Zum Inhalt springen

Welche Modelle lassen sich in Fanshi-Silizium gießen?

Am häufigsten fragen Kunden nach den neuesten Qwen-Versionen. Qwen3.6 und Qwen3.8 behalten den hybriden Aufbau von Qwen3.5 bei, den die Fanshi-Inferenzkerne bereits abbilden. Ein neueres Modell derselben Familie ist also ein neuer Chip auf vorhandenen Kernen und keine neue Architektur.

Inferenzkern FS-Attention für hybride Attention, Illustration
Abb. 1 · Inferenzkern für hybride Attention (schematisch)

Modellfamilien und ihre Zuordnung

Gezeigt ist die Eignung auf Architekturebene. Parameterzahl, Kontextlänge und Leistungsziele werden je Projekt geprüft.

  • Qwen3.5

    Architektur

    Hybrid: Gated-DeltaNet-Schichten mit linearer Attention + Gated-Full-Attention-Schichten

    Fanshi-Pfad

    Forge (0.8B) · Trident (bis 35B) · FS-Linear + FS-Attention

    Status

    Kernmodell der Chips der ersten Generation

  • Qwen3.6 / Qwen3.8

    Architektur

    Gleicher hybrider Aufbau wie Qwen3.5

    Fanshi-Pfad

    FS-Linear + FS-Attention · kundenspezifischer Chip

    Status

    Lässt sich auf vorhandene Kerne abbilden; Prüfung je Projekt

  • Qwen3

    Architektur

    Full Attention (GQA)

    Fanshi-Pfad

    FS-Attention

    Status

    Über IP-Lizenz unterstützt

  • SmolLM2

    Architektur

    Kompakte Sprachmodelle mit Full Attention

    Fanshi-Pfad

    FS-Attention

    Status

    Über IP-Lizenz unterstützt

  • SmolVLM · SegFormer

    Architektur

    Bild-Sprach-Verständnis und semantische Segmentierung

    Fanshi-Pfad

    Argus · FS-Fusion

    Status

    Kernmodelle der Chips der ersten Generation

  • Sparse-MoE-Modelle

    Architektur

    Dynamisch aktivierte Sparse-Experten

    Fanshi-Pfad

    FS-MoE

    Status

    Prüfung je Projekt

  • Lineare Attention nach DeltaNet-Art

    Architektur

    Rekurrenter Zustand fester Größe, Streaming

    Fanshi-Pfad

    FS-Linear

    Status

    Über IP-Lizenz unterstützt

Die Angaben auf dieser Seite sind aktuelle Produktdefinitionen und Entwicklungsziele. Endgültige Spezifikationen, Testbedingungen, Verfügbarkeit und Lieferversionen werden in den von beiden Seiten abgestimmten Projektunterlagen festgelegt.

Warum der hybride Qwen-Aufbau zu Silizium passt

Seit Qwen3.5 stapeln Qwen-Modelle ihre Schichten in Vierergruppen: drei Gated-DeltaNet-Schichten mit linearer Attention, gefolgt von einer Gated-Full-Attention-Schicht. Die 27B-Modelle von Qwen3.5, Qwen3.6 und Qwen3.8 nutzen alle denselben Aufbau 16 × (3 + 1).

Eine Schicht mit linearer Attention trägt von Token zu Token einen Zustand fester Größe statt eines wachsenden KV-Caches. Nur jede vierte Schicht hält also einen Cache, der mit dem Kontext wächst. Auf Edge-Silizium, wo Speicher auf dem Chip und Bandbreite knapp sind, entscheidet das oft darüber, ob ein Modell hineinpasst oder nicht.

Der Fanshi-Kern FS-Linear übernimmt die Gated-DeltaNet-Schichten, FS-Attention die Gated-Full-Attention-Schichten. Da sich der Aufbau von Qwen3.5 über 3.6 bis 3.8 nicht geändert hat, bilden dieselben Kerne alle drei Generationen ab.

Wenn ein neueres Modell erscheint

Was sich ändert, hängt davon ab, wo die Gewichte liegen.

MaskROM

Neue Gewichtsmasken

Die Maskenebenen, die die Gewichte tragen, werden neu erstellt. Bei gleicher Architektur bleiben Kerndesign, SDK und Host-Integration erhalten.

SRAM CIM

Neu laden

Die neuen Gewichte beim Start laden.

NMC

Speicher aktualisieren

Die Gewichte im externen Speicher aktualisieren; das Modell kann sich laufend weiterentwickeln.

Was wir für eine Machbarkeitsprüfung brauchen

  • Unternehmen und Ihre Rolle
  • Zielmodell(e) und Parameterzahl
  • Kontextlänge (typisch / maximal)
  • Nutzungsmuster (Einzelanfrage, mehrstufig, agentisch)
  • Ziele für Durchsatz und Latenz
  • Leistungsbudget und Bauform
  • Erwartete Stückzahl und Zeitplan

Fragen zu Modellen

Unterstützen Sie Qwen3.6, Qwen3.8 und andere neue Modelle?

Ja. Qwen3.6 und Qwen3.8 behalten den hybriden Aufbau von Qwen3.5 bei: Gated-DeltaNet-Schichten mit linearer Attention im Wechsel mit Gated-Full-Attention-Schichten. Die Fanshi-Kerne FS-Linear und FS-Attention decken beide Schichttypen bereits ab. Ein neueres Modell derselben Familie ist daher ein neuer Chip auf vorhandenen Kernen, keine neue Architektur. Parameterzahl, Kontextlänge und Leistungsziele werden je Projekt geprüft.

Was geschieht, wenn nach der Fertigung des Chips ein neueres Modell erscheint?

Auf dem MaskROM-Pfad müssen für ein neues Modell die Maskenebenen neu erstellt werden, die die Gewichte tragen. Hat das neue Modell dieselbe Architektur, bleiben Kerndesign, SDK und Host-Integration unverändert. Bei SRAM-Compute-in-Memory laden Sie die Gewichte beim Start neu; bei Near-Memory-Computing aktualisieren Sie die Gewichte im externen Speicher.

Welche Modelle unterstützen die Fanshi-Chips?

Forge zielt auf Qwen 3.5 0.8B; Trident unterstützt bis zu Qwen 3.5 35B; Argus führt SmolVLM, SegFormer und ähnliche Vision- und multimodale Modelle aus. Die IP-Familie deckt Qwen3 / 3.5 (0.6B bis 9B), SmolLM2, Sparse-MoE-Modelle und lineare Attention nach DeltaNet-Art ab. Die vollständige Liste steht auf der Seite der unterstützten Modelle.

Mit Ihrem Modell beginnen

Senden Sie uns Zielmodell, Kontextlänge, Nutzungsmuster und Verbrauchsziel. Wir antworten mit einem Pfad und einem Evaluierungsplan.

Ihr Modell prüfen lassen