11 月 21 日凌晨,北京时间刚过零点,腾讯首席 AI 科学家姚顺雨带着混元团队出现在海外社交媒体社区,做了一场文字 AMA(公开问答)。问题来自全球开发者,回答前后持续两个多小时。
在提问的全球开发者眼中,中国开源模型已经自成一张对照表;混元被拿来比较的对象是千问和 Kimi。
问答环节,有人直言:字节跳动和 Kimi 等(参数量)似乎都在往 3T 甚至 5T 推,你们为什么停在 700B?混元团队回应:"Hy3 和 Hy4 已经证明,较小的模型也能超越较大的模型,而且更便宜。"
不过,混元团队也表示,Hy4 仍有很大的改进空间,尤其是通过后训练。" 我们正投入大量精力进行大规模强化学习,同时继续改善用户体验和模型安全。我们还计划训练更大规模的模型。"
当被问及开发中最难的时刻,混元团队成员回答是:" 从 Hy3 到 Hy4 的过渡是非常艰难的。我们没有进行那么多详细消融实验研究,因此在训练开始时有很多不确定性。在训练开始时,我真感到非常紧张。幸运的是,训练最后出乎意料地顺利。感觉就像是在赌一把全押,结果居然赢了。"
技术取舍上,混元团队提到了一些细节:架构选择在 MLA(Multi-head Latent Attention,多头潜在注意力)和 GQA(Grouped Query Attention,分组查询注意力)之间反复权衡了相当长一段时间。MLA 计算强度远远高于 GQA,这使得在推理 GPU 上进行规格解码时受到了计算限制。然而,在相同的 KV 缓存大小下,MLA 提供了比 GQA 更好的模型质量。幸运的是,随着 DSA(DeepSeek Sparse Attention)引入,能够降低 MLA 在解码过程中的计算强度。这使得平衡发生了转变,最终决定选择 MLA。
换言之,混元团队选了更吃算力但效果更好的注意力方案,再用稀疏注意力把推理成本压回来。
当被询问后训练里最难改的行为时,混元团队只回了四个字:过度思考。
每日经济新闻