混元-A13B 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，号称“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”。
腾讯混元表示，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，模型 API 已在腾讯云官网上线。
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，号称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”。
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。
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。
从具体效果来看，数学推理方面，例如输入“9.11 和 9.9 谁大”，模型可准确完成小数比较，并展现分步解析能力。
对于时下热门的智能体（Agent）应用，模型可调用工具，生成出行攻略、数据文件分析等复杂指令响应。
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”。
AI在线附开源地址：
https://github.com/Tencent-Hunyuan/Hunyuan-A13B
