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.

Modellfamilien und ihre Zuordnung
Gezeigt ist die Eignung auf Architekturebene. Parameterzahl, Kontextlänge und Leistungsziele werden je Projekt geprüft.
Modellfamilie
Architektur
Fanshi-Pfad
Status
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.
Weiterlesen
Qwen3.5 bis Qwen3.8: Warum hybride Attention zu Edge-Silizium passtQwen3.5, 3.6 und 3.8 wechseln lineare Attention (Gated DeltaNet) und Gated Full Attention im Verhältnis 3:1 ab. Warum dieser Aufbau den Speicherbedarf auf Edge-KI-Silizium im Zaum hält.
Einen Edge-LLM-Inferenzchip auswählen: 7 FragenDie Wahl eines Edge-LLM-Inferenzchips hängt von der Modelleignung, dem Leistungsbudget und der Update-Strategie ab, nicht von Spitzen-TOPS. Sieben Fragen und eine Checkliste.
MaskROM-Compute-in-Memory: Was es heißt, Gewichte ins Silizium zu gießenMaskROM-Compute-in-Memory schreibt die Modellgewichte in der Maskenstufe in ein Via-Array, zur Laufzeit bewegt sich nichts. Funktionsweise, Kostenvorteil und Grenzen.
Mit Ihrem Modell beginnen
Senden Sie uns Zielmodell, Kontextlänge, Nutzungsmuster und Verbrauchsziel. Wir antworten mit einem Pfad und einem Evaluierungsplan.
