Tencent: Hunyuan A13B Instruct

Tencent Hunyuan A13B Instruct to model generowania tekstu od Tencent, wydany 8 lipca 2025. Jest to model językowy typu Mixture-of-Experts (MoE) z 13B aktywnych parametrów i całkowitą liczbą parametrów wynoszącą 80B. Poza standardowym podążaniem za instrukcjami obsługuje rozumowanie poprzez Chain-of-Thought, co czyni go użytecznym w zadaniach, w których model zyskuje na przechodzeniu przez kroki pośrednie przed wygenerowaniem ostatecznej odpowiedzi.

Model przyjmuje tekst jako dane wejściowe i zwraca tekst jako dane wyjściowe. Ma okno kontekstu wynoszące 131 072 tokeny i maksymalne wyjście 117 964 tokenów, więc może obsługiwać długie dokumenty i generować długie odpowiedzi w pojedynczym żądaniu. Jego data odcięcia wiedzy to 31 marca 2025. Te cechy sytuują go w zakresie modeli odpowiednich do znacznej pracy w pojedynczym przebiegu, a nie tylko do krótkich promptów.

Ze względu na duże okno kontekstu i długie maksymalne wyjście typowe przypadki użycia obejmują streszczanie lub analizowanie obszernych dokumentów, wyodrębnianie ustrukturyzowanych informacji z długich danych wejściowych oraz generowanie rozszerzonych szkiców technicznych lub redakcyjnych bez dzielenia na fragmenty. Rozumowanie Chain-of-Thought pasuje do problemów wieloetapowych, takich jak planowanie, odpowiadanie na pytania składające się z wielu części oraz zadania, w których widoczny lub wewnętrzny ślad rozumowania poprawia niezawodność. Obsługa ustrukturyzowanych wyjść i response_format sprawia również, że model jest rozsądnym wyborem dla potoków wymagających wyników czytelnych maszynowo, a nie wolnego tekstu.

Model wywołujesz przez API zgodne z OpenAI od api14, używając identyfikatora modelu "tencent/hunyuan-a13b-instruct". Obsługiwane parametry żądania to frequency_penalty, include_reasoning, max_tokens, reasoning, response_format, structured_outputs, temperature, top_k i top_p. Jeśli chcesz uwidocznić lub kontrolować zachowanie modelu związane z rozumowaniem, odpowiednimi parametrami są include_reasoning i reasoning; dla deterministycznego formatowania dostępne są response_format i structured_outputs. Ponieważ jest to model wyłącznie tekstowy, dane wejściowe muszą być tekstem, a dane wyjściowe będą tekstem.

Biorąc pod uwagę modalność wyłącznie tekstową, inny model pasowałby lepiej, jeśli Twoja aplikacja wymaga obrazów, dźwięku lub innych danych wejściowych niebędących tekstem, ponieważ wykraczają one poza to, co akceptuje Hunyuan A13B Instruct. Obsługuje szeroki zestaw parametrów próbkowania i formatowania, więc większość standardowych zadań generowania tekstu można skonfigurować bezpośrednio, bez konieczności stosowania obejść.