亿百体育网页版登录入口最新版v7.82.60(china)官方网站-pg电子(中国)官方网站

亿百体育网页版登录入口6月3日，昆仑万维宣布开源2千亿稀疏大模型skywork-moe，性能强劲，同时推理成本更低。skywork-moe基于之前昆仑万维开源的skywork-13b模型中间checkpoint扩展而来，是首个完整将moe upcycling技术应用并落地的开源千亿moe大模型，也是首个支持用单台4090服务器推理的开源千亿moe大模型。

区别于megatron-lm社区已有的ep(expert parallel)和etp(expert tensor parallel)设计，昆仑万维提出了一种称之为expert data parallel的并行设计方案，这种并行方案可以在expert数量较小时仍能高效的切分模型，对expert引入的 all2all通信也可以最大程度的优化和掩盖。相较于ep对gpu数量的限制和etp在千卡集群上的低效， edp可以较好的解决大规模分布式训练moe的并行痛点，同时edp的设计简单、鲁棒、易扩展，可以较快的实现和验证。

skywork-moe是目前能在8x4090服务器上推理的最大的开源moe模型。8x4090服务器一共有192gb的gpu显存，在fp8量化下(weight占用146gb)，使用昆仑万维首创的非均匀tensor parallel并行推理方式，skywork-moe可以在合适的batch size 内达到2200 tokens/s的吞吐。

如何对moe模型高效的进行大规模分布式训练是一个有难度的挑战，目前社区还没有一个最佳实践。skywork-moe提出了两个重要的并行优化设计，从而在千卡集群上实现了mfu 38%的训练吞吐，其中mfu以22b的激活参数计算理论计算量。

一个可以遵循的经验规则是：如果训练moe模型的flops是训练dense模型的2倍以上，那么选择from scratch训练moe会更好，否则的话，选择upcycling训练moe 可以明显减少训练成本。

由于first stage的embedding计算和last stage的loss计算，以及pipeline buffer的存在，流水并行下均匀切分layer时的各stage计算负载和显存负载均有较明显的不均衡情况。昆仑万维提出了非均匀的流水并行切分和重计算layer分配方式，使得总体的计算/显存负载更均衡，约有10%左右的端到端训练吞吐提升。

本次开源的skywork-moe模型隶属于天工3.0的研发模型系列，是其中的中档大小模型(skywork-moe-medium)，模型的总参数量为146b，激活参数量22b，共有16个expert，每个expert大小为13b，每次激活其中的2个expert。

为了解决moe模型训练困难，泛化性能差的问题，相较于mixtral-moe， skywork-moe设计了两种训练优化算法：

有别于传统的固定系数(固定超参)的aux loss，昆仑万维在moe训练的不同阶段让模型自适应的选择合适的aux loss超参系数，从而让drop token rate保持在合适的区间内，既能做到expert分发的平衡，又能让expert学习具备差异化，从而提升模型整体的性能和泛化水平。在moe训练的前期，由于参数学习不到位，导致drop token rate太高(token分布差异太大)，此时需要较大的aux loss帮助token load balance；在moe训练的后期，昆仑万维希望expert之间仍保证一定的区分度，避免 gating倾向为随机分发token，因此需要较低的aux loss降低纠偏。

昆仑万维希望本次开源的skywork-moe模型、技术报告和相关的实验结果可以给开源社区贡献更多的moe训练经验和know-how，包括模型结构、超参选择、训练技巧、训练推理加速等各方面，探索用更低的训练推理成本训更大更强的模型，在通往agi的道路上贡献一点力量。

昆仑万维在gating layer的token分发逻辑处新增了一个normalization操作，使得gating layer的参数学习更加趋向于被选中的top-2 experts，增加moe模型对于top-2的置信度：

此外，skywork-moe还通过一系列基于scaling laws的实验，探究哪些约束会影响upcycling和from scratch训练moe模型的好坏。

昆仑万维基于目前各大主流模型评测榜单评测了skywork-moe，在相同的激活参数量20b(推理计算量)下，skywork-moe能力在行业前列，接近70b的dense模型，使得模型的推理成本有近3倍的下降。同时skywork-moe的总参数大小比deepseekv2的总参数大小要小1/3，用更小的参数规模做到了相近的能力。