腾讯混元 Hy3 量化版发布：1bit 版本单卡可部署，4bit 版本接近满血性能

Aioga Editorial Team

AI资讯 / 模型更新

返回 AI资讯

腾讯混元 Hy3 量化版发布：1bit 版本单卡可部署，4bit 版本接近满血性能

公众号：腾讯混元Aioga 编辑团队2026-07-14T08:56:07.000Z热度 73

腾讯混元团队为旗舰模型 Hy3（295B 参数）推出量化版本。1bit 版本（IQ1_M）将权重从 598 GB 压缩至 85.5 GiB，缩小 6.7 倍，单张 96GB 推...

模型更新公众号：腾讯混元

今日 AI 情报摘要

腾讯混元团队为旗舰模型 Hy3（295B 参数）推出量化版本。

1bit 版本（IQ1_M）将权重从 598 GB 压缩至 85.5 GiB，缩小 6.7 倍，单张 96GB 推理显卡即可部署； 4bit 版本（Q4_K_M）体积 169.9 GiB，两张显卡可承载。量化版在 Agent、多语言代码、工具调用、长文理解等任务上表现接近满血模型。团队还提供 GPTQ Int4 版本，支持 vLLM 部署。配合 MTP 投机解码，1bit 版本解码速度提升约 50%，4bit 版本提升近 60%。所有版本已开源并打包为 GGUF 格式，适配 llama.cpp 生态。

资讯正文 · AI 整理原文

腾讯混元团队为旗舰模型 Hy3（295B 参数）推出量化版本。

1bit 版本（IQ1_M）将权重从 598 GB 压缩至 85.5 GiB，缩小 6.7 倍，单张 96GB 推理显卡即可部署；

4bit 版本（Q4_K_M）体积 169.9 GiB，两张显卡可承载。

量化版在 Agent、多语言代码、工具调用、长文理解等任务上表现接近满血模型。

团队还提供 GPTQ Int4 版本，支持 vLLM 部署。

配合 MTP 投机解码，1bit 版本解码速度提升约 50%，4bit 版本提升近 60%。

所有版本已开源并打包为 GGUF 格式，适配 llama.cpp 生态。

情报判断

Aioga 编辑摘要

腾讯混元为295B参数的Hy3发布1bit、4bit及GPTQ Int4量化版本。1bit权重压缩至85.5 GiB，可在单张96GB推理显卡部署；4bit体积为169.9 GiB，可由两张显卡承载。

背景分析

此次量化以Hy3原始598 GB权重为基础，1bit版本缩小6.7倍。各版本已开源，其中GGUF格式适配llama.cpp生态，GPTQ Int4版本支持通过vLLM部署。

Aioga 观点

Aioga判断，此次更新的重点不只是压缩模型体积，还包括对不同推理生态的适配。单卡承载1bit版本，可能扩大开发者在有限显存条件下测试和部署Hy3的空间。

影响与后续

值得关注的是，材料称量化版在Agent、多语言代码、工具调用和长文理解任务上接近满血模型；配合MTP投机解码，1bit与4bit版本解码速度分别提升约50%和近60%。后续值得关注不同硬件与实际业务负载下的性能表现，包括量化版本与满血模型的任务差异、显存占用、解码速度，以及GGUF和GPTQ Int4两条部署路径的适用范围。