Ikhtisar Keluarga Tencent Hunyuan: Dari Lini Ringan hy4 hingga Flagship MoE A13B
Ikhtisar Keluarga Tencent Hunyuan: Dari Lini Ringan hy4 hingga Flagship MoE A13B
Di HuggingFace, Tencent Hunyuan bukan satu baris model, melainkan matriks produk: obrolan teks, OCR dokumen, pembuatan 3D, pembuatan video, dan pembuatan gambar masing-masing berjalan sebagai baris tersendiri, dengan bobot tersebar di dua organisasi berbeda. Kesalahan paling sering bagi Pendant yang baru mengenal Hunyuan bukan salah memilih model, melainkan menyalahi organisasi — mencari Tencent-Hunyuan hanya menghasilkan model gambar dan tidak ada satu pun model teks. Artikel ini memetakan seluruh keluarga berdasarkan data publik yang nyata: setiap baris mengerjakan apa, apa arti angka unduhan, dan kuantisasi mana yang sebaiknya dipilih.
Ringkasan 30 detik
Dua model utama pada baris teks adalah A13B (flagship MoE, angka unduhan mendominasi sekitar sepuluh kali lipat) dan hy4 (baris ringan 4B, satu-satunya model 4B kelas Tiongkok yang menerbitkan bobot FP8, GPTQ, dan AWQ sekaligus). Pada baris non-teks, HunyuanOCR tertinggi dengan sekitar 615.000 unduhan per bulan, disusul baris 3D (Hunyuan3D-2). Model teks berada di organisasi tencent, sedangkan model gambar berada di Tencent-Hunyuan — periksa nama organisasi sebelum mengunduh.
Di mana bobotnya: pilih organisasi yang benar dulu
Ini kesalahan paling sering di ekosistem Hunyuan. Ada dua organisasi di HuggingFace:
| Organisasi | Isi | Repositori contoh |
|---|---|---|
tencent | Teks, penerjemahan, OCR, 3D, video, gambar | Hunyuan-4B-Instruct, Hunyuan-A13B-Instruct, HunyuanOCR, Hunyuan3D-2, HunyuanVideo, HunyuanImage-3.0-Instruct |
Tencent-Hunyuan | Hanya pembuatan gambar | HunyuanDiT-v1.1 dan v1.2, Distilled, ControlNet untuk Pose, Depth, dan Canny |
Akibat salah mencari organisasi
Mencari Tencent-Hunyuan hanya memunculkan model DiT. Anda menyimpulkan Tencent tidak pernah membuka bobot model teks, lalu memasang unggahan ulang pihak ketiga yang sumbernya tidak jelas dan tingkat kuantisasinya tidak terkendali. Untuk model teks, cari Hunyuan langsung di dalam organisasi tencent.
Dua nama lain yang sering tertukar:
- Hunyuan-MT-7B:
MTberarti machine translation, ini model penerjemahan multibahasa, bukan penerus baris 7B - Tencent-Hunyuan-Large: repositori Hunyuan generasi awal, bukan lagi jalur utama
Baris teks: setiap ukuran untuk apa
| Model | Kelas parameter | Posisi | Unduhan 30 hari |
|---|---|---|---|
| Hunyuan-0.5B-Instruct | 0.5B dense | Perangkat tepi, klasifikasi, pelabelan | sekitar 2.500 |
| Hunyuan-1.8B-Instruct | 1.8B dense | thy, hulu pipeline | sekitar 2.000 |
| Hunyuan-4B-Instruct (hy4) | 4B dense | Baris ringan utama, mengutamakan bahasa Tionghoa | sekitar 1.000 |
| Hunyuan-7B-Instruct | 7B dense | Kemampuan umum kelas menengah | sekitar 5.200 |
| Hunyuan-A13B-Instruct | MoE | Flagship keluarga | sekitar 68.700 |
Angka unduhan adalah proksi untuk adopsi nyata di komunitas, bukan rekomendasi resmi. Angka itu memberi dua informasi:
- A13B adalah flagship sejati Hunyuan — melompati runner-up sekitar satu orde besaran, artinya orang benar-benar menjalankannya di produksi atau proyek pribadi yang berat.
- Ekosistem hy4 masih tipis — sekitar 1.000 unduhan dibanding 68.700 milik A13B. Nilai hy4 bukan pada popularitas, melainkan pada fakta bahwa Tencent menerbitkan ketiga format kuantisasi resminya sekaligus, hal yang penting ketika stack inferensi Anda punya persyaratan khusus.
Mengapa hy4 tetap layak dipertimbangkan meski unduhannya rendah
Sebaran unduhan mencerminkan siapa yang mengerjakan proyek serius, bukan model mana yang lebih baik. Pembeda hy4 ada di sumbu lain: sumbernya memublikasikan FP8, GPTQ-Int4, dan AWQ-Int4. Sebagian besar model 4B kelas Tiongkok hanya memberikan FP8 lalu menyerahkan urusan 4-bit ke komunitas, hy4 mengembalikan pilihan itu kepada Anda.
Baris flagship: struktur MoE A13B
A13B adalah model teks sumber terbuka terberat yang pernah dipublikasikan Tencent: sekitar 80 miliar parameter total, tetapi parameter yang diaktifkan per token jauh lebih sedikit, sehingga biaya inferensi mendekati model dense kelas menengah sementara kapasitas pengetahuannya menyasar model dense yang lebih besar.
Tiga konsekuensi teknis:
- Memori mengikuti total parameter untuk bobot, mengikuti parameter aktif untuk komputasi. Semua bobot total tetap harus dimuat ke memori, bagian ini tidak bisa dihindari MoE.
- Tiga set bobot resmi tersedia: FP8, GPTQ-Int4, dan satu GGUF resmi (
tencent/Hunyuan-A13B-Instruct-GGUF, sekitar 540 unduhan per bulan). GGUF resmi masih jarang di antara model sumber terbuka Tiongkok. - Butuh versi engine yang cukup baru: arsitektur MoE memerlukan llama.cpp atau vLLM yang mendukung struktur expert Hunyuan. Versi lama gagal memuat atau mengeluarkan teks kacau. Bila gagal jalan, tingkatkan engine lebih dulu sebelum menyalahkan bobot.
Matriks kuantisasi: yang resmi dan yang dari komunitas
| Model | FP8 resmi | GPTQ-Int4 resmi | AWQ-Int4 resmi | GGUF resmi | GGUF komunitas |
|---|---|---|---|---|---|
| hy4 (4B) | Ya | Ya | Ya | Tidak | Banyak penulis |
| A13B | Ya | Ya | Tidak | Ya | Sedikit |
| Hunyuan-7B-Instruct | Ya | Tidak | Ya | Tidak | Banyak penulis |
Penulis GGUF komunitas untuk hy4 antara lain bartowski, mradermacher, gabriellarson, DevQuasar, dan Disya, dengan versi bartowski tertinggi unduhannya (lebih dari 2.000). Saat memilih GGUF komunitas, utamakan yang unduhannya tinggi, tingkat kuantisasi Terlabel jelas, dan model card menyebut sumber konversinya.
Pengguna Apple Silicon punya jalur lain lewat MLX: mlx-community menyediakan Hunyuan-4B-Instruct-4bit, Hunyuan-A13B-Instruct-4bit, dan Hunyuan-MT-7B-4bit.
Pilih kuantisasi dalam satu kalimat
Pakai stack vLLM, ambil GPTQ-Int4 atau AWQ-Int4 resmi; hanya punya llama.cpp atau Ollama, pilih Q4_K_M atau Q5_K_M komunitas dengan unduhan tertinggi; di Mac, pakai MLX 4bit. Ketiganya bisa jalan, jadi pastikan level terendah dulu lalu naikkan perlahan.
Baris non-teks: Hunyuan sebenarnya perusahaan multimodal
Sebagian besar unduhan Hunyuan justru datang dari luar baris teks:
| Baris produk | Repositori contoh | Unduhan 30 hari |
|---|---|---|
| OCR dokumen | HunyuanOCR | sekitar 615.000 |
| Pembuatan 3D | Hunyuan3D-2 / 2.1 / 2mini | sekitar 319.000 / 106.000 / 96.000 |
| Pembuatan video | HunyuanVideo | sekitar 28.700 |
| Pembuatan gambar | HunyuanImage-3.0-Instruct | sekitar 27.400 |
Toolchain baris-baris ini tidak sama sekali dengan baris teks:
- OCR menjalankan pipeline analisis dokumen khusus yang dilatih pada tata letak halaman, bukan teks web.
- 3D dan video memakai stack diffusi masing-masing (3D punya cabang mesh dan texture), tidak beririsan dengan runtime model bahasa.
- Pembuatan gambar memakai arsitektur DiT dengan format bobot, cara kuantisasi, dan framework layanan yang berbeda.
Jangan perlakukan Hunyuan sebagai satu toolchain
Pernyataan "model Hunyuan bisa dijalankan dengan llama.cpp" hanya berlaku untuk baris teks. Baris 3D dan video punya dependensi sendiri yang biasanya menyangkut point cloud, mesh, dan komponen render. Bila tujuan Anda menghasilkan aset 3D, hituplah pekerjaan itu secara terpisah, jangan memakai kesimpulan dari penerapan baris teks.
Cara deploying baris teks
| Situasi | Jalur yang disarankan |
|---|---|
| Satu GPU konsumen | GPTQ-Int4 atau AWQ-Int4 resmi, dilayani lewat vLLM |
| Hanya CPU atau Mac | GGUF atau MLX komunitas dengan llama.cpp atau Ollama |
| Layanan inferensi internal tim | FP8 resmi, sisakan ruang untuk kualitas |
| Riset fine-tuning | Mulai dari bobot FP8 atau BF16 resmi, jangan fine-tune dari file 4-bit |
Alurnya tidak pernah berubah: unduh dari HuggingFace, konversi bobot bila perlu, muat di framework inferensi, buka endpoint yang kompatibel dengan OpenAI, lalu arahkan klien yang sudah ada ke base URL baru.
Katalog cloud EXAIV adalah sumber kebenaran
Saat artikel ini ditulis, katalog cloud EXAIV belum memuat keluarga Hunyuan (model Tiongkok yang tersedia adalah Qwen, DeepSeek, Kimi, dan GLM). memakai Hunyuan berarti Anda men-deploy bobot di lingkungan sendiri: kuantisasi resmi dengan vLLM, atau GGUF dan MLX komunitas dengan llama.cpp dan Ollama. Katalog situs utama memuat ID seperti hy3, hy4, hy3-preview, dan hy4-preview mengikuti daftar real-time, dan nama bobot HuggingFace tidak boleh dipakai sebagai API ID.
Tabel pemilihan cepat
| Situasi Anda | Pilihan |
|---|---|
| Asisten berbahasa Tionghoa, penerapan di tepi | hy4 (4B) |
| Sangat ringan di tepi, klasifikasi dan pelabelan | Hunyuan-0.5B-Instruct |
| Butuh bobot 4-bit yang dirawat sumber aslinya | hy4 (GPTQ-Int4 / AWQ-Int4) |
| Batas kemampuan tertinggi, MoE sumber terbuka | A13B |
| Penerjemahan multibahasa | Hunyuan-MT-7B |
| Analisis dokumen, pemulihan tata letak | HunyuanOCR |
| Pembuatan aset 3D | Seri Hunyuan3D-2 |
| Pembuatan video | HunyuanVideo |
| Pembuatan gambar | HunyuanImage-3.0-Instruct |
FAQ
Model teks Hunyuan ada di organisasi HuggingFace mana?
Pilih hy4 atau A13B?
Apakah A13B punya GGUF resmi?
Apakah ada angka context window resmi untuk Hunyuan?
Mengapa model teks Hunyuan jauh lebih sedikit diunduh dibanding OCR dan 3D?
Bisakah memanggil Hunyuan lewat API?
Apa itu Hunyuan-MT-7B?
Bacaan lanjutan
- Halaman model hy4 — spesifikasi, matriks quantization, dan perhitungan memori
- Catatan kanal hy4-preview — kanal konteks 1M
- Penerapan lokal Hunyuan hy4 dan A13B — rincian penerapan dua baris utama
- Panduan pemilihan model hy4 — pembagian tugas antara hy3, hy4, versi preview, dan A13B
- Penerapan hy4 dengan GGUF — tingkat kuantisasi dan perhitungan memori
- Qwen dibanding Hunyuan — aktivitas ekosistem dibanding kelengkapan format kuantisasi
- Ikhtisar keluarga DeepSeek V4 — keluarga Tiongkok lain yang membuka bobot secara menyeluruh
- Direktori model — model yang dapat dipanggil di EXAIV saat ini
Sumber data
Angka unduhan adalah penghitung publik 30 hari dari HuggingFace dan berubah seiring waktu; angka dalam artikel ini diambil pada November 2026. Lisensi dan spesifikasi mengikuti model card resmi terbaru.