中國最大開源MoE模型，255B參數無條件免費商用，元象發布

今天小編分享的科學經驗：中國最大開源MoE模型，255B參數無條件免費商用，元象發布，歡迎閲讀。

元象 XVERSE 發布中國最大 MoE 開源模型：

XVERSE-MoE-A36B，該模型總參數 255B，激活參數 36B，達到 100B 模型性能的「跨級」躍升。

同時訓練時間減少 30%，推理性能提升 100%，使每 token 成本大幅下降。

在多個權威評測中，元象 MoE 效果大幅超越多個同類模型。

包括國内千億 MoE 模型 Skywork-MoE、傳統 MoE 霸主 Mixtral-8x22B 以及 3140 億參數的 MoE 開源模型 Grok-1-A86B 等。

MoE（Mixture of Experts）是業界最前沿的混合專家模型架構，将多個細分領網域的專家模型組合成一個超級模型，打破了傳統擴展定律（Scaling Law）的局限，可在擴大模型規模時，不顯著增加訓練和推理的計算成本，保持模型性能最大化。

出于這個原因，行業前沿模型包括谷歌 Gemini-1.5、OpenAI 的 GPT-4 、馬斯克旗下 xAI 公司的 Grok 等大模型都使用了 MoE。

值得一提的是，元象「高性能全家桶」系列全部開源，無條件免費商用，讓海量中小企業、研究者和開發者能按需選擇。

中國最大 MoE 開源模型

今年 4 月，元象推出 XVERSE-MoE-A4.2B，與傳統 MoE（如 Mixtral 8x7B）将每個專家大小等同于标準 FFN 不同，元象采用更細粒度的專家設計，每個專家大小僅為标準 FFN 的四分之一，提高了模型靈活性與性能；還将專家分為共享專家（Shared Expert）和非共享專家（Non-shared Expert）兩類。

共享專家在計算過程中始終保持激活狀态，而非共享專家則根據需要選擇性激活。這種設計有利于将通用知識壓縮至共享專家參數中，減少非共享專家參數間的知識冗餘。

此次推出 XVERSE-MoE-A36B，繼續在 MoE 效率和效果方面進行技術創新。

（1）效率方面

MoE 架構與 4D 拓撲設計：MoE 架構的關鍵特性是由多個專家組成。由于專家之間需要大量的信息交換，通信負擔極重。為了解決這個問題，我們采用了 4D 拓撲架構，平衡了通信、顯存和計算資源的分配。這種設計優化了計算節點之間的通信路徑，提高了整體計算效率。

專家路由與預丢棄策略：MoE 的另一個特點是 " 專家路由機制 "，即需要對不同的輸入進行分配，并丢棄一些超出專家計算容量的冗餘數據。為此團隊設計一套預丢棄策略，減少不必要的計算和傳輸。同時在計算流程中實現了高效的算子融合，進一步提升模型的訓練性能。

通信與計算重疊：由于 MoE 架構的專家之間需要大量通信，會影響整體計算效率。為此團隊設計了 " 多維度的通信與計算重疊 " 機制，即在進行參數通信的同時，最大比例并行地執行計算任務，從而減少通信等待時間。

（2）效果方面

專家權重：MoE 中的專家總數為 N ，每個 token 會選擇 topK 個專家參與後續的計算，由于專家容量的限制，每個 token 實際選擇到的專家數為 M，M<=K<N。被選擇到的專家計算完之後，會通過加權平均的方式匯總得到每個 token 的計算結果。這裏專家的權重如何設定是一個問題，我們通過對比實驗的方式來進行選擇。

根據對比實驗的效果，我們選擇實驗 2 的設定進行正式實驗。

實驗 1：權重在 topM 範圍内歸一化

實驗 2：權重在 topK 範圍内歸一化

實驗 3：權重在 topN 範圍内歸一化

實驗 4：權重都為 1

實驗結果如下：

假設 N=8，K=4，M=3（2 号專家上 token 被丢棄），不同專家權重的計算方式所得的權重如下圖：

這讓模型不再被初始語料集所限制，而是能夠持續學習新引入的高質量數據，提升了語料覆蓋面和泛化能力。同時通過調整采樣比例，也有助于平衡不同數據源對模型性能的影響。

△不同數據版本的效果曲線圖

學習率調度策略（LR Scheduler）：在訓練過程中動态切換數據集，雖有助于持續引入新知識，但也給模型帶來了新的适應挑戰。為了确保模型能快速且充分地學習新進數據，團隊對學習率調度器進行了優化調整，在每次數據切換時會根據模型收斂狀态，相應調整學習率。實驗表明，這一策略有效提升了模型在數據切換後的學習速度和整體訓練效果。

下圖是整個訓練過程中 MMLU、HumanEval 兩個評測數據集的效果曲線圖。

訓練過程中 MMLU、HumanEval 的性能曲線持續拔高

通過設計與優化，元象 MoE 模型與其 Dense 模型 XVERSE-65B-2 相比，訓練時間減少 30%、推理性能提升 100%，模型效果更佳，達到業界領先水平。

不過此次也不是元象第一次開源。

2023 年 11 月，此前國内大部分開源參數多在 7B 到 13B，而行業共識是模型達到 50 到 60B 參數門檻，大模型才能 " 智能湧現 "，生态亟需 " 大 " 模型時，元象率先開源了 XVERSE-65B，是當時中國最大參數開源。

2024 年 1 月，元象又開源全球最長上下文視窗大模型，支持輸入 25 萬漢字，還附手把手訓練教程，讓大模型應用一舉進入 " 長文本時代 "。

此次國内最大參數 MoE 開源，又是給生态貢獻了一個助推低成本 AI 應用利器。

已落地應用

MoE 訓練範式具有「更高性能、更低成本」優勢，元象在通用預訓練基礎上，使用海量劇本數據「繼續預訓練」（Continue Pre-training），并與傳統 SFT（監督微調）或 RLHF（基于人類反饋的強化學習）不同，采用了大規模語料知識注入，讓模型既保持了強大的通用語言理解能力，又大幅提升「劇本」這一特定應用領網域的表現。

在此之前，借助在 AI 和 3D 領網域的客户積累，元象迅速将大模型推向商用。

2023 年 11 月，元象成為全國最早一批、廣東省前五獲得《生成式人工智能服務管理暫行辦法》國家備案的大模型，具備向全社會開放的產品能力。

而在更早的 10 月，元象與騰訊音樂聯合推出 lyraXVERSE 加速大模型，并借助該技術全面更新音樂助手 "AI 小琴 " 的問答、聊天與創作能力，讓她情商與智商雙高，為用户提供個性化、更深入、陪伴感十足的音樂互動體驗。