ภาพรวมครอบครัว Tencent Hunyuan: จากสาย lightweight hy4 สู่ flagship MoE A13B
ภาพรวมครอบครัว Tencent Hunyuan: จากสาย lightweight hy4 สู่ flagship MoE A13B
บน HuggingFace, Tencent Hunyuan ไม่ใช่โมเดลซีรีส์เดียว แต่เป็น เมทริกซ์ผลิตภัณฑ์: แชทคุย, OCR เอกสาร, สร้างโมเดล 3D, สร้างวิดีโอ และสร้างภาพ มีอยู่คนละบรรทัดแยกกัน และเก็บ weights ไว้คนละองค์ก์ ข้อผิดพลาดที่พบบ่อยที่สุดสำหรับคนที่เพิ่งเริ่มใช้ Hunyuan ไม่ใช่การเลือกโมเดล แต่คือ การค้นจากองค์ก์ผิด เพราะการค้น Tencent-Hunyuan จะเจอแต่โมเดลสร้างภาพ ไม่มีโมเดลภาษาเลย บทความนี้จะไล่ทั้งครอบครัวตามข้อมูลสาธารณะจริง: แต่ละบรรทัดทำอะไรได้ ยอดดาวน์โหลดบอกอะไร และควรเลือก quantization แบบไหน
สรุปใน 30 วินาที
ตัวแทนหลักของสายข้อความคือ A13B (MoE flagship ยอดดาวน์โหลดสูงกว่าอื่นราวสิบเท่า) และ hy4 (สาย lightweight 4B ที่เป็นโมเดล 4B ระดับในประเทศจีนตัวเดียวที่วาง weights FP8, GPTQ และ AWQ พร้อมกัน) ส่วนสายที่ไม่ใช่ข้อความนั้น HunyuanOCR มียอดดาวน์โหลดสูงสุดราว 615,000 ครั้งต่อเดือน และสาย 3D (Hunyuan3D-2) ตามมา โมเดลสายข้อความอยู่ใต้องค์ก์ tencent ส่วนโมเดลสร้างภาพอยู่ใต้องค์ก์ Tencent-Hunyuan เช็กชื่อองค์ก์ก่อนดาวน์โหลดทุกครั้ง
องค์ก์เก็บ weights: ต้องแยกให้ถูกก่อน
นี่คือข้อผิดพลาดที่พบบ่อยที่สุดในระบบนิเวศของ Hunyuan บน HuggingFace มีองค์ก์สององค์ก์:
| องค์ก์ | เก็บอะไร | ตัวอย่าง |
|---|---|---|
tencent | ข้อความ แปลภาษา OCR 3D วิดีโอ ภาพ | Hunyuan-4B-Instruct, Hunyuan-A13B-Instruct, HunyuanOCR, Hunyuan3D-2, HunyuanVideo, HunyuanImage-3.0-Instruct |
Tencent-Hunyuan | มีแต่การสร้างภาพ | HunyuanDiT-v1.1 / v1.2, Distilled, ControlNet สำหรับ Pose, Depth และ Canny |
ผลของการค้นจากองค์ก์ผิด
ค้น Tencent-Hunyuan แล้วเจอแต่โมเดล DiT คุณจะสรุปว่า Tencent ไม่เคยเปิดโมเดลภาษา แล้วหันไปใช้ไฟล์ที่คนอื่นอัปโหลดแทน ซึ่งแหล่งที่มาไม่ชัดและระดับ quantization ก็คุมไม่ได้ ถ้าต้องการโมเดลสายข้อความ ให้ค้น Hunyuan ภายในองค์ก์ tencent โดยตรง
อีกสองชื่อที่มักสับสน:
- Hunyuan-MT-7B:
MTย่อมาจาก machine translation เป็นโมเดลแปลภาษาหลายภาษา ไม่ใช่รุ่นต่อไปของสาย 7B - Tencent-Hunyuan-Large: คลังเก่าของ Hunyuan รุ่นแรก ไม่ใช่สายหลักในปัจจุบัน
สายข้อความ: แต่ละขนาดทำหน้าที่อะไร
| โมเดล | ระดับพารามิเตอร์ | การวางตำแหน่ง | ยอดดาวน์โหลด 30 วัน |
|---|---|---|---|
| Hunyuan-0.5B-Instruct | 0.5B dense | อุปกรณ์ปลายทาง คลาสสิฟาย ติดแท็ก | ราว 2,500 |
| Hunyuan-1.8B-Instruct | 1.8B dense | งานปลายทางที่เบากว่า ต้นทางของไปป์ไลน์ | ราว 2,000 |
| Hunyuan-4B-Instruct (hy4) | 4B dense | ตัวหลักสายเบา เน้นภาษาจีน | ราว 1,000 |
| Hunyuan-7B-Instruct | 7B dense | ความสามารถระดับกลางทั่วไป | ราว 5,200 |
| Hunyuan-A13B-Instruct | MoE | flagship ของครอบครัว | ราว 68,700 |
ยอดดาวน์โหลดคือ ตัวแทนของการนำไปใช้จริงในชุมชน ไม่ใช่คำแนะนำอย่างเป็นทางการ แต่มันบอกสองเรื่อง:
- A13B คือ flagship ที่แท้จริง ของ Hunyuan ยอดสูงกว่าอันดับสองราวสิบเท่า แปลว่ามีคนเอาไปใช้งานจริงทั้งในงานโปรดักชันและโปรเจกต์ส่วนตัวที่หนักหน่วง
- ระบบนิเวศของ hy4 ยังบาง ประมาณ 1,000 ครั้งเทียบกับ 68,700 ของ A13B จุดแข็งของ hy4 ไม่ใช่ความนิยม แต่คือ Tencent วาง weights ครบทั้งสามรูปแบบสำหรับโมเดล 4B ตัวนี้ ซึ่งสำคัญมากสำหรับทีมที่มีข้อกำหนดเรื่องสถาปัตยกรรมการ infer
ทำไม hy4 ยังน่าสนใจแม้ยอดดาวน์โหลดจะน้อย
การกระจายของยอดดาวน์โหลดสะท้อนว่าใครกำลังทำโปรเจกต์หนัก ๆ ไม่ใช่ว่าโมเดลไหนดีกว่า จุดต่างของ hy4 อยู่คนละแกน: ต้นฉบับเผยแพร่ FP8, GPTQ-Int4 และ AWQ-Int4 พร้อมกัน โมเดล 4B ระดับในประเทศจีนส่วนใหญ่ให้มาแค่ FP8 แล้วฝากการทำ 4-bit ไว้กับชุมชน hy4 จึงส่งมอบทางเลือกกลับมาให้คุณเอง
สาย flagship: โครงสร้าง MoE ของ A13B
A13B คือโมเดลข้อความเปิดน้ำหนักที่หนักที่สุดของ Tencent ปัจจุบัน มีพารามิเตอร์รวมราว 80 พันล้าน แต่จำนวนพารามิเตอร์ที่ถูกกระตุ้นต่อหนึ่ง token น้อยกว่านั้นมาก ต้นทุนการ infer จึงใกล้เคียงโมเดล dense ขนาดกลาง แต่ความจุของความรู้เทียบเท่าโมเดล dense ที่ใหญ่กว่า
ผลทางวิศวกรรมมีสามข้อ:
- หน่วยความจำคิดตามพารามิเตอร์รวมสำหรับ weights แต่คิดตามพารามิเตอร์ที่ถูกกระตุ้นสำหรับ compute พารามิเตอร์รวมทั้งหมดต้องอยู่ในหน่วยความจำ ส่วนนี้ MoE หลีกเลี่ยงไม่ได้
- มี weights ทางการสามชุด: FP8, GPTQ-Int4 และ GGUF ทางการ (
tencent/Hunyuan-A13B-Instruct-GGUFราว 540 ครั้งต่อเดือน) การมี GGUF อย่างเป็นทางการยังพบได่น้อยในโมเดลเปิดของจีน - ต้องใช้เวอร์ชันเอนจินใหม่พอสมควร สถาปัตยกรรม MoE ต้องการ llama.cpp หรือ vLLM ที่รองรับโครงสร้างผู้เชี่ยวชาญของ Hunyuan เวอร์ชันเก่าจะโหลดไม่ขึ้นหรือออกผลเป็นตัวอักษรยุ่ง ถ้ารันไม่ได้ให้อัปเกรดเอนจินก่อน ไม่ใช่สงสัย weights
เมทริกซ์ quantization: อะไรมาจากทางการ อะไรมาจากชุมชน
| โมเดล | FP8 ทางการ | GPTQ-Int4 ทางการ | AWQ-Int4 ทางการ | GGUF ทางการ | GGUF จากชุมชน |
|---|---|---|---|---|---|
| hy4 (4B) | มี | มี | มี | ไม่มี | หลายผู้ผลิต |
| A13B | มี | มี | ไม่มี | มี | น้อย |
| Hunyuan-7B-Instruct | มี | ไม่มี | มี | ไม่มี | หลายผู้ผลิต |
ผู้ผลิต GGUF ของ hy4 จากชุมชนมี bartowski, mradermacher, gabriellarson, DevQuasar และ Disya โดยเวอร์ชันของ bartowski มียอดดาวน์โหลดสูงสุด (มากกว่า 2,000 ครั้ง) เวลาเลือกไฟล์ GGUF จากชุมชน ให้ดูยอดดาวน์โหลด ระดับ quantization ที่ระบุชัด และ model card ที่บอกต้นทางของการ convert
ผู้ใช้ Apple Silicon ยังมีอีกเส้นทางผ่าน MLX โดย mlx-community มี Hunyuan-4B-Instruct-4bit, Hunyuan-A13B-Instruct-4bit และ Hunyuan-MT-7B-4bit
เลือก quantization ในหนึ่งบรรทัด
มีสแต็ก vLLM ให้ไปทาง GPTQ-Int4 หรือ AWQ-Int4 ทางการก่อน มีแค่ llama.cpp หรือ Ollama ให้เลือก Q4_K_M หรือ Q5_K_M ที่ดาวน์โหลดเยอะที่สุดจากชุมชน บน Mac ให้ไปทาง MLX 4bit ทั้งสามทางเดินได้ ให้เริ่มจากระดับต่ำสุดเพื่อทดสอบว่ารันผ่าน แล้วค่อยไล่ขึ้น
บรรทัดที่ไม่ใช่ข้อความ: Hunyuan คือบริษัทโมเดลหลายโมดาเลติ
ยอดดาวน์โหลดส่วนใหญ่ของ Hunyuan ไม่ได้มาจากสายข้อความเลย:
| บรรทัดผลิตภัณฑ์ | คลังตัวอย่าง | ยอดดาวน์โหลด 30 วัน |
|---|---|---|
| OCR เอกสาร | HunyuanOCR | ราว 615,000 |
| สร้าง 3D | Hunyuan3D-2 / 2.1 / 2mini | ราว 319,000 / 106,000 / 96,000 |
| สร้างวิดีโอ | HunyuanVideo | ราว 28,700 |
| สร้างภาพ | HunyuanImage-3.0-Instruct | ราว 27,400 |
เครื่องมือของแต่ละบรรทัด ไม่ซ้ำกับสายข้อความเลย:
- OCR ใช้ pipeline วิเคราะห์เอกสารเฉพาะ ฝึกจากเลย์เอาต์ของเอกสาร ไม่ใช่จากข้อความเว็บ
- 3D และวิดีโอใช้สแต็ก diffusion ของตัวเอง (3D แยกเป็นสาย mesh กับ texture) ไม่มีอะไรทับซ้อนกับรันไทม์ของโมเดลภาษา
- การสร้างภาพเป็นสถาปัตยกรรม DiT มีรูปแบบ weights วิธี quantize และเฟรมเวิร์กให้บริการต่างจากโมเดลภาษา
อย่ามอง Hunyuan เป็นเครื่องมือชุดเดียว
คำว่า "โมเดล Hunyuan รันด้วย llama.cpp ได้" จริงเฉพาะสายข้อความเท่านั้น สาย 3D และวิดีโอมี dependency ของตัวเอง ซึ่งมักเกี่ยวข้องกับพอยต์คลาวด์ เมช และคอมโพเนนต์การเรนเดอร์ ถ้าเป้าหมายคือสร้าง asset 3D ต้องประเมินงานของบรรทัดนั้นแยกต่างหาก ไม่ใช่นำข้อสรุปจากการ deploy สายข้อความมาใช้
วิธี deploy โมเดลสายข้อความ
| สถานการณ์ | เส้นทางที่แนะนำ |
|---|---|
| GPU อุปกรณ์ผู้บริโภคเดียว | GPTQ-Int4 หรือ AWQ-Int4 ทางการ เสิร์ฟด้วย vLLM |
| เครื่องมีแต่ CPU หรือ Mac | GGUF หรือ MLX จากชุมชน ผ่าน llama.cpp หรือ Ollama |
| บริการ infer ภายในทีม | FP8 ทางการ เก็บ headroom ด้านคุณภาพไว้ |
| งานวิจัย fine-tune | เริ่มจาก weights FP8 หรือ BF16 ทางการ อย่า fine-tune จากไฟล์ 4-bit |
ขั้นตอนรวมไม่เปลี่ยน: ดาวน์โหลดจาก HuggingFace แปลง weights ถ้าจำเป็น โหลดเข้าเฟรมเวิร์ก infer เปิดเป็น endpoint แบบ OpenAI compatible แล้วให้ client เดิมเปลี่ยน base URL
แคตตาล็อกคลาวด์ของ EXAIV คือแหล่งความจริง
ณ เวลาที่เขียนบทความนี้ แคตตาล็อกคลาวด์ของ EXAIV ยังไม่มีตระกูล Hunyuan (โมเดลจีนในบริการคือ Qwen, DeepSeek, Kimi และ GLM) การใช้ Hunyuan จึงต้อง deploy weights ในสภาพแวดล้อมของคุณเอง ทั้ง quantization ทางการและ GGUF จากชุมชนคือเส้นทางที่ใช้ได้จริงในตอนนี้ แคตตาล็อกของเว็บหลักมี ID อย่าง hy3 / hy4 / hy3-preview / hy4-preview ตามรายการเรียลไทม์ และอย่าเอาชื่อ weights บน HuggingFace ไปใช้เป็น API ID
ตารางเลือกใช้งาน
| สถานการณ์ของคุณ | ควรเลือก |
|---|---|
| ผู้ช่วยภาษาจีน deploy ที่ปลายทาง | hy4 (4B) |
| งานปลายทางเบามาก คลาสสิฟายและติดแท็ก | Hunyuan-0.5B-Instruct |
| ต้องการ 4-bit ที่ต้นฉบับดูแล | hy4 (GPTQ-Int4 / AWQ-Int4) |
| เพดานความสามารถสูงสุดแบบ MoE ที่เปิดน้ำหนัก | A13B |
| แปลภาษาหลายภาษา | Hunyuan-MT-7B |
| วิเคราะห์เอกสารและกู้เลย์เอาต์ | HunyuanOCR |
| สร้าง asset 3D | ชุด Hunyuan3D-2 |
| สร้างวิดีโอ | HunyuanVideo |
| สร้างภาพ | HunyuanImage-3.0-Instruct |
FAQ
โมเดลสายข้อความของ Hunyuan อยู่ในองค์ก์ HuggingFace ไหน?
เลือกระหว่าง hy4 กับ A13B อย่างไร?
A13B มี GGUF ทางการไหม?
มีตัวเลขความยาวบริบททางการของ Hunyuan ไหม?
ทำไมโมเดลสายข้อความของ Hunyuan ดาวน์โหลดน้อยกว่า OCR และ 3D?
เรียก Hunyuan ผ่าน API ได้ไหม?
Hunyuan-MT-7B คืออะไร?
อ่านต่อ
- หน้าโมเดล hy4 — สเปก เมทริกซ์ quantization และการคำนวณหน่วยความจำ
- คำอธิบายช่องทาง hy4-preview — ช่องทางบริบท 1M
- Hunyuan hy4 และ A13B สำหรับ local deployment — รายละเอียดการ deploy สองสายหลัก
- คู่มือเลือกโมเดล hy4 — แบ่งงานระหว่าง hy3, hy4, รุ่น preview และ A13B
- hy4 GGUF local deployment — ระดับ quantization และการคำนวณหน่วยความจำ
- Qwen เทียบ Hunyuan — ความแข็งแรงของระบบนิเวศเทียบกับความครบถ้วนของรูปแบบ quantization
- ภาพรวมครอบครัว DeepSeek V4 — ครอบครัวจีนอีกตระกูลที่เปิดน้ำหนักครบ
- ไดเรกทอรีโมเดล — โมเดลที่เรียกใช้ได้บน EXAIV ตอนนี้
แหล่งข้อมูล
ยอดดาวน์โหลดเป็นตัวเลขสาธารณะของ HuggingFace ในช่วง 30 วัน และเปลี่ยนแปลงไปเรื่อย ๆ ตัวเลขในบทความนี้เก็บข้อมูลเมื่อเดือนพฤศจิกายน 2026 สิทธิ์ใช้งานและสเปกตาม model card ทางการที่เป็นปัจจุบัน