一桌厨师接到一批订单，备菜时人手越全越好；真正逐盘出菜时，却可能把时间耗在来回找厨师上。MoE（混合专家模型）也有类似问题：它为每个词挑少数“专家”子网络，但批量生成时，一轮仍可能触及几乎全部专家，搬运权重反而成了瓶颈。
SlimWise不再用同一套剪枝规则贯穿推理。Prefill——一次读完输入并建立缓存——保留完整模型，因为这一阶段主要受计算能力限制，论文实验中剪枝后的吞吐量没有稳定提升。Decode——随后逐词生成——则裁掉部分专家，减少权重搬运，并直接沿用完整模型生成的KV Cache，也就是模型为避免重复计算而保存的中间结果，无需转换。
作者在Qwen3.6-35B-A3B上的结果显示，剪掉50%的专家后，解码吞吐量最高提升至完整模型的1.81倍，同时仅有很小的准确率损失。论文也提醒，准确率可能掩盖回答变得过短或过长的问题，因此又加入轻量蒸馏来校正生成行为。值得注意的不是“剪得更多”，而是承认推理的两个阶段根本不是同一种负载。