腾讯混元发布0.3B端侧模型，内存仅占600MB

2月10日，IT之家发布消息，腾讯混元今日正式发布一款面向消费级硬件场景的“极小”模型HY-1.8B-2Bit。该模型基于首个产业级2Bit端侧量化方案打造，其等效参数量仅为0.3B，内存占用低至600MB，体积比许多常见的手机应用还要小巧。

据介绍，该模型是通过对腾讯混元此前推出的小尺寸语言模型——HY-1.8B-Instruct进行2比特量化感知训练而产出的。相比原始精度模型，其等效参数量降低了6倍，并且在完全继承原模型全思考能力的同时，在真实端侧设备上的生成速度比原始精度模型提升了2到3倍，可大幅提升实际使用体验。

腾讯混元此次推出HY-1.8B-2Bit模型，可以在边缘设备上无压力部署。这也是首个实现2bit产业级量化的端侧模型实践。

比特是计算机存储的最小单位，1比特能表示2种状态，2比特能表示4种状态，依此类推。一般模型的精度可用2比特、4比特、8比特、32比特等方式表示，数值越大模型的精度越高，所占用的内存也越大。

虽然2比特量化的精度损失较大，但通过QAT（量化感知训练）和先进的量化策略，已经能让2比特模型接近全精度模型的性能。在模型能力方面，对比4比特PTQ（训练后量化）模型版本，HY-1.8B-2Bit在数学、代码、科学等指标上表现相当，实现了“小而强”的设计目标。

此外，HY-1.8B-2Bit模型还沿用了Hunyuan-1.8B-Instruct的全思考能力，用户可以灵活使用。模型为简单的查询提供了简洁的思维链，为复杂的任务则提供了详尽的长思维链，用户可以根据其应用的复杂性和资源限制，灵活地选择这两种推理模式。

技术上，量化作为大模型部署上线不可或缺的一环，肩负着降低部署成本与保精度的使命。大部分情况下，对于int4、int8、fp8的压缩精度要求，采用PTQ量化策略即可实现几乎无损。但随着原始模型大小的缩小、压缩bit数的进一步降低，PTQ带来的量化损失是巨大的。因此，对于原始模型大小只有1.8B，量化bit数只有2bit的HY-1.8B-2Bit，混元团队采用了量化感知训练策略，这显著提升了量化后模型的性能。

腾讯混元还通过数据优化、弹性拉伸量化以及训练策略创新三个方法，来最大限度的提升HY-1.8B-2Bit的全科能力。

部署方面，腾讯混元提供了HY-1.8B-2Bit的gguf-int2格式的模型权重与bf16伪量化权重。对比原始精度模型，HY-1.8B-2Bit实际模型大小直降6倍，仅有300MB，能够灵活用于端侧设备上。该模型也已针对Arm等计算平台完成适配，并可部署于启用Arm SME2技术的移动设备上，同时实现高效运行。

在MacBook M4芯片上，固定线程数为2的情况下测试了不同上下文窗口大小下的首字时延和生成速度。模型选定fp16、Q4、HY-1.8B-2Bit三种gguf格式作为对比。在1024输入长度内，HY-1.8B-2Bit的首字时延能够保持3至8倍的加速；在生成速度上，在常用上下文窗口下对比原始模型精度，HY-1.8B-2Bit能够实现至少2倍的稳定加速。

在天玑9500上也进行了同样测试，对比HY-1.8B-Q4格式，首字时延能够加速1.5至2倍，生成速度加速约1.5倍。

为了在边缘设备上实现大语言模型的灵活部署，HY-1.8B-2Bit采用了极低比特量化技术，在保持与INT4-PTQ方法相当模型性能的同时，实现了在端侧设备上的高效稳定推理。

当前，HY-1.8B-2Bit的能力仍受限于监督微调的训练流程，以及基础模型本身的性能与抗压缩能力。针对这一问题，混元团队未来将重点转向强化学习与模型蒸馏等技术路径，以期进一步缩小低比特量化模型与全精度模型之间的能力差距，从而为边缘设备上的大语言模型部署开拓更广阔的应用前景。