Hunyuan-TurboS
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Tencent
- Organisatietype
- Industry
- Land
- China
- Gepubliceerd
- 11 March 2025
- Auteurs
- Tencent Hunyuan Team: Ao Liu, Botong Zhou, Can Xu, Chayse Zhou, ChenChen Zhang, Chengcheng Xu, Chenhao Wang, Decheng Wu, Dengpeng Wu, Dian Jiao, Dong Du, Dong Wang, Feng Zhang, Fengzong Lian, Guanghui Xu, Guanwei Zhang, Hai Wang, Haipeng Luo, Han Hu, Huilin Xu, Jiajia Wu, Jianchen Zhu, Jianfeng Yan, Jiaqi Zhu, Jihong Zhang, Jinbao Xue, Jun Xia, Junqiang Zheng, Kai Liu, Kai Zhang, Kai Zheng, Kejiao…
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling/generation, Quantitative reasoning, Question answering, Code generation, Text summarization
- Aanpak
- Supervised fine-tuning (SFT),Reinforcement learning
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 560B
- Training gegevens
- 16,000,000,000,000 tokens
the model scales to 56B activated parameters and 560B total parameters
pre-trained on 16T high-quality tokens
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Training rekenen
- 5.4 × 10²⁴ FLOP
using C = 6*ND, 6* 56 billion parameters * 16 trillion tokens = ~5.4e24 FLOP
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Toegang tot model
- API access
- Training code
- Unreleased
API via Tencent Cloud
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarschijnlijk boven de 10²³ FLOP
- Yes
- Waarom het wordt gevolgd
- SOTA improvement
- Record vertrouwen
- Confident
Based on the photos published by Tencent on X, it achieved top performance on several benchmarks - MMLU, C-Eval, MATH. (https://x.com/TencentHunyuan/status/1899105803073958010/photo/1)
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Tencent HunYuan Turbo S: The fastest reasoning LLM At par with DeepSeek, Claude 3.5 and GPT-4o
- Laatst bijgewerkt
- 11 February 2026
Wat de cijfers betekenen
Over dit model
Hunyuan-TurboS werd gepubliceerd door Tencent, in het land geregistreerd als China, tijdens March 2025. De publicerende organisatie is geclassificeerd als industry.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Quantitative reasoning, Question answering, Code generation, Text summarization.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Training en herkomst
Training kostte een rekensbudget van ongeveer 5.4 × 10²⁴ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Training verbruikte een corpus van ongeveer 16,000,000,000,000 tekstokens
Het wordt gevolgd in de onderliggende dataset om één specifieke reden: sOTA improvement.
Antwoorden
Hunyuan-TurboS — veelgestelde vragen
Hunyuan-TurboS— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 5.4 × 10²⁴ FLOP. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
Hunyuan-TurboS— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
Hunyuan-TurboS— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
Hunyuan-TurboS— hoeveel parameters heeft het?
Het heeft een parameter telling van 560B. the model scales to 56B activated parameters and 560B total parameters. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
Hunyuan-TurboS— wie heeft het gemaakt?
Het werd gepubliceerd door Tencent, gebaseerd op China, een organisatie geclassificeerd als industry.
Hunyuan-TurboS— wanneer is het uitgebracht?
Het werd gepubliceerd in March 2025.
Hunyuan-TurboS— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Quantitative reasoning, Question answering, Code generation, Text summarization. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.