腾讯混元开源Hunyuan-A13B混合推理模型，擅长Agent工具调用与长文本理解，性能媲美同类模型，推理速度更快，并开源两个数据集。
原文标题：腾讯混元推出首款开源混合推理模型：擅长Agent工具调用和长文理解
原文作者：AI前线
冷月清谈：
怜星夜思：
2、Hunyuan-A13B 支持的快慢思考模式，在实际应用中如何权衡？有没有具体的场景案例可以分享？
3、文章提到的 ArtifactsBench 和 C3-Bench 数据集，分别解决了大模型 Agent 评估中的哪些痛点？对于大模型开发者来说，如何有效利用这些数据集？
原文内容
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。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。
开源地址：
Github ：https://github.com/Tencent-Hunyuan
HuggingFace：https://huggingface.co/tencent
据介绍，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，下划线表示第二名，数据来源于模型各个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。
Hunyuan-A13B 模型对个人开发者较为友好，在严格条件下，只需要 1 张中低端 GPU 卡即可部署。目前，Hunyuan-A13B 已经融入开源主流推理框架生态，无损支持多种量化格式，在相同输入输出规模上，整体吞吐是前沿开源模型的 2 倍以上。
Hunyuan-A13B 集合了腾讯混元在模型预训练、后训练等多个环节的创新技术，这些技术共同增强了其推理性能、灵活性和推理效率。
预训练环节，Hunyuan-A13B 训练了 20T tokens 的语料，覆盖了多个领域。高质量的语料显著提升了模型通用能力。此外，在模型架构上，腾讯混元团队通过系统性分析，建模与验证，构建了适用于 MoE 架构的 Scaling Law 联合公式。这一发现完善了 MoE 架构的 Scaling Law 理论体系，并为 MoE 架构设计提供了可量化的工程化指导，也极大的提升了模型预训练的效果。
后训练环节，Hunyuan-A13B 采用了多阶段的训练方式，提升了模型的推理能力，同时兼顾了模型创作、理解、Agent 等通用能力。
图：Hunyuan-A13B 后训练四个步骤
为更好的提升大语言模型能力，腾讯混元也开源了两个新的数据集，以填补行业内相关评估标准的空白。其中，ArtifactsBench 用于弥合大语言模型代码生成评估中的视觉与交互鸿沟，构建了一个包含 1825 个任务的新基准，涵盖了从网页开发、数据可视化到交互式游戏等九大领域，并按难度分级以全面评估模型的能力；C3-Bench 针对 Agent 场景模型面临的三个关键挑战：规划复杂的工具关系、处理关键的隐藏信息以及动态路径决策，设计了 1024 条测试数据，以发现模型能力的不足。
