Hunyuan A13B Instruct
2495°
Chạy mô hình này
Ưu đãi / Quảng cáo
Tencent | ngữ cảnh 131,072 token | $0.14/M đầu vào, $0.57/M đầu ra. Hunyuan-A13B là mô hình ngôn ngữ Mixture-of-Experts (MoE) với 13 tỷ tham số hoạt động do Tencent phát triển, tổng số tham số 80 tỷ và hỗ trợ suy luận qua Chain-of-Thought. Nó cung cấp hiệu suất cạnh tranh trên các bài kiểm tra toán học, khoa học, lập trình và suy luận đa lượt, đồng thời duy trì hiệu quả suy luận cao nhờ Grouped Query Attention (GQA) và hỗ trợ lượng tử hóa (FP8, GPTQ, v.v.).
Hướng dẫn cho mô hình này
LLM cục bộ tốt nhất theo từng trường hợp sử dụng (Tháng 10 năm 2026): mô hình mở phù hợp cho mọi công việc
Mình thực sự cần bao nhiêu VRAM cho AI cục bộ?
Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)
Ghi chú của thuyền trưởng
Ghi chú từ 2026-10-13
Hunyuan-A13B Instruct là một mô hình Mixture-of-Experts từ Tencent với 13 tỷ tham số hoạt động trong tổng số 80 tỷ, mang lại chất lượng mô hình đặc với chi phí suy luận thấp hơn nhiều. Nó hỗ trợ cửa sổ ngữ cảnh 256K, suy luận chuỗi tư duy, và cả chế độ suy nghĩ nhanh và chậm. Trọng số mở, sẵn sàng lượng tử hóa và giá rẻ qua API, phù hợp cho các nhà phát triển cần một mô hình suy luận mạnh mà không phải trả hóa đơn tính toán lớn.
Nổi tiếng với
- Hiệu quả MoE: 13 tỷ tham số hoạt động từ tổng số 80 tỷ giữ cho suy luận nhẹ nhàng
- Cửa sổ ngữ cảnh gốc 256K cho công việc tài liệu dài và đa lượt
- Chế độ suy nghĩ nhanh và chậm có thể chuyển đổi để kiểm soát độ sâu suy luận
- Kết quả benchmark tác nhân mạnh trên BFCL-v3, τ-Bench và C3-Bench
- Nhiều định dạng lượng tử hóa có sẵn: FP8, GPTQ-Int4 và hơn thế nữa
Cẩn thận với
- Tổng số 80 tỷ tham số nghĩa là triển khai cục bộ cần phần cứng mạnh dù số tham số hoạt động thấp.
- Điều khoản cấp phép không được tóm tắt ở đây; hãy kiểm tra giấy phép do Tencent công bố trước khi sử dụng thương mại.
- Các benchmark trong thẻ mô hình được đánh giá trên mô hình cơ sở, không phải biến thể instruct trực tiếp.
Lời nhắc để thử
Chứng minh toán học nhiều bước
Một chuyến tàu rời thành phố A lúc 08:00 với vận tốc 90 km/h. Một chuyến tàu thứ hai rời thành phố B, cách đó 450 km, lúc 09:30 với vận tốc 110 km/h hướng về thành phố A. Họ gặp nhau lúc mấy giờ và cách thành phố A bao xa? Hãy trình bày từng bước suy luận trước khi đưa ra câu trả lời cuối cùng.
Kế hoạch sử dụng công cụ của tác nhân
Bạn là một tác nhân có quyền truy cập vào ba công cụ: web_search(query), read_file(path), và send_email(to, subject, body). Một người dùng hỏi: 'Tìm tỷ giá EUR/USD hiện tại, lưu vào rates.txt, sau đó gửi email cho finance@example.com kèm bản tóm tắt một câu.' Viết chính xác chuỗi gọi công cụ bạn sẽ thực hiện, kèm đối số, và giải thích tại sao bạn sắp xếp thứ tự như vậy.
Gỡ lỗi lỗi đồng thời
Đây là một hàm Python đôi khi trả kết quả sai khi được gọi đồng thời từ nhiều luồng. Xác định điều kiện tranh chấp (race condition), giải thích tại sao nó xảy ra, và viết lại hàm để an toàn với luồng mà không dùng khóa toàn cục nếu có thể:
import threading
counter = 0
def increment(n):
global counter
for _ in range(n):
counter += 1
So sánh với
- Hy4 previewMô hình mở trọng sốngữ cảnh 1,048,576 token · Đầu vào $0.83/M, đầu ra $2.50/M
- Hy3Mô hình mở trọng sốngữ cảnh 262,144 token · Đầu vào $0.13/M, đầu ra $0.53/M
- Hy3 previewMô hình mở trọng sốngữ cảnh 262,144 token · Đầu vào $0.18/M, đầu ra $0.60/M
- GPT-6 LunaMô hình chỉ APIngữ cảnh 1,050,000 token · Đầu vào $0.10/M, đầu ra $0.50/M
Thêm mô hình văn bản từ tencent
Câu hỏi thường gặp
- Tôi có thể chạy Hunyuan-A13B cục bộ không?
- Có, trọng số được mở và có sẵn trên Hugging Face từ Tencent, với các biến thể lượng tử hóa FP8 và GPTQ-Int4 để giảm yêu cầu bộ nhớ. Tuy nhiên, mô hình đầy đủ có tổng số 80 tỷ tham số, nên bạn sẽ cần phần cứng mạnh dù có lượng tử hóa.
- Chi phí sử dụng qua API là bao nhiêu và giới hạn ngữ cảnh là gì?
- Tencent định giá 0,14 USD cho mỗi triệu token đầu vào và 0,57 USD cho mỗi triệu token đầu ra qua HunyuanAPI. Cửa sổ ngữ cảnh gốc là 256K token.
- Hunyuan-A13B khác gì so với mô hình đặc 13B tiêu chuẩn?
- Nó sử dụng kiến trúc Mixture-of-Experts, nên chỉ có 13 tỷ tham số được kích hoạt mỗi lần chạy mặc dù tổng mô hình có 80 tỷ tham số. Điều này cho phép nó đạt hiệu năng tương đương các mô hình đặc lớn hơn nhiều trong các benchmark trong khi giữ chi phí suy luận gần với mô hình 13B thực thụ.
Phán quyết của thuyền trưởngMột mô hình MoE trọng số mở với giá hợp lý, vượt trội so với số tham số hoạt động, đặc biệt phù hợp cho tác nhân và suy luận ngữ cảnh dài.
Thẻ mô hình trên Hugging Face
Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.
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.
Điểm số này được tính như thế nào
Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.
Thuật ngữ: các từ dùng ở đây
- Điểm nhiệt
- Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
- Sàn điểm
- 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
- Tương đương lượt tải
- Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
- Thang log
- Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
- Lượt thích
- Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
- Tỷ lệ áp dụng
- Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
- Đã đo và ước tính
- Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
- Seeder
- Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
- AI Horde
- Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
- Trang tạo ảnh
- Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
- Token OpenRouter
- Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Mô hình đầy đủ (checkpoint)
- Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
- LoRA và embedding
- Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
- Gia đình và trọng số
- Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
- Tuổi
- Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
- Tăng gia đình
- Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
- Điểm thay thế
- Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
- Mới! (giai đoạn thử nghiệm)
- Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
- Xu hướng
- Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
- Mô hình điển hình
- Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.
Hunyuan A13B Instruct là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác và xem điểm độ hot để biết xu hướng.
Thêm mô hình Text / LLMThêm Văn bản / LLM Text / LLMllmtencentlý luậntác nhânlập trìnhngữ cảnh dàicục bộ
Duyệt theo họ mô hình
Mô hình Text / LLM
434
Mô hình Anima
528
Mô hình Chroma
19
Mô hình Fibo
2
Mô hình Flux
1,496
Mô hình Flux 2 / Klein
1,239
Mô hình Flux 3
3
Mô hình Moss
3
Mô hình Iris
1
Mô hình MiniMax H3
364
Mô hình Hunyuan
204
Mô hình Ideogram
20
Mô hình Krea2
717
Mô hình Qwen
20
Mô hình Qwen2
47
Mô hình Ltx2
153