以下为上游提供的源文稿，可能存在识别错误。
乔木转写是基于源文稿的中文提炼，不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇，慢慢读
从左侧挑一篇，正文会在这里排成书页。
📌 一句话摘要 Sebastian Raschka's updated LLM Architecture Gallery compares 10 recent models across MoE adoption， attention innovations， and 1M token context support. 📊 文章信息 AI 初评： 78 来源： 山景城小路(@Zen with AI) 作者： 山景城小路 分类： 人工智能 语言： 中文 阅读时间： 3 分钟 字数： 580 标签： AI 与智能应用 , 大语言模型 (LLM) , 注意力机制 , 长上下文 , 混合专家模型 阅读推文
阅读原文 · 山景城小路
向阳乔木 · deepseek-v4-1-flash-261017
Sebastian Raschka 更新了他的 LLM 架构图库，一口气放进 10 个新模型。这批模型的共同点很集中：MoE 几乎成了默认配置，注意力机制各有各的改法，上下文窗口开始往 100 万 token 走。 如果只看发布会通稿，会觉得这些模型都在堆参数。但把架构摊开对比，能看到几条清晰的分化路线。 MoE 不再是少数派的选择 混合专家模型（MoE）在...