Pot rula Hunyuan-A13B local?

Da, greutățile sunt deschise și disponibile pe Hugging Face de la Tencent, cu variante cuantizate FP8 și GPTQ-Int4 pentru a reduce cerințele de memorie. Totuși, modelul complet are 80 miliarde de parametri total, deci vei avea nevoie de hardware substanțial chiar și cu cuantizare.

Cât costă utilizarea prin API și care este limita de context?

Tencent îl prețuiește la 0,14 USD per milion de tokeni de intrare și 0,57 USD per milion de tokeni de ieșire prin HunyuanAPI. Fereastra de context este nativă de 256K tokeni.

Cum diferă Hunyuan-A13B de un model dens standard de 13B?

Folosește o arhitectură Mixture-of-Experts, astfel încât doar 13 miliarde de parametri sunt activi la fiecare trecere, deși modelul complet are 80 miliarde. Aceasta îi permite să egaleze modele dense mult mai mari în benchmark-uri, menținând costurile de inferență aproape de cele ale unui model dens de 13B.

Hunyuan A13B Instruct

2495°

#llm #tencent #raționament #agenți #programare #context lung

Rulează modelul

Oferte / Reclame

OpenRouter Terminal / API

Plătește pe token

Conversează cu acest model în browser sau apelează-l din codul tău cu o singură cheie API.

Tencent | context de 131.072 tokeni | 0,14$/M input, 0,57$/M output. Hunyuan-A13B este un model lingvistic Mixture-of-Experts (MoE) cu 13B parametri activi dezvoltat de Tencent, cu un număr total de parametri de 80B și suport pentru raționament prin Chain-of-Thought. Oferă performanțe competitive pe benchmark-uri în matematică, știință, programare și sarcini de raționament multi-turn, menținând în același timp o eficiență ridicată a inferenței prin Grouped Query Attention (GQA) și suport pentru cuantizare (FP8, GPTQ etc.).

Ghiduri pentru acest model

Cel mai bun LLM local după caz de utilizare (octombrie 2026): modelul open potrivit pentru fiecare job

De câțiva GB de VRAM am nevoie cu adevărat pentru AI local?

Ce este un fișier GGUF? Modele cuantificate explicate (Q4, Q8, fp8, NF4)

Toate ghidurile

Notele căpitanului

Scris de Captain, editorul casei

Note din 2026-10-13

Hunyuan-A13B Instruct este un model Mixture-of-Experts de la Tencent cu 13 miliarde de parametri activi dintr-un total de 80 miliarde, oferindu-ți calitatea unui model dens la o fracțiune din costul de inferență. Suportă o fereastră de context de 256K, raționament în lanț și moduri de gândire rapidă și lentă. Greutățile sunt deschise, pregătit pentru cuantizare și oferit la un preț accesibil prin API, fiind potrivit pentru dezvoltatorii care au nevoie de un model capabil de raționament fără o factură mare de calcul.

Cunoscut pentru

Eficiența MoE: 13 miliarde de parametri activi din 80 miliarde total mențin inferența eficientă
Fereastră de context nativă de 256K pentru lucrul cu documente lungi și conversații multi-turn
Moduri comutabile de gândire rapidă și lentă pentru controlul adâncimii raționamentului
Rezultate puternice în benchmark-uri agent pe BFCL-v3, τ-Bench și C3-Bench
Disponibil în multiple formate de cuantizare: FP8, GPTQ-Int4 și altele

Atenție la

80 miliarde parametri total înseamnă că implementarea locală necesită hardware serios, în ciuda numărului redus de parametri activi.
Termenii licenței nu sunt rezumați aici; verifică licența publicată de Tencent înainte de orice utilizare comercială.
Benchmark-urile din fișa modelului sunt evaluate pe modelele de bază, nu direct pe varianta instruct.

Cel mai bun pentru

Raționament

Agenți și utilizare unelte

Programare

Context lung

Rulează local

Sugestii de încercat

Demonstrație matematică în mai mulți pași

Un tren pleacă din orașul A la ora 08:00, circulând cu 90 km/h. Un al doilea tren pleacă din orașul B, aflat la 450 km distanță, la ora 09:30, circulând spre orașul A cu 110 km/h. La ce oră se întâlnesc și cât de departe de orașul A? Arată fiecare pas al raționamentului înainte de a da răspunsul final.

Plan de utilizare a uneltelor de agent

Ești un agent cu acces la trei unelte: web_search(query), read_file(path) și send_email(to, subject, body). Un utilizator întreabă: 'Găsește cursul actual EUR/USD, salvează-l în rates.txt, apoi trimite-l prin email la finance@example.com cu un rezumat într-o propoziție.' Scrie secvența exactă de apeluri ale uneltelor cu argumente și explică de ce le ordonezi astfel.

Depanare bug de concurență

Iată o funcție Python care uneori returnează rezultate greșite când este apelată simultan din mai multe fire de execuție. Identifică condiția de cursă, explică de ce apare și rescrie funcția astfel încât să fie sigură pentru fire fără a folosi un blocaj global, dacă este posibil: import threading counter = 0 def increment(n): global counter for _ in range(n): counter += 1

Compară cu

Hy4 preview
Model cu greutăți deschise
context de 1,048,576 tokeni · $0.83/M intrare, $2.50/M ieșire
Hy3
Model cu greutăți deschise
context de 262,144 tokeni · $0.13/M intrare, $0.53/M ieșire
Hy3 preview
Model cu greutăți deschise
context de 262,144 tokeni · $0.18/M intrare, $0.60/M ieșire
GPT-6 Luna
Model doar API
context de 1,050,000 tokeni · $0.10/M intrare, $0.50/M ieșire

Mai multe modele text de la tencent

Întrebări frecvente

Pot rula Hunyuan-A13B local?: Da, greutățile sunt deschise și disponibile pe Hugging Face de la Tencent, cu variante cuantizate FP8 și GPTQ-Int4 pentru a reduce cerințele de memorie. Totuși, modelul complet are 80 miliarde de parametri total, deci vei avea nevoie de hardware substanțial chiar și cu cuantizare.
Cât costă utilizarea prin API și care este limita de context?: Tencent îl prețuiește la 0,14 USD per milion de tokeni de intrare și 0,57 USD per milion de tokeni de ieșire prin HunyuanAPI. Fereastra de context este nativă de 256K tokeni.
Cum diferă Hunyuan-A13B de un model dens standard de 13B?: Folosește o arhitectură Mixture-of-Experts, astfel încât doar 13 miliarde de parametri sunt activi la fiecare trecere, deși modelul complet are 80 miliarde. Aceasta îi permite să egaleze modele dense mult mai mari în benchmark-uri, menținând costurile de inferență aproape de cele ale unui model dens de 13B.

Verdictul căpitanului
Un MoE cu greutăți deschise bine prețuit, care oferă performanțe peste numărul său de parametri activi, în special pentru agenți și raționament pe contexte lungi.

Fișa modelului pe Hugging Face

Căpitanul scrie aceste note pe baza descrierii modelului și a fișei modelului. Prețurile și dimensiunile contextului sunt cele ale furnizorului la momentul scrierii și pot varia.

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

Cum se adună acest scor

Acest model nu are încă date de popularitate de la nicio sursă, așa că are un număr provizoriu sub 7,000° care menține listele complete. Nu va fi niciodată clasat mai sus decât un model cu date. Descompunerea apare aici imediat ce o sursă o raportează.

Glosar: termenii folosiți aici

Scor de căldură: Un număr care arată cât de mult este folosit și dorit un model acum, de la 0° la 9.999°. Fiecare listă de pe site care spune „cele mai călduroase” este sortată după acest scor și nimic altceva.
Prag: 7.000° este punctul de start pentru orice model cu date reale. Scara merge de la 0° la 9.999°; partea de sub prag este rezervată pentru înlocuitori (modele fără date), ca să fie sigur că un model cu date e mereu mai sus decât unul fără. Pragul e același pentru toți și nu decide nimic; gradele de deasupra lui sunt măsurătoarea.
Echivalente descărcări: Tot ce scorul tratează ca o descărcare, adunat: descărcările în sine, fiecare seeder de torrent ca 1.000, fiecare imagine AI Horde și fiecare rulare pe un site de generare ca una.
Scară logaritmică: Se numără la zeci, nu la unități: trecerea de la 1.000 la 10.000 descărcări adaugă aceleași grade ca trecerea de la 10.000 la 100.000. Astfel, modelele mari nu acoperă tot ce e mic.
Aprecieri: Like-uri și aprecieri de oriunde, fiecare valorează jumătate dintr-o descărcare pe scara logaritmică.
Rata de adoptare: Câte descărcări pe zi primește un model acum, calculat din diferența dintre două citiri ale unei surse. Are un sfert din greutatea termenului de descărcare.
Măsurat și estimat: Măsurat înseamnă că există două citiri ale unei surse și diferența este reală. Estimat înseamnă că se știe doar totalul de azi, iar trecutul este împărțit pe durata vieții modelului; site-ul spune care dintre ele este afișat.
Seeder: Cineva care păstrează o copie a greutăților online pentru ca alții să le descarce prin torrent, sau o oglindă găzduită care face același lucru. Fiecare contează ca 1.000 de descărcări.
AI Horde: O rețea de voluntari care generează imagini gratuit pe calculatoare donate. Numărul de imagini create cu un model este public și fiecare contează ca o descărcare.
Site-uri de generare: Site-uri care găzduiesc propriile copii ale unui model și permit oamenilor să genereze cu el, cum ar fi PixAI, SeaArt și Yodayo. Descărcările lor contează ca cele de pe Civitai, iar fiecare rulare de generare ca o descărcare.
Tokeni OpenRouter: Un model de text servit printr-un API, cum ar fi Claude sau GPT, nu are greutăți de descărcat, deci utilizarea sa se măsoară în tokeni: bucățile de text citite și scrise prin OpenRouter, un gateway folosit de multe aplicații, în ultimele 30 de zile. Fiecare 10,000,000 tokeni contează ca un download. Sursa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model complet (checkpoint): Greutățile în sine, fișierul care generează singur. Primește un bonus pentru că depind de el add-on-urile.
LoRA și embedding: Fișiere mici add-on care direcționează greutățile altcuiva spre un stil, un personaj sau un concept. Nu pot rula singure.
Familie și greutăți: Baza pe care este construit un model, cum ar fi SD 1.5, SDXL, Flux sau Wan. Fiecare model moștenește data lansării greutăților familiei sale.
Vârstă: Grade scăzute în funcție de cât timp a trecut de când au apărut greutățile familiei: 150° pe an, până la 750°. Păstrează descărcările vechi care au avut ani să se acumuleze, blocând topul listei.
Boost de familie: Un mic impuls limitat pentru LoRA-urile unei familii pe care site-ul o promovează acum, întotdeauna listat în detaliu.
Scor de rezervă: Un număr stabil sub prag, dat unui model despre care nicio sursă nu raportează încă, ca listele să rămână complete. Nu se clasează niciodată peste un model cu date.
Nou! (perioadă de grație): Un model mai nou de 7 zile afișează Nou! în loc de scor și nu ocupă loc în clasamente. Scorul său este calculat de la prima zi, dar un model de o zi crește mai rapid decât orice altceva, deci fără această așteptare, modelul #1 al săptămânii ar fi întotdeauna cel apărut ieri, nu cel care a rezistat o săptămână.
Tendință: Cum se compară creșterea unui model într-o perioadă cu creșterea tipică a unui model în aceeași perioadă. Mai rapid decât tipicul înseamnă creștere, mai lent scădere.
Model tipic: Mijlocul catalogului: jumătate dintre modele cu o cifră au crescut mai repede în perioada respectivă, jumătate mai încet.

Modele similare

Modele AI pentru generare de imagini, video și text

Hunyuan A13B Instruct este un model de text pentru familia Text / LLM, listat pe ModelTrends.ai, un catalog doar pentru citire al modelelor AI open source pentru imagini, video și text. Compară-l cu alte modele Text / LLM și verifică-i scorul de căldură pentru a vedea cât este de popular.

Mai multe modele Text / LLM llm tencent raționament agenți programare context lung local

Răsfoiește după familia de modele