近日，开源项目BrowserUse发布自研大语言模型BU-30B-A3B-Preview，被誉为网页代理领域新标杆。该模型采用混合专家（MoE）架构，总参数达300亿，但推理时仅激活部分参数，兼顾强大性能与轻量化运行，显著降低了AI浏览器操作的成本与门槛。
小米新任大模型负责人罗福莉在2025小米生态大会上，正式发布全新MoE大模型MiMo-V2-Flash。该模型采用Hybrid SWA架构，设计简洁优雅，在长上下文推理方面表现突出，标志着小米向人工通用智能（AGI）目标迈出重要一步。
腾讯自研大模型混元2.0（Tencent HY2.0）正式发布，与此同时，DeepSeek V3.2也逐步接入腾讯生态。目前，这两大模型已在元宝、ima等腾讯AI原生应用中率先上线，腾讯云也同步开放了相关模型的API及平台服务。 全新发布的Tencent HY2.0采用混合专家（MoE）架构，总参数量高达4
阿里巴巴通义千问团队在NeurIPS 2025获最佳论文奖，论文《Attention Gating Makes Better Foundation Models》提出“滑动门”机制，在标准注意力后添加可学习门控，动态筛选关键头和token参与下游计算。实验证明，1.7B稠密模型性能媲美15B MoE模型。本届大会投稿2万篇，录取率仅25%，竞争激烈，该论文是四篇获奖作品中唯一中国成果。
Qwen2.5-Max是一个大规模的Mixture-of-Expert (MoE)模型，致力于提升模型智能。
Doubao-1.5-pro 是一个高性能的稀疏 MoE 大语言模型，专注于推理性能与模型能力的极致平衡。
万亿参数MoE文本大模型
大规模MoE语言模型,性能媲美七十亿参数模型
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
$6
$24
Baidu
128
$2
$20
$8
$240
52
Bytedance
$1.2
$3.6
4
PrimeIntellect
INTELLECT-3是一个拥有1060亿参数的混合专家（MoE）模型，通过大规模强化学习训练而成。在数学、编码和推理基准测试中展现出卓越性能，模型、训练框架和环境均以宽松许可协议开源。
bartowski
这是一个基于REAP方法对MiniMax-M2中40%专家进行均匀剪枝得到的139B参数大语言模型，采用GLM架构和专家混合(MoE)技术，通过llama.cpp进行多种量化处理，适用于文本生成任务。
unsloth
Qwen3-VL是通义大模型系列中最强大的视觉语言模型，具备卓越的文本理解与生成能力、深入的视觉感知与推理能力、长上下文支持、强大的空间和视频动态理解能力以及出色的智能体交互能力。该模型采用混合专家（MoE）架构，是增强推理的思维版。
jackcloudman
Qwen3-Next-80B-A3B-Thinking 是通义千问团队推出的新一代思考型大语言模型，采用创新的混合注意力机制和高稀疏MoE架构，在保持高效推理的同时具备强大的复杂推理能力，原生支持262K上下文长度。
inclusionAI
Ming-flash-omni 预览版是基于 Ling-Flash-2.0 稀疏专家混合（MoE）架构构建的多模态大模型，总参数达100B，每个token仅激活6B参数。该模型在Ming-Omni基础上进行了全面升级，在多模态理解和生成方面有显著提升，特别是在语音识别、图像生成和分割编辑方面表现突出。
cpatonn
Qwen3-Next-80B-A3B-Instruct是通义千问团队开发的高效稀疏混合专家模型，总参数量80B，激活参数量仅3B。该模型采用创新的混合注意力机制和极低激活率的MoE架构，在保持强大性能的同时大幅提升推理效率，原生支持262K上下文长度并可扩展至1M令牌。
Infinigence
梅格雷斯2-3x7B-A3B是一款设备原生大语言模型，采用混合专家（MoE）架构，结合了MoE的准确性和密集模型的紧凑性优势。该模型在8T标记数据上训练，具备32K上下文长度，未来计划提升推理和代理能力。
LLaDA-MoE是基于扩散原理构建的新型混合专家语言模型，是首个开源的MoE扩散大语言模型，在约20万亿个标记上从头预训练，总参数70亿，推理时仅激活14亿参数，在代码生成和数学推理等任务中表现卓越。
Ling 2.0是基于MoE架构的大语言模型家族，首个版本Ling-mini-2.0参数规模紧凑但功能强大，在复杂推理和指令遵循方面表现出色，采用1/32激活率的MoE架构，实现卓越性能与高效运行的完美结合。
Kwai-Klear
Klear是由快手Kwai-Klear团队开发的稀疏混合专家（MoE）大语言模型，具备高性能和推理效率的特点。总参数460亿，激活参数仅25亿，在多个能力基准测试中表现出色，为实际应用提供了高效且强大的解决方案。
这是deepcogito的cogito-v2-preview-llama-109B-MoE模型的量化版本，使用llama.cpp进行量化处理，提供多种量化类型以适应不同硬件条件。该模型是一个109B参数的混合专家(MoE)大语言模型，经过优化后可在消费级硬件上运行。
Qwen
Qwen3-30B-A3B-Instruct-2507是Qwen3-30B-A3B非思考模式的更新版本，在通用能力、长尾知识覆盖、用户偏好对齐和长上下文理解等方面均有显著提升。这是一个305亿参数的大型语言模型，采用MoE架构，激活参数为33亿。
float-trip
Qwen3-14B-Base是通义系列最新一代的大语言模型，提供了一系列全面的密集模型和专家混合（MoE）模型，在训练数据、模型架构和优化技术等方面取得了显著进展。
Mozilla
Qwen3是Qwen系列最新一代的大语言模型，提供了一系列密集和混合专家（MoE）模型。基于广泛的训练，Qwen3在推理、指令遵循、代理能力和多语言支持方面取得了突破性进展。
QuantFactory
Qwen3是通义千问系列大语言模型的最新代际，提供稠密和混合专家(MoE)模型的全面套件。基于大规模训练，Qwen3在推理、指令遵循、智能体能力和多语言支持方面实现了突破性进展。
rednote-hilab
dots.llm1 是一个大规模的 MoE 模型，在 1420 亿总参数中激活 140 亿参数，性能可与最先进的模型相媲美。
prithivMLmods
Qwen3是通义千问系列最新一代大语言模型，提供稠密模型和混合专家（MoE）模型的完整套件。基于大规模训练，Qwen3在推理能力、指令遵循、智能体功能和多语言支持方面实现了突破性进展。
Qwen3是通义千问系列最新一代大语言模型，提供完整的稠密模型与混合专家（MoE）模型组合。基于大规模训练，Qwen3在推理能力、指令遵循、智能体功能及多语言支持方面实现突破性进展。
Qwen3是通义千问系列大语言模型的最新版本，提供了一系列密集型和混合专家（MoE）模型。基于大规模训练，Qwen3在推理、指令遵循、智能体能力和多语言支持方面实现了突破性进展。
Qwen3是通义千问系列大语言模型的最新版本，提供了一系列密集型和混合专家（MoE）模型。基于大规模训练，Qwen3在推理能力、指令遵循、智能体功能和多语言支持方面实现了突破性进展。
MOEX股票与新闻MCP服务器是一个基于Model Context Protocol的接口服务，提供莫斯科交易所股票行情、金融新闻查询及分析功能，支持与大型语言模型集成。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
