MoE

推荐理由：PARSER方法通过输出重要性指标优化MoE模型压缩，在相同内存减少下提升模型精度。

推荐理由：斯坦福团队揭示稀疏专家模型路由层间共享几何结构，能预测跨层路由行为，提升模型效率。

推荐理由：PARSER方法解决了MoE模型压缩中误差累积问题，在相同内存减少下提升模型精度。

推荐理由：SNU MLLab团队发布Q-Strata，解决了MoE模型混合精度量化的难题，比现有方法性能更好。

推荐理由：腾讯混元Hy4预览版已适配vLLM，支持MoE和HPC-Ops内核，可直接部署使用。

推荐理由：研究人员提出 MM-Spectrum 框架，解决了多光谱信号异质性问题，在分子结构解析任务中表现优异。

推荐理由：MetaNet让MoE模型根据任务难度动态分配专家，大幅减少计算量同时保持准确率。

推荐理由：MAPLE这个插件能让MoE大模型少开专家还更准，DeepSeek-MoE-16B用75%专家就能超原版，还快32%，不用改权重就能用。

推荐理由：想做智能体又怕模型太贵太慢？Nemotron 3.5 Lightning只有3B活跃参数，在Fireworks上直接就能调。

推荐理由：Fireworks 上线了 Qwen3.8-2.4T-A95B，2.4T 参数 MoE，主打智能体和写代码，有 Day-0 支持，直接就能用。

推荐理由：NVIDIA 的 Nemotron 3.5 Lightning 微调后，在 6 项任务上超过 4 个同类 MoE 模型拿了第一。想知道怎么调出来的，可以看这篇。

推荐理由：NVIDIA 把 30B MoE 的 Lightning 放到 Perplexity API 上了，每百万输入才 1 分多钱，适合跑高频工具调用，跟 Ultra 搭配干活很划算。

推荐理由：NVIDIA开源了30B MoE，激活才3B，跑起来便宜，还配了个路由器帮你省钱，搞智能体的可以看看。

推荐理由：NVIDIA 新出的 30B 模型，跑在本地，专门给常驻智能体用，速度快 4 倍，还支持 1M 上下文，搞智能体的可以试试。

推荐理由：NVIDIA 新出的 30B MoE 模型，3B 激活参数跑得快，专为智能体场景优化，Fireworks 上直接能用。

推荐理由：NVIDIA新出的轻量MoE，30B参数只激活3B，跑智能体任务比同类快30%，想省算力可以试试。

推荐理由：NVIDIA出了个30B MoE模型，只激活3B参数，跑得快4倍，适合做常驻智能体，开源可白嫖。

推荐理由：蚂蚁百灵开源了个轻量推理模型，7.9B 参数但每 Token 只激活 1.3B，Mac mini 上跑得飞快，适合本地部署。

推荐理由：这篇论文把PTQTP量化器约束成九级格式，在DeepSeek-V4上做到和官方API几乎一样准，还快6.7%、文件小9%，适合搞MoE推理优化的朋友看。

推荐理由：这篇论文用OLMoE和DeepSeek-V2-Lite实测证明，MoE路由的选专家和加权输出不该共用一套分数，FDAA方法能白捡性能提升，做MoE优化的值得看。

推荐理由：SGLang团队搞的FlashBoot，把大模型权重加载从20秒压到0.4秒，跨节点复制只要10毫秒。跑DeepSeek-V4系列，NVL72上实测数据，做弹性部署的值得看。