Hunyuan-A13B를 로컬에서 실행할 수 있나요?

Tencent | 131,072 토큰 컨텍스트 | 입력 $0.14/M, 출력 $0.57/M. Hunyuan-A13B는 Tencent가 개발한 13B 활성 파라미터 Mixture-of-Experts(MoE) 언어 모델로, 총 80B 파라미터를 갖추고 Chain-of-Thought 추론을 지원합니다. 수학, 과학, 코딩, 다중 턴 추론 작업에서 경쟁력 있는 벤치마크 성능을 제공하며, Grouped Query Attention(GQA) 및 양자화 지원(FP8, GPTQ 등)을 통해 높은 추론 효율성을 유지합니다.

이 모델의 가이드

용도별 최고의 로컬 LLM (2026년 10월): 모든 작업에 맞는 최적의 오픈 모델

로컬 AI에 실제로 필요한 VRAM은 얼마나 될까?

GGUF 파일이란? 양자화 모델 설명 (Q4, Q8, fp8, NF4)

모든 가이드

캡틴의 노트

Captain 작성, 하우스 에디터

2026-10-13의 노트

Hunyuan-A13B Instruct는 Tencent의 Mixture-of-Experts 모델로, 총 800억 파라미터 중 130억 활성 파라미터를 사용해 밀집 모델 품질을 유지하면서 추론 비용을 크게 줄였습니다. 256K 컨텍스트 윈도우, 사고의 연쇄(chain-of-thought) 추론, 빠른 사고와 느린 사고 모드를 지원합니다. 오픈 웨이트, 양자화 준비 완료, 저렴한 API 가격으로 대규모 컴퓨팅 비용 없이 강력한 추론 모델이 필요한 개발자에게 적합합니다.

알려진 점

MoE 효율성: 800억 중 130억 활성 파라미터로 추론 경량화
256K 네이티브 컨텍스트 윈도우로 긴 문서 및 다중 대화 지원
추론 깊이 조절 가능한 빠른 사고와 느린 사고 모드 전환
BFCL-v3, τ-Bench, C3-Bench에서 강력한 에이전트 벤치마크 성능
FP8, GPTQ-Int4 등 다양한 양자화 포맷 지원

주의할 점

총 800억 파라미터로 로컬 배포 시 상당한 하드웨어 요구, 활성 파라미터 수가 적어도 마찬가지.
라이선스 조건은 요약되어 있지 않으니 상업적 사용 전 Tencent의 공식 라이선스 확인 필요.
모델 카드에 벤치마크는 기본 모델 기준이며, 인스트럭트 변형에 대한 직접 평가 아님.

최적 용도

시도해볼 프롬프트

다단계 수학 증명

08:00에 도시 A에서 시속 90km로 출발하는 기차가 있습니다. 450km 떨어진 도시 B에서 09:30에 시속 110km로 도시 A 방향으로 출발하는 두 번째 기차가 있습니다. 두 기차는 몇 시에 만나며, 도시 A에서 얼마나 떨어져 있나요? 최종 답변 전에 각 추론 단계를 보여주세요.

에이전트 도구 사용 계획

당신은 세 가지 도구를 사용할 수 있는 에이전트입니다: web_search(query), read_file(path), send_email(to, subject, body). 사용자가 '현재 EUR/USD 환율을 찾아 rates.txt에 저장하고 finance@example.com으로 한 문장 요약과 함께 이메일을 보내라'고 요청했습니다. 도구 호출 순서와 인자를 정확히 작성하고, 그 순서를 선택한 이유를 설명하세요.

동시성 버그 디버깅

다중 스레드에서 동시에 호출 시 가끔 잘못된 결과를 반환하는 Python 함수가 있습니다. 경쟁 상태를 찾아내고, 발생 원인을 설명하며, 가능하다면 전역 락 없이 스레드 안전하게 함수 코드를 다시 작성하세요: import threading counter = 0 def increment(n): global counter for _ in range(n): counter += 1

비교하기

Hy4 preview
오픈 가중치 모델
1,048,576 토큰 컨텍스트 · $0.83/M 입력, $2.50/M 출력
Hy3
오픈 가중치 모델
262,144 토큰 컨텍스트 · $0.13/M 입력, $0.53/M 출력
Hy3 preview
오픈 가중치 모델
262,144 토큰 컨텍스트 · $0.18/M 입력, $0.60/M 출력
GPT-6 Luna
API 전용 모델
1,050,000 토큰 컨텍스트 · $0.10/M 입력, $0.50/M 출력

tencent의 더 많은 텍스트 모델

사람들이 묻는 질문

Hunyuan-A13B를 로컬에서 실행할 수 있나요?: 네, 웨이트는 Tencent가 Hugging Face에 공개했으며 FP8, GPTQ-Int4 양자화 변형으로 메모리 요구량을 줄였습니다. 하지만 전체 모델은 800억 파라미터이므로 양자화해도 상당한 하드웨어가 필요합니다.
API 사용 비용과 컨텍스트 제한은 어떻게 되나요?: Tencent는 HunyuanAPI를 통해 입력 토큰당 $0.14/M, 출력 토큰당 $0.57/M으로 가격을 책정하며, 256K 토큰 네이티브 컨텍스트 윈도우를 지원합니다.
Hunyuan-A13B는 일반 13B 밀집 모델과 어떻게 다른가요?: Mixture-of-Experts 아키텍처를 사용해 전체 800억 파라미터 중 130억만 활성화되어 추론되므로, 훨씬 큰 밀집 모델과 벤치마크 성능이 비슷하면서도 추론 비용은 13B 모델 수준에 가깝게 유지됩니다.

캡틴의 평가
활성 파라미터 수 대비 뛰어난 성능을 보이는 합리적 가격의 오픈 웨이트 MoE 모델로, 특히 에이전트와 장기 컨텍스트 추론에 적합합니다.

Hugging Face의 모델 카드

캡틴은 모델의 설명과 모델 카드에서 이 노트를 작성합니다. 가격과 컨텍스트 크기는 작성 시점의 제공자 기준이며 변경될 수 있습니다.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

이 점수가 어떻게 계산되는지

이 모델은 아직 어떤 출처에서도 인기 데이터가 없어서 7,000° 아래에 임시 점수를 가지고 있어. 이 점수는 목록을 완성하는 데 쓰여. 데이터가 있는 모델보다 절대 순위가 높지 않아. 출처에서 보고가 들어오는 즉시 여기서 세부 내역이 나타나.

용어집: 여기서 쓰는 말들

히트 점수: 모델이 지금 얼마나 쓰이고 원하는지 한 숫자로 나타낸 거야, 0°부터 9,999°까지. 이 사이트에서 가장 인기 있는 목록은 모두 이 점수로 정렬돼.
기본 점수: 실제 데이터가 있는 모든 모델이 시작하는 7,000°야. 점수는 0°부터 9,999°까지인데, 기본 점수 아래는 데이터 없는 모델(대체 모델)용으로 남겨둬서 데이터 있는 모델이 항상 위에 오도록 해. 기본 점수는 모두 같고 아무것도 결정하지 않아; 그 위 점수가 실제 측정치야.
다운로드 동등치: 점수가 다운로드로 취급하는 모든 걸 합친 거야: 실제 다운로드, 토렌트 시더 1,000개씩, AI Horde 이미지와 생성 사이트 실행 1개씩.
로그 스케일: 1씩이 아니라 10씩 세는 거야: 1,000에서 10,000 다운로드가 늘면 10,000에서 100,000 늘어난 것과 같은 점수가 더해져. 큰 모델이 다 차지하는 걸 막아줘.
좋아요: 모든 출처의 좋아요와 엄지척, 로그 스케일에서 다운로드 절반 가치야.
채택률: 두 번 측정한 차이로 계산한 지금 하루 다운로드 수야. 다운로드 항목 무게의 4분의 1이야.
측정 및 추정: 측정은 두 번의 소스 읽기가 존재하고 그 차이가 실제라는 뜻이야. 추정은 오늘의 총합만 알고 과거는 모델의 전체 기간에 나눠서 보여주는 거야; 사이트에서 어떤 걸 보여주는지 알려줘.
시더: 토렌트를 통해 다른 사람이 다운로드할 수 있도록 가중치 파일을 온라인에 보관하는 사람이나 호스팅 미러를 말해. 각각 1,000번 다운로드로 계산돼.
AI 호드: 기부받은 컴퓨터에서 무료로 이미지를 생성하는 자원봉사 네트워크야. 모델로 만든 이미지 수가 공개되고, 각각이 한 번의 다운로드로 계산돼.
생성 사이트: PixAI, SeaArt, Yodayo 같은 모델 복사본을 직접 호스팅하고 사람들이 생성할 수 있게 하는 사이트들이야. 이들의 다운로드는 Civitai와 같고, 생성 한 번이 한 번의 다운로드로 계산돼.
OpenRouter 토큰: Claude나 GPT 같은 API를 통해 제공되는 텍스트 모델은 다운로드할 가중치가 없으므로, 지난 30일간 OpenRouter를 통해 읽고 쓴 텍스트 조각인 토큰 수로 사용량을 측정합니다. 10,000,000 토큰마다 다운로드 1회로 계산합니다. 출처: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
전체 모델 (체크포인트): 가중치 자체, 혼자서 생성하는 파일이야. 애드온이 이걸 기반으로 하기 때문에 보너스 점수를 받아.
LoRA와 임베딩: 다른 사람의 가중치를 특정 스타일, 캐릭터, 개념 쪽으로 조정하는 작은 추가 파일이야. 혼자 실행할 수 없어.
패밀리와 가중치: 모델이 기반으로 하는 것, 예를 들어 SD 1.5, SDXL, Flux, Wan 같은 거야. 모든 모델은 패밀리 가중치의 출시일을 물려받아.
연령: 패밀리 가중치가 나온 지 얼마나 됐는지에 따라 점수를 깎아: 1년에 150°, 최대 750°까지. 오래된 다운로드는 리스트 상단 고정을 풀어 쌓이도록 해.
패밀리 부스트: 이 사이트가 지금 밀고 있는 패밀리의 LoRA에 주는 작고 제한된 점수 조정으로, 항상 세부 내역에 표시돼.
대체 점수: 아직 소스 보고가 없는 모델에 안정적으로 주는 최저 점수로, 리스트가 완전하게 유지되도록 해. 데이터가 있는 모델보다 절대 높게 평가되지 않아.
신규! (유예 기간): 7일 미만의 신규 모델은 점수 대신 '신규!' 표시가 나오며 순위에 포함되지 않습니다. 점수는 첫날부터 계산되지만, 하루 된 모델은 매우 빠르게 성장하므로 유예 기간 없이는 항상 어제 나온 모델이 이번 주 #1이 되어버립니다.
추세: 한 기간 동안 모델의 성장 속도가 같은 기간의 일반 모델 성장 속도와 비교해서 어떤지 보여줘. 일반보다 빠르면 상승, 느리면 하락으로 봐.
일반 모델: 카탈로그의 중간값: 수치가 있는 모델 중 절반은 기간 동안 더 빨리 성장했고, 절반은 더 느리게 성장했어.

유사한 모델

Qwen3 Next 80B A3B Instruct

이미지·영상·텍스트 생성을 위한 AI 모델

Hunyuan A13B Instruct은(는) Text / LLM 패밀리용 텍스트 모델으로, 오픈 소스 AI 이미지·영상·텍스트 모델의 읽기 전용 카탈로그인 ModelTrends.ai에 등록되어 있습니다. 다른 Text / LLM 모델과 비교하고 열기 점수로 트렌드를 확인해 보세요.

모델 패밀리별로 보기