腾讯混元宣布开源首个混合推理MoE模型「Hunyuan-A13B」，这是业界首个13B级别的MoE开源混合推理模型。效果比肩顶尖开源模型的同时，大幅降低推理延迟与计算开销，让开发者可以用更低门槛的方式获得更好的模型能力。

腾讯混元坚定拥抱开源，未来将持续推进多尺寸、多场景的全系模型开源。

积极促进开源生态繁荣的腾讯混元团队长期持续热招中！

我们有着充沛的算力资源、丰富的训练数据，以及腾讯业务生态下多元的应用场景，给予你不设上限的战场和空间。

期待更多志同道合的优秀人才加入混元，与我们一起探索智能上限、构建向善的AGI！

社招岗位

• 大模型精调算法工程师-代码方向北京/深圳/上海

• 大模型预训练算法研究员/专家研究员北京/深圳

• 大模型算法工程师-推理能力方向北京/深圳

• 大模型算法专家-Agent&长文本北京

• 大模型应用算法工程师北京/深圳

• 大模型精调算法工程师-问答&RAG北京/深圳

• 大模型精调算法工程师-RAG可信方向北京/深圳

青云计划热招岗位

感兴趣的事业群和部门选择：

TEG-腾讯混元大语言模型部

• 技术研究-机器学习方向/自然语言处理方向/多模态方向/多媒体处理方向 深圳/北京

作为基于专家混合（MoE）架构的大模型，总参数800亿、激活参数130亿，在效果比肩顶尖开源模型的同时，大幅降低推理延迟与计算开销。

这对个人开发者和中小企业来说，无疑是个好消息，极端条件下仅需1张中低端GPU卡即可部署。用户可以在Github、HuggingFace等技术社区下载使用（https://github.com/Tencent-Hunyuan），模型API已在腾讯云官网上线。

对于时下热门的智能体（Agent）应用，模型可调用工具，高效生成出行攻略、数据文件分析等复杂指令响应。

用模型生成的出行攻略

再看数据和效果。在多个公开数据测试集上，模型在数学、科学和逻辑推理任务上表现出领先效果。

当前 AI大模型迅速发展，但行业也存在高昂的部署成本等现实问题。混元-A13B模型通过MoE架构，为每个输入选择性地激活相关模型组件，不仅与同等规模的密集模型相比又快又省，而且为个人开发者和中小企业提供了一个可扩展且高效的替代方案，使得他们能够以更低的门槛，充分利用前沿大模型的能力来驱动创新和业务增长。

这背后源自混元-A13B模型的技术创新。

比如：预训练中，模型用了20 万亿高质量网络词元语料库，提升了模型推理能力的上限；完善了MoE 架构的 Scaling Law（即规模定律）理论体系，为 MoE 架构设计提供了可量化的工程化指导，提升了模型预训练效果。

再比如：用户可以按需选择思考模式，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；慢思考模式涉及更深、更全面的推理步骤。这优化了计算资源分配，兼顾效率和准确性。

混元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针对Agent场景模型评估，设计了1024条测试数据，以发现模型能力的不足。

混元-A13B模型，是继混元Large模型后，推出的又一重要开源模型。接下来，混元也将推出更多尺寸、更多特色的模型，将更多实践技术与社区共享，促进开源生态的繁荣。

• 体验入口：https://hunyuan.tencent.com/

• API地址：https://cloud.tencent.com/product/tclm

• Github ：https://github.com/Tencent-Hunyuan

• HuggingFace：https://huggingface.co/tencent

• C3-Bench：https://github.com/Tencent-Hunyuan/C3-Benchmark

• ArtifactsBench：https://github.com/Tencent-Hunyuan/ArtifactsBenchmark