Hunyuan · 2026-05 · Dicht · Multimodal
Hunyuan-TurboS 7B
Hunyuan-TurboS 7B ist ein Grouped-Query-Attention (GQA)-Transformer, veröffentlicht von Hunyuan im 2026-05, mit 32 Schichten, Hidden-Größe 4096 und einem Kontextfenster von 262,144 Tokens.
Schichtstapel
Attention ×32 · Schichten 32
Kernfakten
| Labor | Hunyuan |
|---|---|
| Veröffentlicht | 2026-05 |
| Parameter | 7.8 Mrd. |
| Kontext | 262,144 tokens |
| Attention | GQA (32:8) |
| Schichten | 32 |
| Hidden-Dim. | 4,096 |
| Attention-Köpfe | 32 |
| Vokabular | 128,167 |
| Positionscodierung | RoPE |
| Normierung | RMSNorm |
| Aktivierung | silu |
| Präzision | bf16 |
| Architekturklasse | HunYuanDenseV1ForCausalLM |
Architekturüberblick
Attention
Grouped-Query-Attention (GQA) — 32 q-heads / 8 kv-heads. RoPE θ=10,000.
FFN / MoE
Es ist ein dichtes Modell: Alle 7.8 Mrd. Parameter sind an der Berechnung jedes Tokens beteiligt.
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-TurboS 30B A3B
| Modell | Hunyuan-TurboS 7B | Hunyuan-TurboS 30B A3B | Ratio |
|---|---|---|---|
| model_type | hunyuan_v1_dense | hy_v3 | ≠ |
| architectures | HunYuanDenseV1ForCausalLM | HYV3ForCausalLM | ≠ |
| hidden_size | 4096 | 2048 | ×2.00 |
| num_hidden_layers | 32 | 48 | ×0.667 |
| num_attention_heads | 32 | 32 | ≈1 |
| num_key_value_heads | 8 | 4 | ×2.00 |
| head_dim | 128 | 128 | ≈1 |
| intermediate_size | 14336 | 6912 | ×2.07 |
| hidden_act | silu | silu | ＝ |
| num_experts_per_tok | — | 8 | |
| moe_intermediate_size | — | 768 | |
| rope_theta | 10000 | 11158840 | ×0.001 |
| max_position_embeddings | 262144 | 262144 | ≈1 |
| rms_norm_eps | 0.00001 | 0.00001 | ≈1 |
| vocab_size | 128167 | 120832 | ×1.06 |
| torch_dtype | bfloat16 | — | |
| add_classification_head | false | — | |
| attention_bias | false | — | |
| attention_dropout | 0.1 | — | |
| attention_head_dim | 128 | — | |
| bos_token_id | 127958 | 120000 | ×1.07 |
| cla_share_factor | 2 | — | |
| class_num | 0 | — | |
| dense_list | 4096×1 + 0×1 | — | |
| eos_token_id | 127960 | 120025 | ×1.07 |
| im_end_id | 5 | — |
Strukturell ähnlichste Modelle
- Llama 3.1 8B (Meta, 2024-07) 1.000
- Qwen3 8B (Qwen, 2025-04) 0.998
- Mistral 7B (Mistral, 2023-09) 0.998
- Hunyuan 7B (Hunyuan, 2025-08) 0.998
- Qwen2.5 7B (Qwen, 2024-09) 0.998
- Qwen3.6 27B (Qwen, 2026-04) 0.992
Ähnlichkeitswerte reichen von 0 (keine gemeinsamen kategorialen Merkmale) bis 1 (identische Profile).
Rohe Config-Felder
44 Felder
| add_classification_head | false |
|---|---|
| architectures | HunYuanDenseV1ForCausalLM |
| attention_bias | false |
| attention_dropout | 0.1 |
| attention_head_dim | 128 |
| bos_token_id | 127958 |
| cla_share_factor | 2 |
| class_num | 0 |
| dense_list | 4096×1 + 0×1 |
| torch_dtype | bfloat16 |
| eos_token_id | 127960 |
| head_dim | 128 |
| hidden_act | silu |
| hidden_size | 4096 |
| im_end_id | 5 |
| im_newline_id | 11 |
| im_start_id | 4 |
| initializer_range | 0.02 |
| intermediate_size | 14336 |
| mask_init_id | 12 |
| max_position_embeddings | 262144 |
| mlp_bias | false |
| model_type | hunyuan_v1_dense |
| norm_type | rms |
| num_attention_heads | 32 |
| num_hidden_layers | 32 |
| num_key_value_heads | 8 |
| org_vocab_size | 128167 |
| pad_id | 127961 |
| pad_token_id | 127961 |
| pool_type | last |
| pretraining_tp | 1 |
| rms_norm_eps | 0.00001 |
| rope_theta | 10000 |
| sep_token_id | 127962 |
| text_end_id | 7 |
| text_start_id | 6 |
| tie_word_embeddings | true |
| transformers_version | 4.57.6 |
| use_cache | true |
| use_cla | false |
| use_qk_norm | true |
| use_rotary_pos_emb | true |
| vocab_size | 128167 |