ZAYA1-8B

深度分析

ZAYA1-8B：以 MoE++、Compressed Convolutional Attention 與 Markovian RSA 提升小參數推理效能

Zyphra發表ZAYA1-8B，一款以推理為核心的MoE模型；採用MoE++、壓縮捲積注意力與MLP路由器，並在預訓練導入長CoT與answer-preserving trimming；測試時計算Markovian RSA提升數學與程式推理表現，且在AMD GPU堆疊上完成訓練與部署驗證。

深度分析

ZAYA1-8B：基於 MoE++ 與 Markovian RSA，在 AMD Instinct MI300 上訓練的高效推理模型

在大型模型競賽之外，矽谷新創 Zyphra 發表 ZAYA1-8B，一款約 8 億參數、760M 活躍參數的混合專家（MoE）推理模型。它以 MoE++ 架構結合壓縮捲積注意力、MLP 路由器與學習殘差縮放，並在預訓練時導入「以推理為先」策略與 Answer-Preserving Trimming。