Hunyuan-A13B-Instruct

🤗 Hugging Face     

🖥️ Official Website     

🕖 HunyuanAPI     

🕹️ Demo     

 ModelScope

GITHUB

Technical Report

cnb.cool

LICENSE

WeChat

Discord

模型介绍

随着人工智能技术的快速发展，大型语言模型（LLMs）在自然语言处理、计算机视觉和科学任务等领域取得了显著进展。然而，随着模型规模的扩大，如何在保持高性能的同时优化资源消耗成为一个关键挑战。为了应对这一挑战，我们研究了混合专家（MoE）模型，当前亮相的 Hunyuan-A13B 模型，拥有800亿总参数和130亿激活参数。不仅在效果上达到了高标准，而且在尺寸上也做到了极致的优化，成功平衡了模型性能与资源占用。

核心特性与优势

​**小参数量，高性能**​：仅激活130亿参数（总参数量800亿），即可在多样化基准任务中媲美更大规模模型的竞争力表现

​**混合推理支持**​：同时支持快思考和慢思考两种模式，支持用户灵活选择

​**超长上下文理解**​：原生支持256K上下文窗口，在长文本任务中保持稳定性能

​**增强Agent能力**​：优化Agent能力，在BFCL-v3、τ-Bench、C3-Bench等智能体基准测试中领先

​**高效推理**​：采用分组查询注意力（GQA）策略，支持多量化格式，实现高效推理

为何选择Hunyuan-A13B？

作为兼具强大性能与计算效率的大模型，Hunyuan-A13B是研究者与开发者在资源受限条件下追求高性能的理想选择。无论学术研究、高性价比AI解决方案开发，还是创新应用探索，本模型都能提供强大的基础支持。

 

新闻

• 6.26 我们在Hugging Face开源了 **Hunyuan-A13B-Instruct**，**Hunyuan-A13B-Pretrain**, **Hunyuan-A13B-Instruct-FP8**， **Hunyuan-A13B-Instruct-GPTQ-Int4**。并发布了技术报告和训练推理操作手册，详细介绍了模型能力和训练与推理的操作。

模型结构

Hunyuan-A13B采用了细粒度混合专家（Fine-grained Mixture of Experts，Fine-grained MoE）架构，包含800亿参数和130亿激活参数，累计训练了超过 20T tokens。该模型支持 256K 的上下文长度，以下为模型结构细节:

总参数: 80B

激活参数: 13B

层数: 32

Attention Heads: 32

共享专家数: 1

非共享专家数: 64

路由策略: Top-8

激活函数: SwiGLU

隐层维度: 4096

专家隐层维度: 3072

Benchmark评估榜单

Hunyuan-A13B-Pretrain** 在 12/14 个任务上超越了Hunyuan上一代52B激活参数的MoE模型Hunyuan-Large，证实了它在预训练任务上出色的能力。与业界更大参数量的Dense和MoE模型相比, Hunyuan-A13B在多个代码和数学任务上都取得了最高分数。在MMLU, MMLU-PRO等诸多聚合任务上, Hunyuan-A13B达到了与Qwen3-A22B模型同等的水平，表现出优秀的综合能力。

Model Hunyuan-Large Qwen2.5-72B Qwen3-A22B Hunyuan-A13B

• ----------------- --------------- -------------- ------------- ---------------

MMLU 88.40 86.10 87.81 88.17

MMLU-Pro 60.20 58.10 68.18 67.23

MMLU-Redux 87.47 83.90 87.40 87.67

BBH 86.30 85.80 88.87 87.56

SuperGPQA 38.90 36.20 44.06 41.32

EvalPlus 75.69 65.93 77.60 78.64

MultiPL-E 59.13 60.50 65.94 69.33

MBPP 72.60 76.00 81.40 83.86

CRUX-I 57.00 57.63 - 70.13

CRUX-O 60.63 66.20 79.00 77.00

MATH 69.80 62.12 71.84 72.35

CMATH 91.30 84.80 - 91.17

GSM8k 92.80 91.50 94.39 91.83

GPQA 25.18 45.90 47.47 49.12

Hunyuan-A13B-Instruct** 在多项基准测试中取得了极具有竞争力的表现，尤其是在数学、科学、agent等领域。我们与一些强力模型进行了对比，结果如下所示。

Topic Bench OpenAI-o1-1217 DeepSeek R1 Qwen3-A22B Hunyuan-A13B-Instruct

:-------------------: :----------------------------------------------------: :-------------: :------------: :-----------: :---------------------:

• *Mathematics** AIME 2024AIME 2025MATH 74.379.296.4 79.87094.9 85.781.594.0 87.376.894.3
• *Science** GPQA-DiamondOlympiadBench 7883.1 71.582.4 71.185.7 71.282.7
• *Coding** LivecodebenchFullstackbenchArtifactsBench 63.964.638.6 65.971.644.6 70.765.644.6 63.967.843
• *Reasoning** BBHDROPZebraLogic 80.490.281 83.792.278.7 88.990.380.3 89.191.184.7
• *InstructionFollowing** IF-EvalSysBench 91.882.5 88.377.7 83.474.2 84.776.1
• *TextCreation** LengthCtrlInsCtrl 60.174.8 55.969 53.373.7 55.471.9
• *NLU** ComplexNLUWord-Task 64.767.1 64.576.3 59.856.4 61.262.9
• *Agent** BFCL v3 τ-BenchComplexFuncBench C3-Bench 67.860.447.658.8 56.943.841.155.3 70.844.640.651.7 78.354.761.263.5

数据

Hunyuan-A13B 提供了模型训练相关流程，您可以在此章节对训练数据格式进行处理以供模型训练使用。

训练数据格式及处理

Hunyuan-A13B-Instruct 同时支持慢思考与快思考两种模式，模型的默认输出是慢思考模式，若想让模型进行快思考，可在 query 前附加上 "/no think"。**

训练数据按照以下形式处理为 messages 格式，训练和推理的默认 system prompt 为空，可以根据自己的需求进行设定。

 

快速开始

您可以参照快速开始文档中的内容进行快速上手。

模型训练

硬件需求

经过测试，不开 make moe param leaf module 以及 zero3+offload，max seq length 为 2048，全量微调最少需要单机 8 卡（显存至少80G）。

启动方式

参考：HuggingFace Transformers Trainer

单机启动训练

在 train 目录下，执行：

多机启动训练

如果要用多台机器启动训练，请按照以下步骤执行，并保证多台机器在一个集群内。

配置机器间免密 ssh 登录

以下操作以两个机器为例，两台机器的 ip 分别以 ${ip1} 和 ${ip2} 标识，以下操作均在 docker container 内执行。

首先，配置多机container免密，在每台机器上执行。

注意：这里的 36005 是一个示例端口，可以选用任意端口，但需要保证使用的端口**开放**且**不被其他的进程占用**。

接下来，在每台机器的 container 内，执行：

将输出的 ssh 公钥复制并粘贴到 ~/.ssh/authorized keys 文件中，每行一个公钥，每台机器上都要做这个操作**。最终每台机器上的 ~/.ssh/authorized keys 文件内容应当是一致的，并且包含了所有机器的公钥。

需要注意，多节点训练时，每个节点上执行的代码都得一致，建议挂载一个共享的网络盘，如果无法挂载共享网盘，则需要手动将数据集、脚本、代码复制在多台机器的相同目录下。

启动多机训练

在以上准备步骤准备好了之后，以及确认依赖已经安装完成（如未安装，请执行 pip install -r requirements.txt 安装），就可以在 train.sh 中的开头增加以下配置：

注意：将以上的 ${ip1} 和 ${ip2} 替换为真实的 ip 地址！

然后，在 ${ip1} 的机器上，在 train/ 目录下，执行 bash train.sh 即可，注意第一次启动时可能会看见以下的输出：

此时输入 yes 即可继续。

关键参数

脚本中的关键参数如下：

• -deepspeed : 此参数应当指向一个 deepspeed 的配置文件， train 文件夹下提供了三种 DeepSpeed 的默认配置文件： ds zero2 no offload.json , ds zero3 no offload.json , ds zero3 offload.json ，这三个配置文件所需显存依次减少
• -model name or path : 要加载的 HF 预训练模型权重，确保这个路径下包含了 modeling hunyuan.py 和 configuration hunyuan.py 文件，否则无法加载
• -tokenizer name or path : tokenizer 文件夹路径，确保这个路径下包含了 tokenization hy.py 文件，否则无法加载
• -train data file : 训练文件路径，应该为一个 jsonl 文件
• -output dir : 输出文件夹，log、tensorboard 和权重都会存储在这个路径下
• -per device train batch size : 每张卡上的 batch size
• -gradient accumulation steps : 梯度累计次数， per device train batch size * gradient accumulation steps * dp size 为 global batch size
• -max steps : 训练的总步数
• -save steps : 每多少个 step 存储一个 checkpoint
• -use lora : 是否用 lora 训练，同时接收 --lora rank ， --lora alpha 和 --lora dropout 参数。lora 默认应用于 "q proj", "k proj", "v proj", "o proj" 四个参数，如果需要改变的话在代码中修改即可。注意：**使用 lora 训练时，只会保存 lora 的权重，而不会保存 base 模型的权重**，如果需要合并 lora 权重，看下面的“Lora 权重合并”一节
• -make moe param leaf module ：当用 zero3 以及 MoE 训练时，将 MoE 模块视作一个 leaf module，即它的参数不进行 zero3 切分，这个选项预计会显著增加显存占用
• -gradient checkpointing ：开启梯度重计算
• -train attention params only : 是否只训练 attention 参数
• -learning rate : 训练时的最大学习率
• -min lr : 训练时的最小学习率
• -use flash attn : 开启 flash-attention 进行训练加速

注意：**

如果想从一个中途保存的 ckpt 继续训练，而不是加载一个预训练的权重，直接指定 --resume from checkpoint 为之前训练保存的 ckpt 路径，不要指定 --model name or path ，这样只会加载权重，而不会加载训练状态

从 ckpt 继续训练时，loss 可能会有微小的偏差，这是由一些非确定性算法带来的随机性，是正常现象。参考：HuggingFace Transformers Trainer Randomness

当 --model name or path 有效时，所有模型相关的参数都会被忽略

一个 batch 内的样本会通过 padding 对齐 batch 内最长的样本，而每条样本的长度最长为 max seq length，超出的部分会被裁剪

如果报出 bias 权重没有 load 的 warning，忽略即可，Hunyuan-Large 中不会用到 bias

显存不足怎么办？

参考：[DeepSpeed Configuration

可以尝试修改 ds config，去掉这几个参数的 auto 属性，改小试试看：

stage3 param persistence threshold

stage3 prefetch bucket size

stage3 max reuse distance

Lora 模型合并

保存下来的 lora 权重没法在训练运行时合并到 zero3 模型中，因为 zero3 开启时模型权重会切分到各 dp rank 上。因此如果想把 lora 权重合并到 base 模型上，可以通过离线的方式合并后得到权重文件。执行 merge lora weight.sh 即可完成 lora 权重和 base 模型权重的合并，其中的参数有：

• -base model path ：base 模型的权重目录
• -adapter model path ：lora 权重目录
• -output path ：合并后的权重保存目录
• -save dtype ： 以什么数据格式存储合并后的权重，可选值：fp16，bf16，fp32

LLaMA-Factory 支持

如果对 LLaMA-Factory 较为熟悉，可使用 https://github.com/hiyouga/LLaMA-Factory/tree/main 进行微调，我们提供了 llama-factory 的训练示例配置文件 ./train/llama factory support/hunyuan a13b full sft.yaml 文件。

 

Agent 功能

Hunyuan-A13B 模型支持通过函数调用（Function Call）来实现 Agent 的搭建。Agent示例

量化压缩

我们采用自研的 AngleSlim 压缩工具产出了FP8及INT4量化模型， AngleSlim 压缩工具预计7月初开源，将支持大模型一键式量化压缩，敬请期待，现在可以直接下载我们的量化模型进行部署测试。

FP8量化

我们采用 FP8-static 量化，FP8量化采用8位浮点格式，通过少量校准数据（无需训练）预先确定量化scale，将模型权重与激活值转换为FP8格式，提升推理效率并降低部署门槛。

我们您可以使用 AngleSlim 量化，你也可以直接下载我们量化完成的开源模型使用Hunyuan-A13B-Instruct-FP8。

FP8 Benchmark

本小节介绍 Hunyuan-A13B-Instruct-FP8 量化模型的Benchmark指标。

Bench Hunyuan-A13B-Instruct Hunyuan-A13B-Instruct-FP8

:---------: :---------------------: :-------------------------:

AIME 2024 87.3 86.7

Gsm8k 94.39 94.01

BBH 89.1 88.34

DROP 91.1 91.1

Int4量化

Int4量化我们采用GPTQ算法实现W4A16量化，该算法逐层处理模型权重，利用少量校准数据最小化量化后的权重重构误差，通过近似Hessian逆矩阵的优化过程逐层调整权重。流程无需重新训练模型，仅需少量校准数据即可量化权重，提升推理效率并降低部署门槛。

您可以使用 AngleSlim 量化，你也可以直接下载我们量化完成的开源模型使用Hunyuan-A13B-Instruct-Int4。

INT4 Benchmark

本小节介绍 Hunyuan-A13B-Instruct-GPTQ-Int4 量化模型的Benchmark指标。

Bench Hunyuan-A13B-Instruct Hunyuan-A13B-Instruct-GPTQ-Int4

:--------------: :---------------------: :-------------------------------:

OlympiadBench 82.7 84.0

AIME 2024 87.3 86.7

Gsm8k 94.39 94.24

BBH 89.1 87.91

DROP 91.1 91.05

 

推理和部署

HunyuanLLM可以采用TensorRT-LLM, vLLM或sglang部署。为了简化部署过程HunyuanLLM提供了预构建docker镜像，详见一下章节。

镜像：https://hub.docker.com/r/hunyuaninfer/hunyuan-a13b/tags

使用TensorRT-LLM推理

Docker:

为了简化部署过程，HunyuanLLM提供了预构建docker镜像 (注意： 该镜像要求Host的Cuda版本为12.8以上）：

hunyuaninfer/hunyuan-a13b:hunyuan-moe-A13B-trtllm 。您只需要下载模型文件并用下面代码启动docker即可开始推理模型。

注: Docker容器权限管理。以上代码采用特权模式（--privileged）启动Docker容器会赋予容器较高的权限，增加数据泄露和集群安全风险。建议在非必要情况下避免使用特权模式，以降低安全威胁。对于必须使用特权模式的场景，应进行严格的安全评估，并实施相应的安全监控、加固措施。

BF16部署

Step1：执行推理

方式1：命令行推理

下面我们展示一个代码片段，采用 TensorRT-LLM 快速请求chat model：

修改 examples/pytorch/quickstart advanced.py 中如下代码：

运行方式：

方式2：服务化推理

下面我们展示使用 TensorRT-LLM 服务化的方式部署模型和请求。

准备配置文件：

cat >/path/to/extra-llm-api-config.yml