國內最大MoE開源大模型來了,還基於此搞出個火遍港臺的AI聊天應用

機器之心發佈

機器之心編輯部

元象 XVERSE 發佈中國最大 MoE 開源模型：XVERSE-MoE-A36B，加速 AI 應用低成本部署，將國產開源提升至國際領先水平。

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。

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。

MoE（Mixture of Experts）是業界最前沿的混合專家模型架構 ，將多個細分領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）的侷限，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。出於這個原因，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。

在多個權威評測中，元象 MoE 效果大幅超越多個同類模型，包括國內千億 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。

免費下載大模型

落地應用好且省 登頂港臺娛樂應用榜

元象此次開源，不僅填補國內空白，也在商業應用上更進一步。

元象基於 MoE 模型自主研發的 AI 角色扮演與互動網文 APP Saylo，通過逼真的 AI 角色扮演和有趣的開放劇情，火遍港臺，下載量在中國臺灣和香港娛樂榜分別位列第一和第三。

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），並與傳統 SFT（監督微調）或 RLHF（基於人類反饋的強化學習）不同，採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」這一特定應用領域的表現。

高性能「開源標杆」

元象是國內領先的 AI 與 3D 公司，秉持「通用人工智能 AGI」信仰，持續打造「高性能開源全家桶」，不僅填補國產開源空白，更將其推向了國際領先水平。

2023 年 11 月，此前國內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「智能涌現」，生態亟需「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窗口大模型，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」。

此次國內最大參數 MoE 開源，又是給生態貢獻了一個助推低成本 AI 應用利器。

引領文娛應用

藉助在 AI 和 3D 領域的客戶積累，元象也迅速將大模型推向商用。

2023 年 11 月，元象成爲全國最早一批、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，並藉助該技術全面升級音樂助手「AI 小琴」的問答、聊天與創作能力，讓她情商與智商雙高，爲用戶提供個性化、更深入、陪伴感十足的音樂互動體驗。

元象大模型陸續與 QQ 音樂、虎牙直播、全民 K 歌、騰訊雲等深度合作與應用探索，爲文化、娛樂、旅遊、金融領域打造創新領先的用戶體驗。

MoE 技術自研與創新

MoE 是目前業界最前沿的模型框架，由於技術較新，國內開源模型或學術研究尚未普及。元象自研 MoE 的高效訓練和推理框架，並持續推動技術創新。

2024 年 4 月推出的 XVERSE-MoE-A4.2B 中，元象推動MoE 專家架構革新。與傳統 MoE（如 Mixtral 8x7B）將每個專家大小等同於標準 FFN 不同，元象採用更細粒度的專家設計，每個專家大小僅爲標準 FFN 的四分之一，提高了模型靈活性與性能；還將專家分爲共享專家（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態，而非共享專家則根據需要選擇性激活。這種設計有利於將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。由於專家之間需要大量的信息交換，通信負擔極重。爲了解決這個問題，我們採用了 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。

專家路由與預丟棄策略：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，並丟棄一些超出專家計算容量的冗餘數據。爲此團隊設計一套預丟棄策略，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：由於 MoE 架構的專家之間需要大量通信，會影響整體計算效率。爲此團隊設計了「多維度的通信與計算重疊」機制，即在進行參數通信的同時，最大比例並行地執行計算任務，從而減少通信等待時間。

（2）效果方面

專家權重：MoE 中的專家總數爲 N ，每個 token 會選擇 topK 個專家參與後續的計算，由於專家容量的限制，每個 token 實際選擇到的專家數爲 M，M<=K

實驗 1：權重在 topM 範圍內歸一化

實驗 2：權重在 topK 範圍內歸一化

實驗 3：權重在 topN 範圍內歸一化

實驗 4：權重都爲 1

對比實驗結果

舉例說明，假設 N=8，K=4，M=3（2 號專家上 token 被丟棄），不同專家權重的計算方式所得的權重如下圖：

數據動態切換：元象以往開源的模型，往往在訓練前就鎖定了訓練數據集，並在整個訓練過程中保持不變。這種做法雖然簡單，但會受制於初始數據的質量和覆蓋面。此次 MoE 模型的訓練借鑑了「課程學習」理念，在訓練過程中實現了動態數據切換，在不同階段多次引入新處理的高質量數據，並動態調整數據採樣比例。

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。同時通過調整採樣比例，也有助於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）：在訓練過程中動態切換數據集，雖有助於持續引入新知識，但也給模型帶來了新的適應挑戰。爲了確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態，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。

視頻鏈接：https://mp.weixin.qq.com/s/vE4Ls9h907tPhtiY-XO6Mg