6月27日，騰訊混元宣布開源首個混合推理MoE模型 Hunyuan-A13B，總參數(shù)80B，激活參數(shù)僅13B，效果比肩同等架構領先開源模型，但是推理速度更快，性價比更高。這意味著，開發(fā)者可以用更低門檻的方式獲得更好的模型能力。

  即日起，模型已經在 Github 和 Huggingface 等開源社區(qū)上線，同時模型API也在騰訊云官網正式上線，支持快速接入部署。

  這是業(yè)界首個13B級別的MoE開源混合推理模型，基于先進的模型架構，Hunyuan-A13B表現(xiàn)出強大的通用能力，在多個業(yè)內權威數(shù)據(jù)測試集上獲得好成績，并且在Agent工具調用和長文能力上有突出表現(xiàn)。

*加粗為最高分，下劃線表示第二名，數(shù)據(jù)來源于模型各個公開的測試數(shù)據(jù)集得分

  對于時下熱門的大模型Agent能力，騰訊混元建設了一套多Agent數(shù)據(jù)合成框架，接入了MCP、沙箱、大語言模型模擬等多樣的環(huán)境，并且通過強化學習讓Agent在多種環(huán)境里進行自主探索與學習，進一步提升了Hunyuan-A13B的效果。

  在長文方面，Hunyuan-A13B支持256K原生上下文窗口，在多個長文數(shù)據(jù)集中取得了優(yōu)異的成績。

 

  在實際使用場景中，Hunyuan-A13B模型可以根據(jù)需要選擇思考模式，快思考模式提供簡潔、高效的輸出，適合追求速度和最小計算開銷的簡單任務；慢思考涉及更深、更全面的推理步驟，如反思和回溯。這種融合推理模式優(yōu)化了計算資源分配，使用戶能夠通過加think/no_think切換思考模式，在效率和特定任務準確性之間取得平衡。

  Hunyuan-A13B模型對個人開發(fā)者較為友好，在嚴格條件下，只需要1張中低端GPU卡即可部署。目前，Hunyuan-A13B已經融入開源主流推理框架生態(tài)，無損支持多種量化格式，在相同輸入輸出規(guī)模上，整體吞吐是前沿開源模型的2倍以上。

  Hunyuan-A13B 集合了騰訊混元在模型預訓練、后訓練等多個環(huán)節(jié)的創(chuàng)新技術，這些技術共同增強了其推理性能、靈活性和推理效率。

  預訓練環(huán)節(jié)，Hunyuan-A13B 訓練了20T tokens的語料，覆蓋了多個領域。高質量的語料顯著提升了模型通用能力。此外，在模型架構上，騰訊混元團隊通過系統(tǒng)性分析，建模與驗證，構建了適用于 MoE 架構的 Scaling Law 聯(lián)合公式。這一發(fā)現(xiàn)完善了MoE 架構的 Scaling Law 理論體系，并為 MoE 架構設計提供了可量化的工程化指導，也極大的提升了模型預訓練的效果。

  后訓練環(huán)節(jié)，Hunyuan-A13B采用了多階段的訓練方式，提升了模型的推理能力，同時兼顧了模型創(chuàng)作、理解、Agent等通用能力。

圖：Hunyuan-A13B后訓練四個步驟

 

  為更好的提升大語言模型能力，騰訊混元也開源了兩個新的數(shù)據(jù)集，以填補行業(yè)內相關評估標準的空白。其中，ArtifactsBench用于彌合大語言模型代碼生成評估中的視覺與交互鴻溝，構建了一個包含 1825個任務的新基準，涵蓋了從網頁開發(fā)、數(shù)據(jù)可視化到交互式游戲等九大領域，并按難度分級以全面評估模型的能力；C3-Bench針對Agent場景模型面臨的三個關鍵挑戰(zhàn)：規(guī)劃復雜的工具關系、處理關鍵的隱藏信息以及動態(tài)路徑決策，設計了1024條測試數(shù)據(jù)，以發(fā)現(xiàn)模型能力的不足。

 

  Hunyuan-A13B模型是騰訊內部應用和調用量最大的大語言模型之一，有超過 400+ 業(yè)務用于精調或者直接調用，日均請求超1.3億。本次進行升級更新并對外開源 ，是繼混元large后混元大語言模型推出的又一重要開源模型，參數(shù)更小，但是性能和效果實現(xiàn)了大幅的提升。接下來，騰訊混元也將推出更多尺寸、更多特色的模型，將更多實踐技術與社區(qū)共享，促進大模型開源生態(tài)的繁榮。

 

  騰訊混元堅定擁抱開源，持續(xù)推進多尺寸、多場景的全系模型開源，旗下圖像、視頻、3D、文本等多種模態(tài)基礎模型已全面開源。未來，混元計劃推出多尺寸混合推理模型，從0.5B到32B的dense模型，以及激活13B的MoE模型，適配企業(yè)與端側不同需求，混元圖像、視頻、3D等多模態(tài)基礎模型及配套插件模型也將持續(xù)開源。

 

 

 

附項目相關鏈接

 

l  體驗入口：https://hunyuan.tencent.com/

l  API地址：https://cloud.tencent.com/product/tclm

l  Github ：https://github.com/Tencent-Hunyuan

l  HuggingFace：https://huggingface.co/tencent

l  C3-Bench：https://github.com/Tencent-Hunyuan/C3-Benchmark 

l  ArtifactsBench：https://github.com/Tencent-Hunyuan/ArtifactsBenchmark

 

雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。