Mixture of Experts (MoE)
Conceito
Técnico Central
Huge capacity, small bills: only a few experts fire per token.
Está a ver um explicador de conceito: o que este termo significa em linguagem acessível, e os registos que relaciona.
An MoE model holds many expert sub-networks but routes each token through only a few — DeepSeek-V3 stores 671B parameters yet computes with 37B per token. That decouples capacity from cost and is how open labs reached frontier scale on constrained hardware. The trade: all those parameters still occupy memory, which pushes HBM demand even higher — an architecture choice you can read directly in the memory market.
Como este elemento se liga ao resto da stack
As ligações deste registo num relance — clique num grupo para ir diretamente até ele.
Base para
Fontes
Registro revisado em 2026-01-15 — ver Metodologia.