La formation Qwen-3-Next-80B-A3B coûte un dixième

Qwen-3-Next-80B-A3B Exposition : Faible niveau d’activité extrêmement clairsemé, le débit d’inférence de contexte long peut être multiplié par 10

Qwen-3-Next-80B-A3B sera bientôt disponible, en utilisant l’architecture A3B avec un total de paramètres de 80B mais seulement une activation de 3B, a...