腾讯混元再推开源 AI 大招！Hunyuan-A13B 模型亮相，13B 参数挑战 80B 巨兽

随着生成式 AI 进入新阶段，超大模型虽然强悍，却也伴随着高昂的资源成本与部署难度。腾讯混元最新释出的开源大型语言模型 Hunyuan-A13B，则走出了一条轻量级、高效能的新路线：虽然拥有总计 800 亿参数，但每次推理仅启用 130 亿参数，透过「Mixture-of-Experts（MoE）」架构，大幅压缩推理成本，却又不牺牲语言理解与推理能力。

打破效能与资源瓶颈：Hunyuan-A13B 的技术底层解析

Hunyuan-A13B 采用稀疏 MoE 架构，共拥有 64 个专家模块与一个共享专家，每次推理时仅选用其中 8 个专家活化，搭配 SwiGLU 激活函数与 GQA（Grouped Query Attention）技术，能有效提升记忆体使用效率与推理吞吐量。

此外，其预训练资料量高达 20 兆 tokens，当中包含 2500 亿来自 STEM 领域的高品质资料，强化模型在数学、科学与逻辑推理上的表现。整体训练历经三大阶段：基础预训练、快速退火训练与长上下文扩展训练，最终支援长达 256K tokens 的上下文处理能力。

推理两种模式任选：快速 vs. 深度思考自由切换

Hunyuan-A13B 特别引入双模式推理机制（Dual-mode Chain-of-Thought），根据任务复杂度自动切换「快思」与「慢思」模式。快思适用于日常简单查询，强调低延迟与高效率；慢思则会启动更长的 Chain-of-Thought 推理路径，处理多步逻辑与复杂推演问题，平衡准确性与资源使用。

评测成绩亮眼

在多项公认基准测试中，Hunyuan-A13B 的表现相当出色。它在数学推理（如 AIME 2024、MATH）中勇夺榜首，在逻辑推理（如 BBH、ZebraLogic）也名列前茅。即便在较考验模型深度的长文本测试如 LongBench-v2 和 RULER 中，Hunyuan-A13B 也展现了惊人的上下文保留与逻辑整合能力，击败了参数远大于它的 Qwen3-A22B 与 DeepSeek-R1。

面对开放环境挑战，工具调用能力全面升级

除了语言与推理能力外，Hunyuan-A13B 也大幅提升了 Agent 能力。在 BFCL v3、ComplexFuncBench 等针对工具调用、规划与多轮对话的测试中，它的表现不仅优于 Qwen3-A22B，更在 C3-Bench 测试中名列第一，展现其适应复杂任务流程的强大实力。

推理吞吐量爆表，部署效率值得关注

根据报告实测，Hunyuan-A13B 在推理效率上也同样惊艳。搭配现有推理框架如 vLLM、TensorRT-LLM 等，在 32 批次、14K tokens 输出长度下，可达近 2000 tokens/s 的吞吐量。在使用 INT8、FP8 等量化精度情况下，亦能保持效能，对于企业部署至关重要。

高效能与高性价比兼得，开源模型迎来新选择

腾讯透过 Hunyuan-A13B 为开源语言模型界树立新典范。该模型不仅突破了「小模型难敌大模型」的刻板印象，更提供弹性推理与多任务适应能力，成为开源 LLM 领域的新旗舰。对于资源有限但仍追求高效 AI 解决方案的开发者与企业来说，Hunyuan-A13B 无疑是一个值得关注的强力新选择。

这篇文章 腾讯混元再推开源 AI 大招！Hunyuan-A13B 模型亮相，13B 参数挑战 80B 巨兽 最早出现于 链新闻 ABMedia。