Hunyuan Standard

系统要求

不同量化方法和上下文大小的显存要求

关于 Hunyuan Standard

腾讯混元-Large（Tencent Hunyuan-Large），标识符为 Hunyuan-MoE-A52B，是由腾讯开发并开源的基于 Transformer 架构的大规模混合专家（MoE）模型。该模型通过采用动态路由策略，解决了大语言模型中庞大参数量带来的计算挑战。其设计旨在各种自然语言处理任务中提供高性能，同时通过稀疏激活机制优化资源利用率。该模型的设计便于其在多样化的智能系统中应用，支持人工智能研究与部署的进步。

Hunyuan-Large 的技术架构包含总计 3890 亿个参数，由于其混合专家设计的特性，在推理过程中仅激活 520 亿个参数。模型结构包括一个共享专家和 16 个专用专家，除了持续激活的共享专家外，每个 token 还会激活一个专用专家。位置编码采用旋转位置嵌入（RoPE），激活函数为 SwiGLU。为了提高推理效率并减少 KV 缓存（KV cache）的内存占用，Hunyuan-Large 集成了分组查询注意力（GQA）和跨层注意力（CLA），显著降低了 KV 缓存的内存消耗。训练方案还受益于高质量的合成数据、专家特定的学习率缩放方法，以及用于加速训练过程的 Flash Attention 技术。

Hunyuan-Large 的预训练版本支持高达 256,000 个 token 的超长上下文窗口，能够处理和理解长文本输入，适用于详细文档分析和庞大代码库等应用。该模型在 MMLU、MMLU-Pro、CMMLU、GSM8K 和 MATH 等多个中英文基准测试中展现了极具竞争力的性能，表现往往优于同等激活参数规模的稠密模型和其他 MoE 模型。这些能力使 Hunyuan-Large 成为处理复杂推理、全面内容生成以及长文本深度理解等高难度任务的理想解决方案。

技术规格

资源

关于 Hunyuan

具备多种能力的腾讯混元大语言模型。

其他 Hunyuan 模型

• Hunyuan Lite
• Hunyuan Turbo
• Hunyuan TurboS
• Hunyuan T1
• Hunyuan A13B
• Hunyuan Large