どのモデルを、Fanshiのシリコンに焼き込めるか。
お客様から最も多くいただく質問は、最新のQwenについてです。Qwen3.6 と Qwen3.8 は Qwen3.5 のハイブリッド構成を引き継いでおり、Fanshiの推論コアはすでに対応しています。同じファミリーの新しいモデルは、既存コアの上でチップを新たに構築する作業であり、新しいアーキテクチャの設計ではありません。

モデルファミリーと対応関係
ここに示すのはアーキテクチャレベルでの適合です。パラメータ規模、コンテキスト長、性能目標は案件ごとに評価します。
モデルファミリー
アーキテクチャ
Fanshiでの対応
状況
Qwen3.5
アーキテクチャ
ハイブリッド:Gated DeltaNet の線形アテンション層 + ゲート付きフルアテンション層
Fanshiでの対応
Forge(0.8B)· Trident(最大35B)· FS-Linear + FS-Attention
状況
第1世代チップの中核モデル
Qwen3.6 / Qwen3.8
アーキテクチャ
Qwen3.5 と同じハイブリッド構成
Fanshiでの対応
FS-Linear + FS-Attention · カスタム開発
状況
既存コアにそのまま対応。案件ごとに評価
Qwen3
アーキテクチャ
フルアテンション(GQA)
Fanshiでの対応
FS-Attention
状況
IPライセンスで対応
SmolLM2
アーキテクチャ
小型のフルアテンション言語モデル
Fanshiでの対応
FS-Attention
状況
IPライセンスで対応
SmolVLM · SegFormer
アーキテクチャ
視覚言語理解とセマンティックセグメンテーション
Fanshiでの対応
Argus · FS-Fusion
状況
第1世代チップの中核モデル
スパースMoEモデル
アーキテクチャ
動的に活性化するスパースなエキスパート
Fanshiでの対応
FS-MoE
状況
案件ごとに評価
DeltaNet系の線形アテンション
アーキテクチャ
固定サイズの再帰状態、ストリーミング処理
Fanshiでの対応
FS-Linear
状況
IPライセンスで対応
このページの数値は、現時点の製品定義と設計目標です。最終仕様、試験条件、供給状況、納入バージョンは、双方が合意したプロジェクト資料で確定します。
Qwenのハイブリッド構成がシリコンに向く理由
Qwen3.5 以降、Qwenモデルは層を4つ1組で積み重ねています。Gated DeltaNet の線形アテンション層が3つ、そのあとにゲート付きフルアテンション層が1つです。Qwen3.5、Qwen3.6、Qwen3.8 の27Bモデルは、いずれも同じ 16 ×(3 + 1)の構成です。
線形アテンション層がトークン間で受け渡すのは、伸び続けるKVキャッシュではなく固定サイズの状態です。そのため、コンテキストとともにキャッシュが伸びるのは4層のうち1層だけです。チップ上のメモリと帯域が限られるエッジ向けシリコンでは、これがモデルを収められるかどうかの分かれ目になることが少なくありません。
Fanshiの FS-Linear コアが Gated DeltaNet 層を、FS-Attention コアがゲート付きフルアテンション層を担当します。Qwen3.5、3.6、3.8 を通じて層構成が変わっていないため、同じコアで3世代すべてに対応できます。
新しいモデルが出たとき
何が変わるかは、重みの置き場所によります。
MaskROM
重みのマスクを作り直す
重みを保持するマスク層を作り直します。アーキテクチャが同じなら、コア設計、SDK、ホスト側のインテグレーションは引き継げます。
SRAM CIM
ロードし直す
起動時に新しい重みをロードします。
NMC
メモリを更新する
外部メモリ上の重みを更新します。モデルは継続的に進化させられます。
フィージビリティ評価に必要な情報
- 会社名とご担当者の役割
- 対象モデルとパラメータ規模
- コンテキスト長(標準 / 最大)
- 利用形態(単発、マルチターン、エージェント型)
- スループットと遅延の目標
- 電力予算と製品形状
- 想定出荷数とスケジュール
モデルに関する質問
Qwen3.6 や Qwen3.8 などの新しいモデルに対応していますか?
はい。Qwen3.6 と Qwen3.8 は Qwen3.5 のハイブリッド構成を引き継いでいます。Gated DeltaNet の線形アテンション層と、ゲート付きフルアテンション層を交互に並べた構成です。Fanshi の FS-Linear コアと FS-Attention コアは、この2種類の層にすでに対応しています。そのため、同じファミリーの新しいモデルは、既存コアの上でチップを新たに構築する作業であり、新しいアーキテクチャの設計ではありません。パラメータ規模、コンテキスト長、性能目標は案件ごとに評価します。
チップ製造後に新しいモデルが出た場合はどうなりますか?
MaskROMルートでは、新しいモデルへ移行するには重みを保持するマスク層を作り直します。新しいモデルが同じアーキテクチャであれば、コア設計、SDK、ホスト側のインテグレーションはそのまま引き継げます。SRAM コンピュート・イン・メモリでは起動時に重みをロードし直し、ニアメモリ演算では外部メモリ上の重みを更新します。
Fanshiのチップはどのモデルに対応していますか?
Forge は Qwen 3.5 0.8B を対象とし、Trident は最大 Qwen 3.5 35B に対応し、Argus は SmolVLM、SegFormer などの視覚・マルチモーダルモデルを実行します。IPファミリーは Qwen3 / 3.5(0.6B から 9B)、SmolLM2、スパースMoEモデル、DeltaNet系の線形アテンションをカバーします。全体は対応モデルのページをご覧ください。
関連記事
Qwen3.5 から Qwen3.8 へ:ハイブリッド・アテンションがエッジ向けシリコンに適する理由Qwen3.5、3.6、3.8 は、Gated DeltaNet の線形アテンションとゲート付きフルアテンションを3:1で交互に配置します。この構成がエッジAI向けシリコンのメモリ使用量を抑える理由を解説します。
エッジLLM推論チップの選び方:7つの質問エッジLLM推論チップの選定を決めるのは、ピークTOPSではなく、モデルとの適合、電力予算、更新方法です。答えるべき7つの質問とチェックリスト。
MaskROM コンピュート・イン・メモリ:重みをシリコンに焼き込むとはMaskROM コンピュート・イン・メモリは、マスク工程でモデルの重みをビアアレイに書き込み、実行時には何も動かしません。仕組み、コストが最小になる理由、そして限界。
お客様のモデルから始める
対象モデル、コンテキスト長、利用形態、消費電力の目標をお送りください。適したルートと評価計画をご返信します。
