腾讯混元开源混合推理MoE模型Hunyuan-A13B - 腾讯混元开源首个混合推理MoE模型Hunyuan-A13B，总参数80B，激活参数仅13B，效果比肩同等架构领先开源模型，但推理速度更快，性价比更高 [1] - 模型已在Github和Huggingface等开源社区上线，同时模型API也在腾讯云官网正式上线，支持快速接入部署 [1] - 这是业界首个13B级别的MoE开源混合推理模型，基于先进架构，表现出强大的通用能力，在多个权威测试集上获得好成绩 [2] 模型性能表现 - 在数学能力测试中，Hunyuan-A13B在AIME2024获得87.3分，高于OpenAl-o1-1217的74.3分和Deepseek-R1-0120的79.8分 [3] - 在推理能力测试中，Hunyuan-A13B在ВВН获得89.1分，在DROP获得91.1分，均表现优异 [3] - 在Agent能力测试中，Hunyuan-A13B在BECL v3获得78.3分，在ComplexFuncBench获得61.2分，显著优于其他模型 [3] 长文处理能力 - Hunyuan-A13B支持256K原生上下文窗口，在多个长文数据集中表现优异 [4] - 在PenguinScrolls测试中获得87.7分，高于Qwen3-A22B的87.1分 [5] - 在RULER测试中，Hunyuan-A13B在0-8K区间获得76.7分，在8K-32K区间获得78.7分，表现优于同类模型 [5] 技术创新与优化 - 模型采用融合推理模式，提供快思考和慢思考两种模式，优化计算资源分配 [5] - 对个人开发者友好，仅需1张中低端GPU卡即可部署，支持多种量化格式，整体吞吐是前沿开源模型的2倍以上 [6] - 预训练环节训练了20T tokens的语料，覆盖多个领域，显著提升模型通用能力 [6] - 后训练采用多阶段训练方式，提升推理能力同时兼顾创作、理解、Agent等通用能力 [6] 开源数据集贡献 - 腾讯混元开源两个新数据集ArtifactsBench和C3-Bench，填补行业评估标准空白 [7] - ArtifactsBench包含1825个任务，涵盖网页开发、数据可视化等九大领域 [7] - C3-Bench针对Agent场景设计1024条测试数据，评估规划、信息处理和决策能力 [7]