首页 > 快讯 > 腾讯混元推出并公开 0.5B、1.8B、4B、7B型号的模型

腾讯混元推出并公开 0.5B、1.8B、4B、7B型号的模型

发布时间:2025-08-04 15:26:30 | 责任编辑:吴昊 | 浏览量:9 次

腾讯混元团队宣布推出四款开源的小尺寸模型,参数分别为0.5B、1.8B、4B和7B。这些模型专为消费级显卡设计,适用于笔记本电脑、手机、智能座舱、智能家居等低功耗场景,并支持垂直领域的低成本微调。这一举措进一步丰富了混元开源模型体系,为开发者和企业提供了更多尺寸的模型选择。
这四款模型的推出是腾讯混元大模型持续开源的一部分,旨在为开发者和企业提供更多选择,以满足不同场景下的需求。目前,这些模型已在Github和HuggingFace等开源社区上线,并得到了Arm、高通、Intel、联发科技等多个消费级终端芯片平台的支持。
新开源的四个模型属于融合推理模型,具备推理速度快、性价比高的特点。用户可以根据使用场景灵活选择模型的思考模式:快思考模式提供简洁、高效的输出,适合简单任务;慢思考模式则涉及解决复杂问题,具备更全面的推理步骤。在效果上,这些模型在语言理解、数学、推理等领域表现出色,在多个公开测试集上得分达到了领先水平。
这四个模型的亮点在于其agent能力和长文处理能力。通过精心的数据构建和强化学习奖励信号设计,这些模型在任务规划、工具调用和复杂决策以及反思等agent能力上表现出色,能够轻松胜任深度搜索、Excel操作、旅行攻略规划等任务。此外,模型原生长上下文窗口达到了256k,意味着模型可以一次性记住并处理相当于40万中文汉字或50万英文单词的超长内容,相当于一口气读完3本《哈利波特》小说,并且能记住所有人物关系和剧情细节,还能根据这些内容讨论后续故事发展。
在部署方面,这四个模型均只需单卡即可部署,部分PC、手机、平板等设备可直接接入。模型具有较强的开放性,主流推理框架(例如,SGLang,vLLM和TensorRT-LLM)和多种量化格式均能够支持。
应用层面,这四款小尺寸模型能够满足从端侧到云端、从通用到专业的多样化需求,并且已经在腾讯多个业务中应用,其可用性和实用性经过了实践的检验。例如,依托模型原生的超长上下文能力,腾讯会议AI小助手、微信读书AI问书AI助手均实现对完整会议内容、整本书籍的一次性理解和处理。在端侧应用上,腾讯手机管家利用小尺寸模型提升垃圾短信识别准确率,实现毫秒级拦截,隐私零上传;腾讯智能座舱助手通过双模型协作架构解决车载环境痛点,充分发挥模型低功耗、高效推理的特性。
官网体验地址:https://hunyuan.tencent.com/modelSquare/home/list
【Github】
Hunyuan-0.5B:GitHub - Tencent-Hunyuan/Hunyuan-0.5B
Hunyuan-1.8B:https://github.com/Tencent-Hunyuan/Hunyuan-1.8B
Hunyuan-4B:https://github.com/Tencent-Hunyuan/Hunyuan-4B
Hunyuan-7B:https://github.com/Tencent-Hunyuan/Hunyuan-7B
【HuggingFace】
Hunyuan-0.5B:https://huggingface.co/tencent/Hunyuan-0.5B-Instruct
Hunyuan-1.8B:https://huggingface.co/tencent/Hunyuan-1.8B-Instruct
Hunyuan-4B:https://huggingface.co/tencent/Hunyuan-4B-Instruct
Hunyuan-7B:https://huggingface.co/tencent/Hunyuan-7B-Instruct

腾讯混元推出并公开 0.5B、1.8B、4B、7B型号的模型

腾讯混元开源并发布 0.5B、1.8B、4B、7B 模型:2025 年 8 月 4 日,腾讯混元宣布开源四款小尺寸模型,参数分别为 0.5B、1.8B、4B、7B,这些模型专为消费级显卡设计,适用于笔记本电脑、手机、智能座舱、智能家居等低功耗场景,支持垂直领域低成本微调,目前已在 Github 和 Huggingface 等开源社区上线,并获 Arm、高通、Intel、联发科技等消费级终端芯片平台支持。此外,腾讯混元此前还开源了混元 3D 世界模型 1.0,并计划后续开源更多模型,包括多模态理解模型混元-large-vision 和游戏视觉模型混元 GameCraft 等。

©️版权声明:
本网站(https://aigc.izzi.cn)刊载的所有内容,包括文字、图片、音频、视频等均在网上搜集。
访问者可将本网站提供的内容或服务用于个人学习、研究或欣赏,以及其他非商业性或非盈利性用途,但同时应遵守著作权法及其他相关法律的规定,不得侵犯本网站及相关权利人的合法权利。除此以外,将本网站任何内容或服务用于其他用途时,须征得本网站及相关权利人的书面许可,并支付报酬。
本网站内容原作者如不愿意在本网站刊登内容,请及时通知本站,予以删除。

最新Ai信息

最新Ai工具

热门AI推荐