腾讯混元开源首款混合推理MoE模型

6月27日，腾讯混元宣布开源首个混合推理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，但是推理速度更快，性价比更高。这意味着，开发者可以用更低门槛的方式获得更好的模型能力。

即日起，模型已经在 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。

这是业界首个13B级别的MoE开源混合推理模型，基于先进的模型架构，Hunyuan-A13B表现出强大的通用能力，在多个业内权威数据测试集上获得好成绩，并且在Agent工具调用和长文能力上有突出表现。

加粗为最高分，下划线是第二名，数据来源于模型公开的测试数据集得分

对于时下热门的大模型Agent能力，腾讯混元建设了一套多Agent数据合成框架，接入了MCP、沙箱、大语言模型模拟等多样的环境，并且通过强化学习让Agent在多种环境里进行自主探索与学习，进一步提升了Hunyuan-A13B的效果。

在长文方面，Hunyuan-A13B支持256K原生上下文窗口，在多个长文数据集中取得了优异的成绩。

在实际使用场景中，Hunyuan-A13B模型可以根据需要选择思考模式，快思考模式提供简洁、高效的输出，适合追求速度和最小计算开销的简单任务；慢思考涉及更深、更全面的推理步骤，如反思和回溯。这种融合推理模式优化了计算资源分配，使用户能够通过加think/no_think切换思考模式，在效率和特定任务准确性之间取得平衡。

相关资料显示，Hunyuan-A13B模型是腾讯内部应用和调用量最大的大语言模型之一，有超过400+业务用于精调或者直接调用，日均请求超1.3亿。

混元官方界面截图

官方界面中显示，该模型支持快慢思考模式切换，数学、科学、长文理解及Agent能力全面提升。其中，快思考模式适合追求速度和最小计算开销的简单任务，而慢思考模式则涉及更深、更全面的推理步骤，这优化了计算资源分配，兼顾了效率和准确性。

在实测中，观察者网测试了小数比较大小，基本的四则运算等多种基本数学题目，Hunyuan-A13B模型都能迅速响应并给出正确的回答。

测试问题

据悉，混元团队还开源了两个新数据集，以填补行业内相关评估标准的空白。其中，ArtifactsBench主要用于代码评估，构建了一个包含1825个任务的新基准；C3-Bench则针对Agent场景模型评估，设计了1024条测试数据。

本文系观察者网独家稿件，未经授权，不得转载。