在人工智能大模型領(lǐng)域，一場關(guān)于效率與性能的深度變革正在悄然發(fā)生。隨著商業(yè)化場景對推理效率和成本控制的要求日益嚴(yán)苛，傳統(tǒng)以Softmax為核心注意力計算機(jī)制的架構(gòu)逐漸暴露出局限性。這種機(jī)制在處理長文本時，計算量隨文本長度呈平方級增長，還需存儲大量KV緩存，給顯存帶來巨大壓力，難以滿足實際應(yīng)用需求。

面對這一挑戰(zhàn)，業(yè)界積極探索新的技術(shù)路徑，主要形成了三條探索方向。稀疏注意力通過“少算”“有重點地算”提升效率，以DeepSeek為代表；滑動窗口注意力仍用Softmax計算，但只關(guān)注固定窗口內(nèi)鄰近token，提高計算效率；線性注意力則徹底改寫Softmax公式，將復(fù)雜度從O(N2)降至O(N)，推理成本大幅下降。然而，這三條路徑各有局限，如今業(yè)界紛紛轉(zhuǎn)向混合架構(gòu)，尤其是混合線性注意力架構(gòu)，成為行業(yè)探索的新焦點。

國內(nèi)眾多大模型企業(yè)紛紛投身混合線性注意力架構(gòu)的探索。2025年初，MiniMax率先發(fā)布Text - 01模型，采用1:7的混合線性注意力，在456B參數(shù)模型上成功落地，隨后MiniMax - M1模型也沿用此架構(gòu)。當(dāng)時團(tuán)隊判斷混合架構(gòu)將成為主流，但面臨基礎(chǔ)設(shè)施等瓶頸。

2025年下半年，探索迎來爆發(fā)期。去年9月，阿里通義實驗室發(fā)布下一代基礎(chǔ)模型架構(gòu)Qwen3 - Next，在80B模型上完成驗證。該模型用線性注意力和門控注意力組合替換標(biāo)準(zhǔn)注意力，在1:3混合比例下性能超越單一架構(gòu)，且線性注意力上下文學(xué)習(xí)能力更強(qiáng)。同樣在9月，螞蟻百靈團(tuán)隊開源Ring - mini - linear - 2.0與Ring - flash - linear - 2.0，驗證Lightning Linear線性注意力在工業(yè)規(guī)模訓(xùn)練和長上下文推理中的可用性，兩款模型采用1:7混合比例，高FLOP預(yù)算下表現(xiàn)優(yōu)于純Softmax結(jié)構(gòu)。螞蟻百靈還進(jìn)行架構(gòu)創(chuàng)新與基礎(chǔ)設(shè)施系統(tǒng)工程優(yōu)化協(xié)同，打造FP8融合算子，將FP8混合精度訓(xùn)練計算效率提升至原來的1.5 - 1.7倍，開發(fā)高效線性注意力融合算子提升推理引擎吞吐，使兩款Ring - linear模型在深度推理場景下成本僅為同尺寸稠密模型的約1/10，相較原有Ring系列成本下降超50%。

去年10月，月之暗面開源混合線性注意力架構(gòu)Kimi Linear，其核心Kimi Delta Attention（KDA）是新型線性注意力模塊，通過細(xì)粒度設(shè)計改進(jìn)門控delta規(guī)則，采用1:3混合比例，減少內(nèi)存占用同時超越全注意力模型質(zhì)量。

盡管這些探索在多維度驗證了混合線性注意力架構(gòu)潛力，但多數(shù)成果停留在中小規(guī)模。真實應(yīng)用中，大模型需面對萬億級參數(shù)、百萬級上下文窗口、高并發(fā)推理等工程挑戰(zhàn)，下一步關(guān)鍵是將技術(shù)探索推向超大規(guī)模模型，在工業(yè)級應(yīng)用中驗證其可靠性、可擴(kuò)展性與經(jīng)濟(jì)價值。

將混合線性注意力架構(gòu)推向萬億參數(shù)量級工程落地正在穩(wěn)步推進(jìn)。月之暗面創(chuàng)始人兼CEO楊植麟對混合線性注意力前景充滿信心，其團(tuán)隊在Kimi Linear等項目中積累大量研究，計劃在下一代模型Kimi K3中引入更多架構(gòu)優(yōu)化，相信Kimi K3性能會有顯著提升。螞蟻百靈團(tuán)隊也成果豐碩，接連推出超大型混合線性注意力架構(gòu)模型Ling - 2.5 - 1T和全球首個混合線性注意力架構(gòu)的萬億參數(shù)思考模型Ring - 2.5 - 1T。螞蟻百靈團(tuán)隊通過增量訓(xùn)練構(gòu)建Ling 2.5架構(gòu)，將GQA + Lightning Linear升級為MLA + Lightning Linear組合，壓縮KV緩存同時保留模型表達(dá)能力，采用1:7混合比例，保留QK Norm、Partial RoPE等核心機(jī)制確保性能不退化。在降本增效方面，Ling - 2.5 - 1T表現(xiàn)突出，僅需約6000個token平均輸出長度就能完成復(fù)雜任務(wù)，訪存規(guī)模壓縮至傳統(tǒng)架構(gòu)1/10，生成吞吐量提升至3倍。

對混合線性注意力架構(gòu)的探索，不僅關(guān)乎性能提升，更重新劃定大模型應(yīng)用邊界與商業(yè)形態(tài)。當(dāng)推理成本下降、token使用效率優(yōu)化，模型調(diào)用成本不再是大規(guī)模落地核心瓶頸，應(yīng)用范式將自然轉(zhuǎn)變。企業(yè)可將模型作為默認(rèn)能力嵌入更多業(yè)務(wù)環(huán)節(jié)，實現(xiàn)更廣泛深入的效率提升。在搜索、推薦、智能客服等場景，大模型有望從傳統(tǒng)系統(tǒng)補充模塊轉(zhuǎn)變?yōu)楹诵尿?qū)動引擎，成為底層基礎(chǔ)設(shè)施。

不過，混合線性注意力架構(gòu)探索之路并非一帆風(fēng)順。不同技術(shù)路線仍在博弈驗證，如MiniMax在階段性探索后選擇回歸全注意力模型，優(yōu)先保證復(fù)雜場景下穩(wěn)定性與可靠性。但大模型競爭正從“暴力堆參數(shù)”轉(zhuǎn)向“工程效率的精算”這一趨勢愈發(fā)明顯，架構(gòu)細(xì)微差異將在企業(yè)級落地中放大為成本優(yōu)勢與體驗差距，推動大模型從“可用”邁向“好用”，走向廣泛普及。