网易首页 > 网易号 > 正文 申请入驻

姚顺雨和混元团队上Reddit答网友,Hy小模型已进路线图

0
分享至

听雨 发自 凹非寺
量子位 | 公众号 QbitAI

Hy小模型已经在路线图上,面向24GB显存的模型也有计划。

今天凌晨,姚顺雨和腾讯混元团队来到Reddit社区,围绕刚发布的Hy4和Hy4 flash做了一场AMA。



AMA是「Ask Me Anything」的缩写,意思是「有什么想问的,尽管问」。网友在评论区提问,混元团队成员直接回帖。



参与名单上只列了Reddit账号,至于哪个马甲是姚顺雨,我们还没对上号……

这场AMA的主角,是混元本月接连发布的两款模型。

11月4日发布的Hy4是旗舰,能理解文本、图像和视频,适合长程软件工程这类需要多步推理、反复调用工具的复杂任务。

11月16日发布的Hy4 flash,主打日常办公的速度和成本。它支持图文输入和最长100万Token的上下文,每个Token激活约120亿参数。

Hy4和Hy4 flash都已接入腾讯WorkBuddy。混元团队还把WorkBuddy里的修表、改文档、做PPT等典型任务纳入了内部评测WorkIndex,按这套评测测算,Hy4 flash的平均单任务成本约为旗舰Hy4的1/20。

两款模型的权重都已公开。到了AMA,有网友直接报出自己的电脑配置:96GB显存、128GB内存,能跑Flash吗?

团队说能跑,主要权重留在GPU上,部分专家层和Engram查表模块可以挪到系统内存。

也有人问llama.cpp,团队说适配正在做。

聊到研发,团队还透露了不少训练背后的秘诀。

Flash的激活参数还能不能减?他们拿做过的MoE稀疏度实验解释取舍。

让Agent自己解题,训练时遇到过什么麻烦?有时它会直接上网找现成答案,跳过解题过程。

还有网友问,后训练里最难改善的行为是什么,团队只回了一个词,Overthinking,过度思考。旗舰Hy4的推理链有时偏长。到了Flash,团队先从旗舰蒸馏,再用强化学习把推理链压短。

从模型怎么训,到开发者能不能把它跑起来,这场AMA聊了不少平时在模型卡上只有一行、到了真用时却绕不开的问题。

以下是AMA问答节选,按主题编排,中文译文有删节。

Enjoy~

Hy4为什么「想太久」,Flash又是怎么训练的?

网友:和Hy4 preview一样,Hy4正式版有时也会推理太久。这和强化学习的奖励设计有关,还是和训练数据的分布有关?模型能学会什么时候停下来吗?

混元团队:Hy4的目标是尽量提高智能水平,推理链偏长是我们知道的问题。我们可以把Hy4蒸馏成成本效率更高的Hy4 flash,并在Flash上用强化学习缩短推理链。



网友:后训练阶段,最难改善的是哪种模型行为?

混元团队:过度思考。



网友:Hy4现在的参数规模还有多少提升空间?以后想做出更强的模型,必须继续加参数吗?

混元团队:我们认为Hy4还有相当大的提升空间,尤其是在后训练上。我们在投入大规模强化学习,也在继续改善用户体验和模型安全性。同时,我们计划训练更大规模的模型。



网友:训练Hy4和Hy4 flash做长程Agent任务时,多轮强化学习里最难处理的情况是什么?

混元团队:最棘手的是训练环境设计有漏洞,模型会钻空子拿奖励。比如,我们得防止Agent直接上网搜现成答案,让它自己把任务做完。

网友:做命令行任务时,模型编错一个参数就可能让命令出错。你们怎么提高工具调用的准确性,又怎么让模型在长任务里记住前文?

混元团队:我们在强化学习数据里加入了模型容易犯错的难例,奖励也做得更细,关键细节出错会扣得更重。对于长任务,我们在持续拉长强化学习训练所用的上下文,也在提升模型压缩上下文、保留关键信息的能力。



网友:姚顺雨经常提到,选训练数据需要有判断力。你们怎么判断一批数据好不好?

混元团队:数据质量有很多维度,不同领域、不同任务的要求也不一样。无论用人类专家还是智能体,设计和清洗数据都要花很多功夫。最后还是要做实验,看这批数据能不能带来提升。

网友:HyRA 2.0实验里,Hy4带来的提升主要来自哪里?它有发现新的架构或数据配比方面的改进吗?

混元团队:这次提升主要来自底层吞吐优化。要让模型进一步参与研发,还得提高它判断训练方案的能力。用AI做AI研发,本身也是一件周期长、难点多的事。

网友:你们已经用Hy4和HyRA 2.0改进了训练基础设施,也训练出了更好的小模型。接下来会做什么实验,看看这一轮训练出的模型能否在下一轮更擅长做研发?

混元团队:我们正在做HyRA 3.0,敬请期待。

网友:如果让Hy4自己运行,它现在能通过递归自我改进做出下一代模型吗?你们怎么评估这种能力?

混元团队:我们的递归自我改进能力还处于早期,已经做了几项内部基准,用来评估其中的关键能力。

Flash的参数花在哪儿了?

网友:不算Engram,Hy4 flash主干约有1560亿参数,每个Token激活约120亿。如果总参数不变,把激活参数降到80亿或50亿,效果会掉多少?

混元团队:我们做过不同MoE稀疏度的规模实验。固定激活参数量时,提高稀疏度能改善计算效率。但如果固定总参数,再把激活量降到80亿或50亿,我预计模型质量会明显下降。激活参数量决定了每个Token能用多少计算,提高稀疏度能弥补一部分。

网友:Hy4 flash为什么给Engram分配约635亿参数?这个比例是怎么定的?

混元团队:我们的实验看到了一条U形曲线。把Engram也计入总参数量,Engram占比在三分之一左右时,接近实验里的最优点。占比再往下调,计算效率会降低。



网友:Flash为什么选择滑动窗口注意力(SWA)?

混元团队:滑动窗口注意力能把KV缓存压到原来的约四分之一,显著降低部署成本。

小模型、本地部署和下一步

网友:会有Hy4 mini吗?还有人想要比Flash更轻的版本,跑文档解析、分类和简单自动化。

混元团队:Hy小模型已经在路线图上。

网友:下一代Hy模型会做到1.5万亿至2万亿参数吗?

混元团队:下一代Hy模型的规模肯定会进一步显著扩大。

网友:会考虑推出更轻量的Flash-Lite吗?比如用来做文档解析、分类和简单自动化。

混元团队:有的,敬请期待Flash-Lite。

网友:有面向24GB显存的模型计划吗?

混元团队:有,未来会发布。

网友:我有96GB显存、128GB系统内存,能跑Hy4 flash吗?

混元团队:可以。主要权重和注意力计算放在GPU上,部分专家层可以卸载到系统内存,Engram表也可以放在内存里。

网友:同一个工作任务,托管版Hy4 flash在我的测试里全对,本地NVFP4版本却出现了约8%的错误。这个模型更难量化吗?

混元团队:量化质量很看方法和校准方式。团队建议试试用GPTQ量化的NVFP4版本。在我们的评测里,这个版本与BF16的差距较小,更适合这类对准确率敏感的任务。

网友:llama.cpp支持会怎么推进?你们会和推理框架社区提前合作吗?

混元团队:我们正在做llama.cpp适配,预计近期会在社区放出。我们也在和vLLM、SGLang等社区合作。

网友:现有的Hy4 flash还会更新吗?

混元团队:会。我们正在优化Flash级模型的预训练和后训练方案。

怎么看模型的表现

网友:为什么没公布GPQA Diamond、τ-bench、IFBench、SWE-bench这些常见评测的成绩?

混元团队:我们展示的是Agents’ Last Exam、ProgramBench这类较新、难度更高的评测。你提到的几项出现得更早,分数已经接近饱和。

网友:我感觉有些模型的写作能力在退步。是因为拿太多代码来训练、过拟合了,还是有别的原因?

混元团队:我们也注意到了,可能和训练目标有关。我们希望模型写得更像人、少一点套话,这方面正在改进。



One More Thing

那么,QA实录到这里就结束了。

想自己试试Hy4 flash?打开WorkBuddy,在模型列表里选中Hy4 flash,把手边待改的表格或待整理的会议纪要交给它跑一遍。

11月30日前,可以在WorkBuddy限时免费体验~



参考链接:
https://www.reddit.com/r/LocalLLaMA/comments/1y15w4a/tencent_hy_team_shunyu_yao_here_ask_us_anything/

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
中方:强烈不满,坚决反对!若美方执意妄为,中方将采取反制措施

中方:强烈不满,坚决反对!若美方执意妄为,中方将采取反制措施

巷北楠猫本尊
2026-11-19 12:30:32
又一个矛盾文学奖得主抄袭!

又一个矛盾文学奖得主抄袭!

智识漂流
2026-11-15 19:54:43
3-1击败世界第二,3-0零封张本智和!他成了国乒不能少的那张牌

3-1击败世界第二,3-0零封张本智和!他成了国乒不能少的那张牌

芳草说体育
2026-11-21 10:10:55
IGN:《GTA6》高人气美女很恐怖!杰森躲过一劫

IGN:《GTA6》高人气美女很恐怖!杰森躲过一劫

游民星空
2026-11-20 12:11:29
“你孩子就是去北京的命了”,幼儿园男孩学习照火了,天生学霸料子

“你孩子就是去北京的命了”,幼儿园男孩学习照火了,天生学霸料子

世界圈
2026-11-02 18:50:43
英伟达,大消息!

英伟达,大消息!

数据宝
2026-11-21 12:32:04
黑龙江畜生公公周永福被判死刑,法庭上嚣张大笑:这辈子值了

黑龙江畜生公公周永福被判死刑,法庭上嚣张大笑:这辈子值了

纸鸢奇谭
2025-02-06 14:31:24
比亚迪宣布:这款全新发动机将在2027年彻底颠覆整个电动汽车行业

比亚迪宣布:这款全新发动机将在2027年彻底颠覆整个电动汽车行业

侃故事的阿庆
2026-11-20 00:44:13
玩家不满GTA6不能出轨,Rockstar回应:不符合剧情

玩家不满GTA6不能出轨,Rockstar回应:不符合剧情

菜但瘾大第一名
2026-11-19 21:52:54
他本是芬兰农民,却在零下40度的雪原上,成了苏军永远的噩梦

他本是芬兰农民,却在零下40度的雪原上,成了苏军永远的噩梦

历史图鉴
2026-11-19 00:48:34
亚马尔:愿用很多换自由,成名后连过普通人的生活都变得奢侈

亚马尔:愿用很多换自由,成名后连过普通人的生活都变得奢侈

懂球帝
2026-11-21 03:01:10
波切蒂诺或召回奥纳纳?拉门斯状态明显下滑,曼联欲找人与之竞争

波切蒂诺或召回奥纳纳?拉门斯状态明显下滑,曼联欲找人与之竞争

罗米的曼联博客
2026-11-21 12:25:56
苏州有个小伙,伺候女朋友整整七年,连袜子内裤都帮她洗,结果被一杯刚煮开、滚烫的姜茶泼了,他当场转身,彻底跟这段感情一刀两断。

苏州有个小伙,伺候女朋友整整七年,连袜子内裤都帮她洗,结果被一杯刚煮开、滚烫的姜茶泼了,他当场转身,彻底跟这段感情一刀两断。

品读时刻
2026-11-21 09:09:02
北京的第一批大龄未婚女性,已经搬进了养老院

北京的第一批大龄未婚女性,已经搬进了养老院

小怪吃美食
2026-11-21 10:55:17
GTA6取消招妓功能,玩家怒了:偷车杀人行,出轨不行?

GTA6取消招妓功能,玩家怒了:偷车杀人行,出轨不行?

赴一场山海啊
2026-11-20 02:37:47
张国焘晚年写回忆录时骂遍了近代大批风云人物,但唯独对这两人始终保持着高度崇敬

张国焘晚年写回忆录时骂遍了近代大批风云人物,但唯独对这两人始终保持着高度崇敬

唠叨说历史
2026-11-09 15:37:04
穿透拆解上海链家的“急售三件套”

穿透拆解上海链家的“急售三件套”

阿尔法工场
2026-11-21 09:18:08
北京周末好天气已就位,周一大风候场

北京周末好天气已就位,周一大风候场

北青网-北京青年报
2026-11-21 13:19:02
古代逛一次“青楼”,需要花多少银子?换算成人民币,一般人玩不起

古代逛一次“青楼”,需要花多少银子?换算成人民币,一般人玩不起

文史达观
2026-11-20 06:45:20
APEC 封神!别家啃冷三明治,深圳直接上现炒热菜,老外记者看呆,深圳媒体中心这顿饭,把老外 CPU 干烧了

APEC 封神!别家啃冷三明治,深圳直接上现炒热菜,老外记者看呆,深圳媒体中心这顿饭,把老外 CPU 干烧了

魔都姐姐杂谈
2026-11-19 10:30:45
2026-11-21 14:59:01
量子位 incentive-icons
量子位
追踪人工智能动态
13707文章数 176601关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

历时14小时特朗普返回美国 刚下飞机就发布"重大预告"

头条要闻

历时14小时特朗普返回美国 刚下飞机就发布"重大预告"

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

健康
旅游
亲子
房产
游戏

医生眼里"很伤腰"的椅子,很多人天天坐

旅游要闻

青岛冬日赏鸥地图|沿着海岸线,赴一场海鸥之约

亲子要闻

宝宝必看的5个启蒙动画,豆瓣评分都是在9.0以上

房产要闻

黄埔商业规划曝光!科学城能级跃升,核心入场券已锁定

PC Gamer试玩GTA6百小时:双主角出色但任务重复

无障碍浏览 进入关怀版