BLS-Mini-Code-1.0（North Mini Code）是 Cohere 开源的 30B-A3B 稀疏 MoE 代码模型。打开它的仓库，最核心的文件就是 config.json——这个不到百行的 JSON 文件，完整定义了模型的层数、专家数、注意力模式与词表规模。本文将 config.json 中的每个字段逐一拆解，帮你快速读懂这份稀疏MoE模型配置，并附上一份可直接收藏的参数含义清单 📋。

三分钟上手：如何阅读这份MoE配置文件

阅读 config.json 建议按"身份 → 规模 → 注意力 → 专家路由 → 词表"五步走：

1. 看身份：model_type和architectures决定用哪个推理框架加载它；
2. 看规模：num_hidden_layers、num_experts等决定显存占用；
3. 看注意力：layer_types数组决定了 256K 长上下文的秘密；
4. 看路由：expert_selection_fn等字段解释"3B 激活参数"从哪来；
5. 看词表：vocab_size与特殊 token 对应 tokenizer.json。

💡 一个冷知识：仓库里还有 generation_config.json，其中的bos_token_id、eos_token_id等字段直接继承自 config.json（_from_model_config: true），所以读懂前者就能读懂后者。

第1步：确认模型身份——model_type 与 architectures

这 4 个字段出现在 config.json 开头，是加载模型前最先需要核对的信息。

第2步：核心维度——hidden_size 决定模型"宽度"

📌GQA 的含义：32 个 Q 头共享 4 组 KV，显著降低长上下文下的 KV Cache 显存——这对 256K 上下文模型至关重要。你可以通过num_attention_heads / num_key_value_heads = 32 / 4 = 8验证每 8 个 Q 头共享一组 KV。

配套的稳定性参数：

• attention_bias: false：线性层不加偏置（现代 Transformer 的惯例）；
• attention_dropout: 0.0：推理时不丢弃注意力权重；
• layer_norm_eps: 1e-05与rms_norm_eps: 1e-06：归一化层的数值稳定性常数，一般无需改动；
• initializer_range: 0.02：预训练时的权重初始化标准差，推理阶段无实际作用。

第3步：注意力策略——layer_types 与滑动窗口

这是整份配置里最容易被忽略、却最影响性能的部分。config.json 中layer_types是一个 49 元素的数组，模式非常规整：

full_attention, sliding_attention, sliding_attention, sliding_attention, ...

• full_attention：全局注意力，能看到全部上下文；
• sliding_attention：滑动窗口注意力，只看最近sliding_window = 4096个 token。

统计下来正好是1 : 3 的全局/滑动交替比例（12 层 full + 37 层 sliding）。这样设计的好处是：绝大多数层只处理局部 4K 窗口，计算量和显存大幅下降；而每隔 4 层插一层全局注意力，负责跨段信息聚合。配合max_position_embeddings: 500000的位置上限，模型官方支持 256K 上下文与 64K 输出。

相关字段一览：

第4步：稀疏MoE的心脏——128专家与sigmoid路由

MoE（Mixture of Experts，混合专家）是"30B 总参、仅 3B 激活"的关键：每个 token 只经过少数专家，而不是全部。

✅用权重索引交叉验证：打开 model.safetensors.index.json 可以发现——model.layers.0.mlp只有gate_proj / up_proj / down_proj三个稠密权重；而从model.layers.1开始，每层出现experts.0到experts.127共128 组专家权重，与上面num_experts: 128、first_k_dense_replace: 1完全吻合。该索引文件还显示模型总参数约304.8 亿（total_parameters: 30484303872），权重切分为 49 个 safetensors 分片。

🧮激活参数从哪来：每 token 每层激活 8/128 的专家。49 层中 48 层是 MoE，粗略一算，激活部分正好落在 3B 量级——这就是"30B-A3B"命名的由来。

第5步：位置编码与词表——支撑长上下文的地基

262144 的词表里，绝大多数位置被 BPE 子词占用，末尾 255000~255031 区间则集中放了一组特殊 token（详见下节）。

第6步：特殊 token 与生成配置

这些 token 的完整定义可以在 tokenizer_config.json 的added_tokens_decoder中逐一对照，比如255000是<|START_OF_TURN_TOKEN|>、255010/255011是思考标记<|START_THINKING|>与<|END_THINKING|>。对话时它们会由 chat_template.jinja 自动组装，无需手动拼写。

⚠️新手提醒：eos_token_id = 255001而不是常见的 2 或 0。如果你自己写生成代码，务必以 generation_config.json 中的值为准，否则模型可能不知道何时停止输出。

第7步：其余"看起来没看懂"的字段

剩下几个字段属于框架层或训练遗留配置，理解概念即可：

• model.safetensors.index.json：不是配置，而是权重分片索引，说明每个张量存在哪个model-0000X-of-00049.safetensors文件里；
• attention_bias: false+attention_dropout: 0.0：组合起来表示标准无偏置、无丢弃的注意力；
• layer_norm_epsvsrms_norm_eps：分别对应不同归一化层（LayerNorm / RMSNorm）的 eps，数值不同是正常的。

附：config.json 参数含义速查清单

结语：从配置到运行的最后一步

读到这里，config.json 已经没有秘密了：49 层、128 专家 top-8 路由、1:3 交替的滑动窗口注意力、256K 词表、bf16 精度——这些数字拼起来就是"30B 总参数、3B 激活、面向智能体编程"的完整画像。实际部署时，官方推荐的采样参数是temperature=1.0, top_p=0.95（见 README.md 的 Usage 部分），配合本文明确的 token 与上下文配置，就能把这份稀疏 MoE 模型跑起来了 🚀。