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 工程师必懂的 12 种 KV Cache 压缩技术一文讲透 — blaizedsouza · 2026-09-11
- 影子算力市场走向台前,Meta 对外出售过剩 GPU 算力成标志性信号 — DavidLinthicum · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- 劝退帖:推理工程是真金白银的硬活,八成尝鲜者已悄然放弃 — abhijithneil · 2026-09-11
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11