.665.3031.198362 安卓版
v6.855.443 PC版
v2.864.3626 安卓漢化版
v8.586 PC版
v1.840.3131 最新版
v8.915.8155 最新版
v8.491.708.644486 安卓免費版
v7.60 安卓最新版
v3.823 安卓版
v9.859.7218.669066 安卓版
v5.215.4650.821665 安卓漢化版
v3.830.6606.483306 安卓免費版
v1.146.6857.495783 安卓免費版
v8.102 安卓版
v7.600 安卓漢化版
v7.51.4705.579779 IOS版
v2.107.2603.966924 安卓免費版
v3.270.7813 IOS版
v4.441.3502.603625 安卓版
v1.674.5845.362178 安卓最新版
v6.38.1496.348457 安卓漢化版
v7.154.7629.13723 PC版
v5.397.9351 最新版
v2.76.7418.332921 PC版
v2.18 安卓版
v1.321.4348.890520 IOS版
v4.484.151 安卓漢化版
v6.201 安卓免費版
v5.255.4282 安卓版
v7.930.2685.362863 安卓漢化版
v9.722 安卓版
v7.348 安卓最新版
v9.206 最新版
v7.521.4494.4670 最新版
v7.108 安卓漢化版
v9.876.4605.324167 安卓漢化版
v4.31 安卓版
v4.177.5760.506647 安卓版
v4.349.3658.289219 安卓免費版
必赢亚洲手机版
闻乐 发自 凹非寺量子位 | 公众号 QbitAI
Transformer的时代,正在被改写。
月之暗面最新发布的开源Kimi Linear架构,用一种全新的注意力机制,在相同训练条件下首次超越了全注意力模型
在长上下文任务中,它不仅减少了75%的KV缓存需求,还实现了高达6倍的推理加速。
有网友表示期待:这个架构下的Kimi K2.5何时来??
不过,咱还是先来看一下Kimi Linear是如何挑战传统Transformer的。
让注意力真正线性化
Transformer确实聪明,但聪明得有点太烧钱。
它的注意力机制是全连接的,每个token都要和其他所有token打交道。
计算量也随着输入长度呈平方增长(O(N?)),而且每生成一个新词,还要查一遍之前的所有缓存。
这就导致推理阶段的KV Cache占显存极大,尤其是在128K以上的上下文中,显卡直接崩溃警告。
模型越强,显卡越崩,钱包越痛。
所以,过去几年无数团队都在研究线性注意力,希望把计算从 O(N?) 降到 O(N),让模型能又快又省。
但问题是,以前的线性注意力都记不住东西,快是快了,but智商打折。
现在,Kimi Linear以既要又要还要的姿态登场了。
Kimi Linear的核心创新是Kimi Delta Attention(KDA)
它在原有线性注意力的基础上,引入了细粒度遗忘门控,不再像传统线性注意力那样一刀切地遗忘,而是让模型可以在每个通道维度上独立地控制记忆保留,把重要信息留下,把冗余信息扔掉。
更关键的是,KDA的状态更新机制是基于一种改进的Delta Rule(增量学习规则)。
它在数学上保证了稳定性,即使是在百万级token序列中,梯度也不会爆炸或消失。
这也让Kimi Linear能在超长上下文中跑得稳。
整个模型采用3:1的混合层设计,每3层线性注意力(KDA)后加1层全注意力。这样既保留全局语义的建模能力,又能在多数层用线性计算节省资源。
团队还干脆把传统的RoPE(旋转位置编码)砍掉,让KDA自己通过时间衰减核函数学习序列位置信息。
结果,没有RoPE,模型反而更稳、更泛化。
在KDA的状态更新过程中,Kimi Linear用了一种叫Diagonal-Plus-Low-Rank(DPLR)的结构。
核心思路是把注意力矩阵拆成「对角块+低秩补丁」,这样GPU在并行计算时能一次性处理新万博体育:内容,吞吐率直接翻倍。
此外,团队还引入了分块并行计算和kernel fusion优化(内核融合),极大地减少了显存I/O开销。
在工程部署上,它还能无缝对接vLLM推理框架,不需要改模型结构,也不需要改缓存管理,直接替换即可。
这意味着,任何基于Transformer的系统在理论上都能一键升级为Kimi Linear。
实验结果显示,在相同训练规模下,比如1.4T tokens,Kimi Linear在MMLU、BBH、RULER、GPQA-Diamond等多个基准测试上全面超越Transformer。
长上下文推理中,解码速度提升最高达6倍,KV缓存减少75%。
不仅没丢精度,还在数学推理、代码生成等任务上更稳定、更高分。
One More Thing
不得不说,Transformer的地位正在被重新审视。
Mamba的作者曾用长文论述Transformer并非最终解法,状态空间模型(SSM)在长序列建模和高效计算上展现出强大的替代潜力,这也让人们重新思考注意力是否真的是唯一答案。
之前谷歌推出的MoR架构,探索用递归结构取代部分注意力,通过动态计算深度来减少冗余推理,进一步提升效率。
苹果公司也在多项研究中倾向采用Mamba,而非传统Transformer,理由很现实——SSM架构更节能、延迟更低、适合在终端设备上部署。
现在,Kimi Linear则从另一条路线突围,在线性注意力方向上取得突破。
或许这也预示着,AI架构正在告别对传统Transformer的路径依赖,迈向多元创新时代。
但值得一提的是,刚刚坐上开源模型王座的MiniMax M2,却重新用回了全注意力机制。
技术报告:https://huggingface.co/moonshotai/Kimi-Linear-48B-A3B-Instruct
— 完 —
相关版本
多平台下载
查看所有0条评论>网友评论