Hunyuan · 2026-04 · Sparsames MoE
Hunyuan 3 Preview Base
Hunyuan 3 Preview Base ist ein Grouped-Query-Attention (GQA)-Transformer, veröffentlicht von Hunyuan im 2026-04, mit 80 Schichten, Hidden-Größe 4096 und einem Kontextfenster von 262,144 Tokens.
Schichtstapel
Kernfakten
| Labor | Hunyuan |
|---|---|
| Veröffentlicht | 2026-04 |
| Parameter | 296.3 Mrd. |
| Aktiv | 19.9 Mrd. |
| Kontext | 262,144 tokens |
| Attention | GQA (64:8) |
| Schichten | 80 |
| Hidden-Dim. | 4,096 |
| Attention-Köpfe | 64 |
| Vokabular | 120,832 |
| Positionscodierung | learned/absolute |
| Normierung | RMSNorm |
| Aktivierung | silu |
| Präzision | bf16 |
| Architekturklasse | HYV3ForCausalLM |
Architekturüberblick
Attention
Grouped-Query-Attention (GQA) — 64 q-heads / 8 kv-heads.
FFN / MoE
Es handelt sich um ein sparsames Mixture-of-Experts mit 192 gerouteten Experten und Top-8-Routing; etwa 19.9 Mrd. Parameter sind pro Token aktiv.
Die Konfiguration enthält 1 zusätzliche Multi-Token-Prediction-Schichten (MTP) zur Beschleunigung der Dekodierung.
Feldweiser Vergleich
Verglichen mit dem vorherigen Modell desselben Labors; fehlt dieses, mit dem strukturell nächsten Modell. Die Spalte Ratio = dieses Modell ÷ Vergleichsmodell.
Vollfeldvergleich mit dem Vorgänger Hunyuan 3 Preview
| Modell | Hunyuan 3 Preview Base | Hunyuan 3 Preview | Ratio |
|---|---|---|---|
| model_type | hy_v3 | hy_v3 | ＝ |
| architectures | HYV3ForCausalLM | HYV3ForCausalLM | ＝ |
| hidden_size | 4096 | 4096 | ≈1 |
| num_hidden_layers | 80 | 80 | ≈1 |
| num_attention_heads | 64 | 64 | ≈1 |
| num_key_value_heads | 8 | 8 | ≈1 |
| head_dim | 128 | 128 | ≈1 |
| intermediate_size | 13312 | 13312 | ≈1 |
| hidden_act | silu | silu | ＝ |
| num_experts_per_tok | 8 | 8 | ≈1 |
| moe_intermediate_size | 1536 | 1536 | ≈1 |
| max_position_embeddings | 262144 | 262144 | ≈1 |
| rms_norm_eps | 0.00001 | 0.00001 | ≈1 |
| vocab_size | 120832 | 120832 | ≈1 |
| num_nextn_predict_layers | 1 | 1 | ≈1 |
| enable_attention_fp32_softmax | false | false | ＝ |
| enable_lm_head_fp32 | true | true | ＝ |
| enable_moe_fp32_combine | false | false | ＝ |
| expert_hidden_dim | 1536 | 1536 | ≈1 |
| first_k_dense_replace | 1 | 1 | ≈1 |
| initializer_range | 0.006 | 0.006 | ≈1 |
| moe_router_enable_expert_bias | true | true | ＝ |
| moe_router_use_sigmoid | true | true | ＝ |
| num_experts | 192 | 192 | ≈1 |
| num_shared_experts | 1 | 1 | ≈1 |
| output_router_logits | true | true | ＝ |
Strukturell ähnlichste Modelle
- Hunyuan 3 Preview (Hunyuan, 2026-04) 1.000
- Hunyuan 3 (Hunyuan, 2026-07) 1.000
- Qwen3.5 397B A17B (Qwen, 2026-02) 0.996
- Qwen3.5 122B A10B (Qwen, 2026-02) 0.993
- Qwen3.5 35B A3B (Qwen, 2026-02) 0.986
- GLM-4.6 (GLM, 2025-10) 0.929
Ähnlichkeitswerte reichen von 0 (keine gemeinsamen kategorialen Merkmale) bis 1 (identische Profile).
Rohe Config-Felder
33 Felder
| architectures | HYV3ForCausalLM |
|---|---|
| enable_attention_fp32_softmax | false |
| enable_lm_head_fp32 | true |
| enable_moe_fp32_combine | false |
| expert_hidden_dim | 1536 |
| moe_intermediate_size | 1536 |
| first_k_dense_replace | 1 |
| head_dim | 128 |
| hidden_act | silu |
| hidden_size | 4096 |
| initializer_range | 0.006 |
| intermediate_size | 13312 |
| max_position_embeddings | 262144 |
| model_type | hy_v3 |
| moe_router_enable_expert_bias | true |
| moe_router_use_sigmoid | true |
| num_attention_heads | 64 |
| num_experts | 192 |
| num_experts_per_tok | 8 |
| num_hidden_layers | 80 |
| num_key_value_heads | 8 |
| num_shared_experts | 1 |
| output_router_logits | true |
| qk_norm | true |
| rms_norm_eps | 0.00001 |
| route_norm | true |
| router_scaling_factor | 2.826 |
| tie_word_embeddings | false |
| transformers_version | 5.6.0 |
| use_cache | true |
| use_grouped_mm | false |
| vocab_size | 120832 |
| num_nextn_predict_layers | 1 |