一句话定义：多重查询注意力（Multi-Query Attention，MQA）是一种注意力结构变体——查询（Query，Q）仍然是每个头各自一套，但键（Key，K）和值（Value，V）全模型只保留一套，所有注意力头共用。
它省的到底是什么
标准的多头注意力（AI 词典：Multi-Head Attention">Multi-Head Attention，MHA）里，如果模型有 32 个注意力头，就有 32 组 Q、K、V 投影。生成式模型逐字往外吐 token 时，每生成一个 token 都要回看之前所有 token 的 K 和 V，于是把它们缓存下来反复读取，这就是 KV 缓存（KV cache）。头数越多，缓存越大——32 个头就是 32 份。
打个比方：一场发布会上，32 位记者各自带着不同的问题（Q），但要反复查阅同一本资料手册。MHA 的做法是每人复印一本、各自做标记；MQA 的做法是大家共用同一本。问题依旧各不相同，只是"查的资料"被统一了。
效果是 KV 缓存直接缩到原来的约 1/32（按 32 头算）。解码阶段经常卡在"搬运数据"而不是"算力"上，缓存变小，每步要读的数据变少，生成更快；同样的显存也能塞下更大的批（batch），长上下文场景尤其明显。
和相邻概念的区别
三者只差在 K、V 有几个副本：
不少模型的配置里会写明"键值头数量"（各框架的字段名不同，以所用框架官方文档为准）：它等于注意力头数就是 MHA，等于 1 就是 MQA，介于两者之间就是 GQA。
代价与实际意义
K/V 一旦共享，各个头就没法再用各自不同的"视角"去表示上下文，注意力头的多样性被削弱，效果通常不如 MHA，训练也更不容易稳定。GQA 之所以流行，正是因为它在这两端之间取了中间点。
对从业者：做大并发、长上下文推理时，先看 KV 缓存占用；挑模型或配部署参数时，"几个 KV 头"往往比"几个 Q 头"更直接决定显存和吞吐。
对普通人：你感觉同一个模型响应变快了、能同时服务更多人，背后常常就是这类不起眼的结构取舍。