MoE 模型的参数规模早已不是唯一看点，真正决定它跑得快不快、训得稳不稳的，往往是那个不起眼的路由器。
发生了什么
MarkTechPost 发布了一篇 MoE 路由策略指南，把当前主流做法归纳为 7 类，覆盖 Top-K 软路由、Expert-Choice 路由、Sigmoid 门控、动态路由，以及 DeepSeek 系列采用的哈希路由等，并逐一对应到使用它们的模型——例如 Mixtral 的 top-2 softmax 是这一路线最广为人知的代表。文章定位是科普与索引：解释每种策略“如何决定 token 分配给哪些专家”，而不是提出新方法。
为什么重要
MoE 的基本思路是把一个大 FFN 拆成多个专家，每个 token 只激活其中少数几个，从而在总参数量膨胀的同时把单次计算量压住。但“只激活少数”这个前提，完全依赖路由器做判断。
路由策略的分歧点其实很集中：一是打分方式，softmax 还是 sigmoid，前者让专家之间竞争，后者让每个专家独立判断是否接收；二是容量与均衡，Top-K 容易出现热门专家被挤爆、冷门专家饿死的问题，Expert-Choice 反过来让专家挑 token，天然更均衡但可能让某些 token 被忽略；三是稳定性，训练早期的路由抖动会传导到整个模型。哈希路由则是另一个极端思路——不做学习式匹配，用固定规则分流，牺牲一部分灵活性换取确定性和工程上的简单。
这些选择不是论文里的细节差异，而是直接体现在推理成本、负载均衡和长尾 token 的处理质量上。
影响与看点
对开发者而言，这份梳理的实际价值在于“对号入座”：当你复现或微调某个开源 MoE 模型时，路由方式决定了你能不能安全地改专家数量、能不能做专家剪枝、batch 内序列长度变化会不会引发容量溢出。Expert-Choice 类方法对变长输入的友好度、sigmoid 门控在多专家场景下的稀疏性控制，都是落地时会踩到的坑。
对行业来说，路由正在从“实现细节”变成“架构卖点”。DeepSeek 系列把哈希路由写进模型叙事，说明头部团队已经不满足于沿用 Mixtral 式 top-2，而是在用路由设计换取训练稳定性和成本优势。
一个值得保持的判断是：路由策略没有普适最优，它和训练数据分布、专家粒度、并行切分方式强耦合。把某篇指南里的 7 种方法当成选型清单可以，当成排名则会误判——真正该问的是，你的负载特征更怕不均衡，还是更怕不确定性。
