国产这边又放出一个混合推理的稀疏模型，数字挺有意思。
总参数一千二百四十亿，但每个token只激活五十一亿。对照它自家那个一万亿参数的旗舰，总参数是八分之一，激活参数是十二分之一，官方给的多数基准成绩说是打平甚至反超。
这个路线现在越来越明显了：不是把模型堆更大，而是把每次真正干活的那部分压到最小。对要在生产环境上量的团队来说，激活参数直接对应显存和吞吐，这笔账比总参数实在得多。
当然基准归基准，实际业务上的长上下文和工具调用稳不稳，得自己压一遍才知道。
有人接进去跑过真实流量的吗，吞吐大概什么水平？