LLM領(lǐng)域，線性注意力機(jī)制正在回歸，工程實(shí)踐主要還是國(guó)產(chǎn)模型在推進(jìn)，主要原因大家都清楚，我們算力有限，當(dāng)然也有長(zhǎng)期的目標(biāo)，Agent要真正落地干貨，注意力機(jī)制必須要改變，目前國(guó)外主要模型都是閉源的，技術(shù)細(xì)節(jié)我們不了解，看起來(lái)都是仗著有卡，暴力解算，以下是這場(chǎng)技術(shù)路線之爭(zhēng)的簡(jiǎn)要梳理

早期：效率與精度的兩難

線性注意力并非新技術(shù)。早在2020年代，相關(guān)論文就已大量涌現(xiàn)。

其核心目標(biāo)是將注意力機(jī)制的時(shí)間和內(nèi)存復(fù)雜度從O(n2)降低到O(n)，從而在處理長(zhǎng)序列時(shí)實(shí)現(xiàn)更高的效率。

然而，這些早期的嘗試從未真正獲得主流認(rèn)可。根本原因在于，它們以犧牲模型精度為代價(jià)，因此從未被應(yīng)用在任何一個(gè)開源的、達(dá)到業(yè)界頂尖水平（SOTA）的大語(yǔ)言模型中。

新的浪潮：國(guó)產(chǎn)模型引領(lǐng)

轉(zhuǎn)折點(diǎn)發(fā)生在今年下半年，線性注意力變體迎來(lái)了一輪復(fù)興

6月，MiniMax-M1：擁有4560億總參數(shù)、460億激活參數(shù)的MoE模型，采用了“閃電注意力”（lightning attention）

8月，Qwen3-Next：由Qwen3團(tuán)隊(duì)推出，采用了線性注意力變體

9月，DeepSeek V3.2：由DeepSeek團(tuán)隊(duì)發(fā)布，采用了稀疏注意力（sparse attention），雖然并非嚴(yán)格的線性，但仍是亞二次方復(fù)雜度

這三個(gè)模型的共同點(diǎn)是，在大部分或所有層中，都用高效的線性或亞二次方注意力變體取代了傳統(tǒng)的二次方注意力

劇情反轉(zhuǎn)：MiniMax悄然“倒戈”

就在線性注意力看似前景大好之時(shí)，劇情出現(xiàn)了反轉(zhuǎn)。

MiniMax團(tuán)隊(duì)發(fā)布了其新的2300億參數(shù)模型M2，但出人意料地放棄了線性注意力，回歸了常規(guī)注意力機(jī)制

團(tuán)隊(duì)給出的解釋是，線性注意力在生產(chǎn)環(huán)境的LLM中非常棘手。雖然它在處理常規(guī)提示時(shí)表現(xiàn)尚可，但在推理和多輪對(duì)話任務(wù)中存在明顯的精度問(wèn)題——而這兩項(xiàng)能力對(duì)于聊天會(huì)話和智能體應(yīng)用至關(guān)重要

這一舉動(dòng)一度讓外界認(rèn)為，線性注意力的探索或許不值得再繼續(xù)下去

Kimi入局：混合策略帶來(lái)新解法

然而，上周，Kimi團(tuán)隊(duì)發(fā)布了其全新的Kimi Linear模型，再次將線性注意力拉回舞臺(tái)中央。

官方數(shù)據(jù)顯示，與常規(guī)的全注意力（full attention）相比，Kimi Linear實(shí)現(xiàn)了：

75%的KV緩存縮減

最高達(dá)6倍的解碼吞吐量

在架構(gòu)上，Kimi Linear與Qwen3-Next有諸多相似之處，兩者都依賴于一種混合注意力策略。

具體來(lái)說(shuō)，它們都將輕量級(jí)的線性注意力與重量級(jí)的全注意力層結(jié)合使用。兩者的比例均為3:1，即每三個(gè)采用線性注意力（Gated DeltaNet變體）的Transformer塊，就搭配一個(gè)使用全注意力的塊

但Kimi Linear在此基礎(chǔ)上進(jìn)行了改進(jìn)：

1.線性部分：采用了Kimi Delta Attention (KDA)機(jī)制，這是對(duì)Gated DeltaNet的精煉，關(guān)于KDA解讀可以看我之前的文章

2.全注意力部分：用多頭潛在注意力（multi-head latent attention, MLA）取代了標(biāo)準(zhǔn)的全注意力模塊

雖然Kimi Linear的論文中沒(méi)有與Qwen3-Next的直接比較，但與Gated DeltaNet論文中的Gated DeltaNet-H1模型（本質(zhì)上是Gated DeltaNet與滑動(dòng)窗口注意力的結(jié)合）相比，Kimi Linear在保持相同token生成速度的同時(shí)，實(shí)現(xiàn)了更高的建模精度

需要的注意的目前Kimi Linear中的多頭潛在注意力（MLA）尚未整合輸出門（sigmoid bypass），但團(tuán)隊(duì)計(jì)劃在未來(lái)加入這一特性