騰訊混元再推開源 AI 大招！Hunyuan-A13B 模型亮相，13B 參數挑戰 80B 巨獸

隨著生成式 AI 進入新階段，超大模型雖然強悍，卻也伴隨著高昂的資源成本與部署難度。騰訊混元最新釋出的開源大型語言模型 Hunyuan-A13B，則走出了一條輕量級、高效能的新路線：雖然擁有總計 800 億參數，但每次推理僅啟用 130 億參數，透過「Mixture-of-Experts（MoE）」架構，大幅壓縮推理成本，卻又不犧牲語言理解與推理能力。

打破效能與資源瓶頸：Hunyuan-A13B 的技術底層解析

Hunyuan-A13B 採用稀疏 MoE 架構，共擁有 64 個專家模塊與一個共享專家，每次推理時僅選用其中 8 個專家活化，搭配 SwiGLU 激活函數與 GQA（Grouped Query Attention）技術，能有效提升記憶體使用效率與推理吞吐量。

此外，其預訓練資料量高達 20 兆 tokens，當中包含 2500 億來自 STEM 領域的高品質資料，強化模型在數學、科學與邏輯推理上的表現。整體訓練歷經三大階段：基礎預訓練、快速退火訓練與長上下文擴展訓練，最終支援長達 256K tokens 的上下文處理能力。

推理兩種模式任選：快速 vs. 深度思考自由切換

Hunyuan-A13B 特別引入雙模式推理機制（Dual-mode Chain-of-Thought），根據任務複雜度自動切換「快思」與「慢思」模式。快思適用於日常簡單查詢，強調低延遲與高效率；慢思則會啟動更長的 Chain-of-Thought 推理路徑，處理多步邏輯與複雜推演問題，平衡準確性與資源使用。

評測成績亮眼

在多項公認基準測試中，Hunyuan-A13B 的表現相當出色。它在數學推理（如 AIME 2024、MATH）中勇奪榜首，在邏輯推理（如 BBH、ZebraLogic）也名列前茅。即便在較考驗模型深度的長文本測試如 LongBench-v2 和 RULER 中，Hunyuan-A13B 也展現了驚人的上下文保留與邏輯整合能力，擊敗了參數遠大於它的 Qwen3-A22B 與 DeepSeek-R1。

面對開放環境挑戰，工具調用能力全面升級

除了語言與推理能力外，Hunyuan-A13B 也大幅提升了 Agent 能力。在 BFCL v3、ComplexFuncBench 等針對工具調用、規劃與多輪對話的測試中，它的表現不僅優於 Qwen3-A22B，更在 C3-Bench 測試中名列第一，展現其適應複雜任務流程的強大實力。

推理吞吐量爆表，部署效率值得關注

根據報告實測，Hunyuan-A13B 在推理效率上也同樣驚艷。搭配現有推理框架如 vLLM、TensorRT-LLM 等，在 32 批次、14K tokens 輸出長度下，可達近 2000 tokens/s 的吞吐量。在使用 INT8、FP8 等量化精度情況下，亦能保持效能，對於企業部署至關重要。

高效能與高性價比兼得，開源模型迎來新選擇

騰訊透過 Hunyuan-A13B 為開源語言模型界樹立新典範。該模型不僅突破了「小模型難敵大模型」的刻板印象，更提供彈性推理與多任務適應能力，成為開源 LLM 領域的新旗艦。對於資源有限但仍追求高效 AI 解決方案的開發者與企業來說，Hunyuan-A13B 無疑是一個值得關注的強力新選擇。

這篇文章 騰訊混元再推開源 AI 大招！Hunyuan-A13B 模型亮相，13B 參數挑戰 80B 巨獸 最早出現於 鏈新聞 ABMedia。