大模型的 Flash 版和完整版，架构上差在哪
Gemini、DeepSeek、GLM 都有带 Flash 的型号，价钱只有完整版的几分之一。Flash 是 FlashAttention 吗？是把大模型压缩了一下吗？我们先把名字理清，再从“生成一个字要花什么”出发，看 Flash 版在哪几处下刀：每个字少读一点权重（缩小骨架、稀疏专家）、少读一点历史（GQA、MLA、滑动窗口、压缩注意力）、一次多猜几个字（多 token 预测），以及变小之后靠蒸馏补回本事。每一处都对照官方公开的配置和三个小实验，并标出哪些是官方说的、哪些只是推测。