赛道Hyper | 腾讯混元开源Hunyuan-A13B：1张AI卡搞定

作者：周源/华尔街见闻​

6月27日，腾讯混元宣布开源首个混合推理MoE（专家混合模型：Mixture of Experts）模型Hunyuan-A13B，同时发布ArtifactsBench和C3 - Bench两个新数据集，为大模型领域的发展提供了新的技术资源和评估工具。

Hunyuan-A13B模型总参数为800亿（80B），激活参数130亿（13B），这样的参数配置在推理效率上有一定优势。

对比同等架构的开源模型，以常见的Transformer架构模型为例，Hunyuan-A13B在处理相同规模任务时，推理速度提升明显，计算资源消耗相对较低。

作为首个开源的13B级别MoE混合推理模型，在多个业内权威数据测试中，该模型展现出一定的通用能力，特别是在Agent工具调用和长文处理方面表现出特色，这使其在实际应用场景中具备差异化竞争力。

​腾讯混元通过构建多Agent数据合成框架，提升Hunyuan-A13B的工具调用能力。

该框架整合了MCP（大模型上下文协议）、沙箱、大语言模型模拟等多种环境，并运用强化学习机制，让Agent在不同环境中进行学习。

在旅游场景中，用户输入“规划从成都出发的川西游行程”指令，模型能调用地图搜索工具获取路线信息，调用酒店预订平台筛选合适住宿，调用天气查询工具了解行程期间天气，最终输出一份包含每日行程安排、交通方式、住宿推荐、景点介绍的详细行程规划。

在数据分析任务中，面对某电商平台的销售数据，模型可调用Python编码工具，做数据清洗、统计分析，并生成包含图表的excel销售分析报告，满足用户在不同场景下的复杂任务需求。

与部分仅具备单一工具调用能力的模型相比，Hunyuan-A13B的多工具协同调用能力，能更好地解决实际问题。

​面对大模型长文处理的难题，Hunyua-A13B支持256K原生上下文窗口。

在学术领域，处理上万字的学术论文时，模型可以准确提炼论文核心观点、梳理研究方法和实验结果；在法律行业，分析复杂的法律条文及案例卷宗，能快速总结法律要点、关联相关法条；在商业领域，解读长篇商业报告，可精准提取关键数据和市场趋势信息。

在实际测试中，与一些上下文窗口较小、处理长文容易出现信息遗漏的模型相比，Hunyuan-A13B在一定程度上缓解了长文推理中上下文丢失和信息依赖的问题，为相关领域的应用提供了更可靠的技术支持。

Hunyuan-A13B的开源对开发者较为友好。

个人开发者在一定条件下，使用1张中低端GPU卡，如NVIDIA GeForce GTX系列显卡，即可完成部署。

目前，模型已接入开源主流推理框架生态，支持多种量化格式，包括INT4、INT8等。在相同输入输出规模下，其整体吞吐能力达到前沿开源模型的2倍。

开发者可以通过Github和Huggingface等开源社区获取模型，腾讯云官网也上线了模型API，方便快速接入部署。

若Hunyuan-A13B模型，结合自身业务需求，在短时间内开发出了智能文档处理应用，极大降低了开发者使用模型进行二次开发和应用创新的门槛。​

在Hunyuan-A13B的研发过程中，腾讯混元团队在预训练和后训练环节采用了新的技术方法。

预训练阶段，使用20万亿高质量网络词元语料库，覆盖科学、技术、文化等多个领域，提升模型的通用知识储备。

同时，团队构建适用于MoE架构的Scaling Law（规模化法则）联合公式，完善相关理论体系，为模型架构设计提供量化指导，这一成果为后续MoE模型的研发提供了重要参考。

后训练阶段，采用多阶段训练方式，针对不同能力提升需求，运用不同训练策略和数据；在推理能力训练阶段，通过大量逻辑推理案例数据，提升模型的逻辑分析能力；在创作能力训练阶段，使用文学创作、文案撰写等数据，增强模型的文本创作水平，最终平衡提升模型的推理、创作、理解等能力。​

腾讯混元同步开源的ArtifactsBench和C3 - Bench两个数据集，填补了行业评估标准的部分空白。

ArtifactsBench包含1825个任务，覆盖网页开发、数据可视化、游戏开发等九大领域，按难度分级，用于评估模型的代码生成能力。

通过该数据集，开发者可以更全面、准确地了解模型在代码编写方面的优势与不足。

C3-Bench针对Agent场景模型，设计1024条测试数据，聚焦规划工具关系、处理隐藏信息、动态路径决策等挑战，帮助发现模型在该场景下的能力短板，为模型优化提供参考。

这两个数据集的发布，为行业提供了更专业、更具针对性的评估工具，有助于推动大模型评估体系的完善。​

目前，Hunyuan-A13B已在腾讯内部400多个业务中应用，日均请求量达1.3亿次，在实际业务中得到一定规模的使用。

比如在腾讯的智能客服系统中，该模型提升了客服回答的准确性和效率；在内容创作辅助工具里，帮助创作者生成更优质的文案。

未来，腾讯混元计划推出从0.5B（5亿）到32B（320亿）的dense模型，以及激活13B（130亿）的MoE模型，适配企业和终端设备的不同需求。

同时，还将持续开源图像、视频、3D等多模态基础模型及插件模型，丰富大模型生态，为行业发展注入更多活力。

腾讯混元此次开源Hunyuan-A13B模型及相关数据集，为开发者提供了新的模型资源和评估工具，有助于推动大模型技术的创新和应用。

开源数据集的发布，也为行业建立更完善的评估标准提供了支持。在腾讯研发过程中的技术方法，为其他团队开展相关研究提供了可参考的经验，有望促进大模型领域技术的共同发展。