Gated DeltaNet（门控 Delta 网络）
Gated DeltaNet线性注意力的新突破
亦作、亦称：门控 Delta 网络 · Gated DeltaNet · Delta Net
Gated DeltaNet 是 Qwen3.8-Max（2.4T 参数）采用的线性注意力变体——结合 Delta Rule 与门控控制，O(n) 复杂度下实现长序列建模，是亚二次注意力路线的重要实现。
架构原理
Delta Rule 是一种关联记忆更新规则（Hebbian 学习的改进），Gated DeltaNet 将其与门控机制结合：门控决定哪些记忆被更新、哪些被保留。与标准注意力的 O(n²) 相比，Gated DeltaNet 实现 O(n) 线性复杂度，在长序列场景下显著降低推理成本和 KV Cache 内存。
在 Qwen3.8-Max 中的应用
Qwen3.8-Max（2.4T 参数 MoE，开源）采用 Gated DeltaNet 作为核心注意力机制，是其能够在保持开源的同时达到前沿性能的关键架构创新。与 subquadratic-attention（SubQ 的稀疏注意力）构成亚二次注意力的两条路线：稀疏注意力通过跳过不重要的 token 对，Gated DeltaNet 通过线性记忆更新替代完整注意力矩阵。
权衡与边界
Gated DeltaNet 的线性复杂度优势在短序列场景不明显（标准注意力在 8K 以下已足够高效）；主要价值在 128K+ 长上下文场景。与 FlashAttention 等优化后的标准注意力相比，Gated DeltaNet 在长序列质量上可能略有损失，但成本优势显著。
常见误解
日常交流中容易听到的简化说法，未必准确，但能帮助理解误解从何而来。
- 「线性注意力的新突破」
- 「Qwen3.8-Max 的关键架构创新」
相关术语
和本术语关联紧密的其他词条，便于串联理解。
🎯 考点练习
含该术语的高频面试题，含标准答案与追问。
- 初级概念高频查看详解 →
什么是大语言模型（LLM）？它能做什么、不能做什么？
LLM 是基于 Transformer、在海量文本上预训练的自回归语言模型，擅长语言任务，但不擅长精确计算、实时信息，且会产生幻觉。
- 中级概念查看详解 →
Claude Opus 5 如何在降低成本的同时提升安全性？「guardrails 激活频率降低 85%」意味着什么？
考察候选人对前沿模型「安全-可用性平衡」的理解：以 2026 年 7 月发布的 Claude Opus 5 为例，解读「guardrails 激活频率较 Fable 5 降低 85%」的真实含义、过度拒绝（over-refusal）问题，以及为什么「更少误拦」与「更安全」可以同时成立。
- 高级概念查看详解 →
比较 Subquadratic Attention 与标准 Self-Attention 的复杂度差异。长上下文 LLM 的工程挑战有哪些？
考察候选人对注意力机制复杂度的理解：标准自注意力为何是 O(n²)、亚二次注意力的实现路径（稀疏/低秩/线性/SSM）、SubQ 的工程突破，以及长上下文 LLM 在内存、延迟、成本上的工程挑战。
- 高级概念查看详解 →
解释 DeltaNet 如何利用 Delta Rule 实现线性注意力，与传统 softmax attention 的优劣对比
考察候选人对线性注意力架构演进的理解，特别是 DeltaNet 如何通过增量更新机制在 O(n) 复杂度下实现接近 Transformer 的记忆精度。
延伸阅读
从知识库精选 1 篇文章，帮助深入理解该术语。
外部参考
维基百科：查看「Gated DeltaNet」词条本页内容为本站原创撰写；维基百科链接仅作延伸参考。