Qwen-3-Next-80B-A3B aktiviert 3B nur spärlich

Qwen-3-Next-80B-A3B Exposure: Extrem spärlicher MoE-Durchsatz mit langer Kontextinferenz kann um das 10-fache steigen

Qwen-3-Next-80B-A3B wird in Kürze veröffentlicht und verwendet die A3B-Architektur mit 80 B Gesamtparametern, aber nur 3B-Aktivierung, wodurch extreme...