Hy3 推出 1bit/4bit 量化版
腾讯混元 · wechat · 2026-07-14
腾讯混元团队围绕开源模型 Hy3 做了量化与部署优化，重点是让这个 295B 级别的旗舰模型在更有限的硬件上也能跑起来。
主要内容包括：
- 提供 1bit 与 4bit 的 GGUF 量化版本，配合 llama.cpp 生态使用。
- 1bit 版本把约 598GB 的 BF16 权重压到 85.5GiB，作者称单张 96GB 推理卡即可部署。
- 4bit 版本约 169.9GiB，适合两张推理卡。
- 另外提供 GPTQ Int4 版本，可直接用 vLLM 服务化部署。
- 团队还为 llama.cpp 补了对 Hy3 的 MTP 投机解码 支持，开启后接受率约 60%，1bit 速度提升约 50%，4bit 速度提升接近 60%。
- 官方还给出了相关模型、量化模型和 patch 的 Hugging Face 链接。
所属事件:腾讯混元 Hy3 推出 1bit/4bit 量化版，可单卡部署(5 条相关)→
「Infra」频道最新
- AI 数据中心时代用电论战：有人还在纠结灯泡省电与调整时区 — mgostIH · 2026-10-27
- 法律 AI 公司 Legora 在 Modal 上并行跑 2000 个 agent eval — blelbach · 2026-10-27
- 云厂商发布速度打分：AWS 95 分领先，Azure 90、谷歌云 82 — DavidLinthicum · 2026-10-27
- 卖掉 5090 换多机？一公司主拆解本地推理硬件扩展五套方案 — Anarchaotic · 2026-10-27
- AWS 教程:SageMaker SDK v3 搭建车队级边缘视觉模型流水线 — AWS ML Blog · 2026-10-27
- Embedl 把 Qwen3.8-27B 压进 Jetson Thor:解码 40 tok/s,精度反超 FP16 — No-Dragonfly6246 · 2026-10-27