Hunyuan · 2026-07 · MoE sparsa
Hunyuan 3
Hunyuan 3 è un Transformer a attention grouped-query (GQA) pubblicato da Hunyuan nel 2026-07, con 80 strati, dimensione nascosta 4096 e una finestra di contesto di 262,144 token.
Pila di strati
Dati chiave
| Laboratorio | Hunyuan |
|---|---|
| Pubblicazione | 2026-07 |
| Parametri | 296.3 mld |
| Attivi | 19.9 mld |
| Contesto | 262,144 tokens |
| Attention | GQA (64:8) |
| Strati | 80 |
| Dim. nascosta | 4,096 |
| Teste di attention | 64 |
| Vocabolario | 120,832 |
| Codifica posizionale | learned/absolute |
| Normalizzazione | RMSNorm |
| Attivazione | silu |
| Precisione | bf16 |
| Classe architetturale | HYV3ForCausalLM |
Panoramica dell'architettura
Attention
attention grouped-query (GQA) — 64 q-heads / 8 kv-heads.
FFN / MoE
È un mixture-of-experts sparso con 192 esperti instradati e routing top-8; circa 19.9 milioni di parametri sono attivi per token.
La configurazione include 1 strati extra di predizione multi-token (MTP) usati per accelerare il decodice.
Confronto campo per campo
Confronto con il modello precedente dello stesso laboratorio; in assenza, col modello strutturalmente più vicino. La colonna rapporto = questo modello ÷ modello di confronto.
Confronto completo con il predecessore Hunyuan-TurboS 7B
| Modello | Hunyuan 3 | Hunyuan-TurboS 7B | Rapporto |
|---|---|---|---|
| model_type | hy_v3 | hunyuan_v1_dense | ≠ |
| architectures | HYV3ForCausalLM | HunYuanDenseV1ForCausalLM | ≠ |
| hidden_size | 4096 | 4096 | ≈1 |
| num_hidden_layers | 80 | 32 | ×2.50 |
| num_attention_heads | 64 | 32 | ×2.00 |
| num_key_value_heads | 8 | 8 | ≈1 |
| head_dim | 128 | 128 | ≈1 |
| intermediate_size | 13312 | 14336 | ×0.929 |
| hidden_act | silu | silu | ＝ |
| num_experts_per_tok | 8 | — | |
| moe_intermediate_size | 1536 | — | |
| rope_theta | — | 10000 | |
| max_position_embeddings | 262144 | 262144 | ≈1 |
| rms_norm_eps | 0.00001 | 0.00001 | ≈1 |
| vocab_size | 120832 | 128167 | ×0.943 |
| torch_dtype | — | bfloat16 | |
| num_nextn_predict_layers | 1 | — | |
| bos_token_id | 120000 | 127958 | ×0.938 |
| dtype | bfloat16 | — | |
| enable_attention_fp32_softmax | false | — | |
| enable_lm_head_fp32 | true | — | |
| enable_moe_fp32_combine | false | — | |
| eod_token_id | 120026 | — | |
| eos_token_id | 120025 | 127960 | ×0.938 |
| expert_hidden_dim | 1536 | — | |
| first_k_dense_replace | 1 | — |
Architetture più simili
- Hunyuan 3 Preview (Hunyuan, 2026-04) 1.000
- Hunyuan 3 Preview Base (Hunyuan, 2026-04) 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
I valori di similarità vanno da 0 (nessuna caratteristica categoriale condivisa) a 1 (profili identici).
Campi grezzi del config.json
39 campi
| architectures | HYV3ForCausalLM |
|---|---|
| bos_token_id | 120000 |
| dtype | bfloat16 |
| enable_attention_fp32_softmax | false |
| enable_lm_head_fp32 | true |
| enable_moe_fp32_combine | false |
| eod_token_id | 120026 |
| eos_token_id | 120025 |
| 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 |
| pad_token_id | 120002 |
| qk_norm | true |
| rms_norm_eps | 0.00001 |
| route_norm | true |
| router_scaling_factor | 2.826 |
| sep_token_id | 120007 |
| tie_word_embeddings | false |
| transformers_version | 5.6.0 |
| use_cache | true |
| use_grouped_mm | false |
| vocab_size | 120832 |
| num_nextn_predict_layers | 1 |