一句话定义：A4B 是模型名里的后缀，读作“总参数-A-激活参数”，A 是 Activated（激活）的首字母。比如 Gemma-4-26B-A4B，意思是这个模型一共存了 260 亿个参数，但每生成一个 token（词元，可粗略理解为“一个字或一个词片段”），只有约 40 亿个参数真正参与计算。
怎么读这个后缀
横杠前面是总参数量（total parameters），也就是模型全部权重的规模，它决定了你下载、存放时要装下的全部参数；A 后面是激活参数量（activated parameters），指处理每个 token 时真正参与计算的那部分参数。Qwen3-30B-A3B 同理：30B 是总参数规模，A3B 指每次只激活约 30 亿。
打个比方：一家医院有三十个科室，你看一次病只挂一个号，只惊动一个科室的医生。医院的规模是 30B，你这次就诊的实际工作量是 3B。图书馆也一样：藏书百万册，你写一篇稿子只借了五本。
为什么能“只点亮一部分”
因为这类模型用的是混合专家架构（Mixture of Experts, MoE）。传统稠密模型（dense model）里，每个 token 都要穿过整个前馈网络（FFN）；MoE 把 FFN 拆成几十上百个“专家”，每层配一个小路由器（router），由它决定这个 token 该找哪几位专家，通常只选前 k 个。总参数 = 全部专家 + 注意力、词表等共享部分；激活参数 = 被选中的专家 + 每层都必经的共享部分。两者相除就是激活比例，30B-A3B、26B-A4B 都落在 10% 上下这个量级，数值越低越稀疏。
别和这几个数字搞混
| 你关心的问题 | 该看哪个数字 | 原因 |
|---|---|---|
| 需要多少显存装下它 | 总参数 | 所有专家都得在显存里待命 |
| 跑得快不快、单 token 算力成本 | 激活参数 | 只有这部分权重参与矩阵乘 |
| 模型的容量上限 | 总参数 | 容量大不等于用得好，还要看路由训练质量 |
| 量化省不省显存 | 与命名无关 | 量化让每个参数变小，A×B 表示每次只用一部分参数，两者可叠加 |
另外，有些模型后缀使用 E（effective，有效参数），那是一种折算后的规模，不等于激活参数；遇到时以官方模型卡为准。
对你意味着什么
选型时，不要因为看到 26B 就以为必须使用多卡服务器。A4B、A3B 这类模型在推理速度和显存带宽压力上，接近一个只有几 B 的稠密小模型，因此笔记本、单张消费级显卡甚至手机端都有机会跑起来。前提是显存要装得下全部参数，量化后通常仍在几十 GB 的量级，具体以官方说明和实测为准。反过来，也别把它当成“26B 的智力”：参数容量摆在那里，能兑现多少取决于专家路由和训练质量。
对普通职场人，这个后缀的实用价值是提供一个更靠谱的直觉：A 后面的数字决定“卡不卡、贵不贵”，横杠前面的数字决定“模型能力与规模有多大”。