全球移動互聯網公司APUS與大模型創企新旦智能宣布，聯手開源國內首個千億參數的MoE（混合專家模型）APUS-xDAN大模型4.0，這也是國內首個可以在消費級顯卡上運行的千億MoE中英文大模型。
APUS-xDAN-4.0（MoE）參數規模為1360億，可在消費級顯卡4090上運行，據APUS實測，其綜合性能超過GPT-3.5，達到GPT-4的90%。
數學能力上，測評基準GSM8K的測評得分為79，理解能力MMLU達到73分。
GitHub界面顯示，APUS-xDAN-4.0（MoE）模型文件鏈接即將發布。
一、數學、推理能力碾壓，推理成本下降400%
APUS-xDAN-4.0（MoE）在GitHub的頁面顯示了基準測評結果，其與Mixtral-8x7B（MoE）、Llama2-70B、Grok-1（MoE）進行了對比。
其中衡量模型語言理解、知識和推理能力的基準測試MMLU中，APUS-xDAN-4.0（MoE）排名第一，超過了Grok-1（MoE）。
在測試多步驟數學推理能力的單詞問題集合測試GSM-9K以及MATH中，該模型得分均遠高于其他三大模型。
四項測試中，APUS-xDAN-4.0（MoE）在多學科任務的BIG-Bench-Hard測試中，得分為66.4，接近Mixtral-8x7B（MoE），低于Grok-1（MoE）的71.7分。
其中，Mixtral-8x7B（MoE）由大模型創企Mistral AI于去年年底發布，并在多項基準測試中性能都基本達到GPT-3.5；Llama2-70B是去年7月Meta開源的Llama 2大模型系列中，參數規模最大的版本；Grok-1（MoE）為馬斯克旗下AI創企xAI本月初開源的大模型，參數規模為3140億參數，是目前開源大模型中參數規模之最。
此外，在GitHub頁面顯示，APUS-xDAN-4.0（MOE）開源模型在“IQ-Quantized Tech”上量化為1.5位、2位和4位，可以在消費級顯卡4090上運行。
具體來說，APUS-xDAN 大模型4.0（MoE）采用GPT-4類似的MoE架構，特點是多專家模型組合，同時激活使用只有2個子模塊，實際運行效率對比傳統Dense同尺寸模型效率提升200%，推理成本下降400%。在實際部署中，研究人員通過進一步高精度微調量化技術，使得模型尺寸縮小500%。
二、32個MoE Transformer塊組成，可處理多線程復雜需求
在實際的效果中，APUS-xDAN-4.0（MoE）可以理解復雜需求，如撰寫廣告文案時，要求涵蓋“火焰人”、固定口號、搖滾樂歌詞等。
該模型還可以找出段落中的實時性錯誤，并給出修改版本，包括品牌所屬地區、語病等。
APUS-xDAN-4.0（MOE）模型的架構特點為，主要由32個相同的MoE Transformer塊組成，與普通Transformer塊相比，MoE Transformer塊的FFN層被MoE FFN層替換。
張量經過門層計算每個專家模型的分數，根據專家分數從8個專家模型中選擇Top-K專家。張量通過Top-K專家的輸出進行聚合，從而得到MoE FFN層的最終輸出。
每個專家由3個線性層（Linear Layers）組成。APUS-xDAN-4.0的所有Norm Layer都是用RMSNorm，與開源大模型Llama的方式一致。
在注意力層中，APUS-xDAN-4.0（MoE）中的QKV矩陣的Q矩陣形狀為（4096,4096），K和V矩陣形狀為（4096,1024）。
▲APUS-xDAN-4.0（MoE）模型架構圖
三、APUS是投資方，7B模型表現超GPT-4
APUS-xDAN-4.0（MoE）背后的兩家公司均來自國內，且APUS于今年3月投資了新旦智能。
新旦智能成立于2023年5月，此前該公司發布的xDAN-7B-Global在用于衡量大模型在機器翻譯任務性能的綜合性評估指標MT-Bench中，性能表現僅次于GPT-4。
▲MT-Bench排名
今年3月，新旦智能完成千萬級別天使輪融資，投資方包括APUS和AI投資人周弘揚。
據了解，新旦智能的創始團隊匯集了清華、伯克利等頂尖學府以及騰訊、Meta等頭部科技玩家的員工，包括全球開源AI社區知名開發者、騰訊云架構師等。
與此同時，這也是APUS在開源大模型領域的最新進展。今年2月初，APUS與深圳大學國家工程實驗室聯合開源了APUS大模型3.0伶荔。
結語：更強開源MoE模型，或加速AI開發及應用創新
開源大模型對于全球大模型產業的技術進步與應用落地的重要性與日俱增，并逐漸顯現出對標當下大模型頂流GPT-4的潛力。
在這個趨勢下，APUS與新旦智能聯手，既開源了目前國內參數規模最大的MoE模型，同時降低了其部署成本，為更多開發者提供了應用大模型能力的可能性，這或許將進一步加速AI開發及應用創新。
