混元-A13B是騰訊於2025年6月27日發布並開源的大語言模型，採用混合專家（MoE）架構，總參數量800億，實際激活參數130億。該模型支持動態推理方法，可在快思考模式和慢思考模式間智慧型切換，前者提供高效輸出，後者支持多步驟深度推理，用戶還可通過/think、/no_think指令手動控制模式。
基於混合專家（MoE）架構，總參數規模為800億，單次推理僅需激活130億參數，在保持強大智慧型的同時，推理吞吐量相較同類前沿模型提升超過100%。
該模型在極端條件下僅需1張中低端GPU卡即可部署，通過GitHub、Hugging Face及騰訊雲API提供下載訪問。其預訓練使用20萬億詞元語料庫，支持256,000標記的上下文視窗，並在數學推理、科學任務中表現領先。騰訊同步開源了ArtifactsBench和C3-Bench Agent評估數據集，並計畫持續擴展混元大模型家族。
基本介紹
- 中文名：混元-A13B
- 品牌歸屬：騰訊
- 發布時間：2025年6月27日
- 類別：大語言模型
科技簡介,發展歷史,核心優勢,性能特點,
科技簡介
混元-A13B作為基於專家混合（MoE）架構的大模型，總參數800億、激活參數130億，不僅在效果上達到了高標準，而且在尺寸上也做到了極致的最佳化，成功平衡了模型性能與資源占用。號稱“在效果比肩頂尖開源模型的同時，大幅降低推理延遲與計算開銷”。
混元-A13B模型通過 MoE架構，為每個輸入選擇性地激活相關模型組件，號稱與同等規模的密集模型相比“又快又省”，而且為個人開發者和中小企業提供了一個“可擴展且高效的替代方案”。
預訓練中，模型用了20萬億高質量網路詞元語料庫，提升了模型推理能力的上限；完善了MoE架構的ScalingLaw （即規模定律）理論體系，為MoE架構設計提供了可量化的工程化指導，提升了模型預訓練效果。
用戶可以按需選擇思考模式，快思考模式提供簡潔、高效的輸出，適合追求速度和最小計算開銷的簡單任務；慢思考模式涉及更深、更全面的推理步驟。這最佳化了計算資源分配，兼顧效率和準確性。
發展歷史
2025年6月27日，混元-A13B發布，該模型引入了創新的**動態推理方法**，使其能夠根據任務複雜性在快速和深度“思考”之間智慧型切換。
核心優勢
“混元-A13B”的核心優勢在於其**實時調整推理深度**的能力。對於簡單的查詢，模型會啟用**快速模式**，以最少的推理步驟迅速回響;而面對更複雜的問題，它則能激活涉及**多步驟思考的深度推理過程**。用戶還可以通過特定命令來手動控制這種行為，使用“**/think**”啟用深度模式，或使用“**/no_think**”關閉深度模式。該模型還採用了**混合專家（MoE）架構**，總參數量高達**800億**，但在實際推理過程中，僅有**130億個參數**處於活躍狀態，這有助於提高運行效率。此外，“混元-A13B”支持最高達**256，000個標記的上下文視窗**，處理長文本的能力顯著增強。
性能特點
Agent 能力突出：在 BFCL V3、C3-Bench 等多個權威 Agent 評測中，得分全面超越業界頂尖模型，其強大智慧型體能力源於 SFT 階段的精心數據構建和 RL 階段的精準獎勵信號設計，在工具調用、任務規劃和複雜決策方面表現優異。
理科推理能力強：在 AIME（美國數學邀請賽）、BBH（大型語言模型難題基準）等測試中，表現與參數量數倍於己的模型不相上下，部分指標甚至取得最高分。
長文處理優勢顯著：原生支持 256K 超長上下文視窗，在 RULER 等長文本評測中表現出優異的穩定性。
具有雙思考模式：融合了 “快慢思考” 雙模式，快思考模式提供簡潔、高效的輸出，適合簡單任務；慢思考模式涉及更深、更全面的推理步驟，用戶可在推理時按需在效率與深度間自由切換。
