|
ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">刚刚腾讯正式推出了推理模型ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(183, 110, 121);">混元-T1！它基于3月初发布的业界首个超大规模 Hybrid-Transformer-Mamba MoE 大模型 TurboS 快思考基座打造！ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">简单来说，基于TurboS的T1就是为了解决大模型推理的痛点而生的：ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;color: rgb(63, 63, 63);" class="list-paddingleft-1">ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;text-indent: -1em;display: block;margin: 0.2em 8px;color: rgb(63, 63, 63);">•ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(183, 110, 121);">长文理解能力： TurboS 能有效捕捉长文本信息，告别“上下文丢失”的尴尬，长距离依赖问题也轻松搞定！ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;text-indent: -1em;display: block;margin: 0.2em 8px;color: rgb(63, 63, 63);">•ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: inherit;color: rgb(183, 110, 121);">Mamba架构加持，速度起飞： Mamba 架构专门优化了长序列处理，计算效率超高！相同条件下，解码速度直接快2倍ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;padding-left: 8px;color: rgb(63, 63, 63);">96.7%算力All in 强化学习ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: 14px;letter-spacing: 0.1em;color: rgb(63, 63, 63);">据腾讯官方公告后训练阶段，96.7%的算力都砸在了强化学习上！目标只有一个：极致提升模型的推理能力！对齐人类偏好！为了练好T1的“脑子?”， 混元团队也是下了血本： 世界级理科难题喂饱： 数学、逻辑推理、科学、代码...各种硬核难题，从基础到复杂，应有尽有！还结合真实反馈，确保模型“真材实料” “课程学习”+“上下文长度阶梯式扩展”： 就像给学生上课一样，难度循序渐进，同时逐步提升模型的“阅读理解”能力，让模型更高效地利用tokens进行推理 经典RL策略加持，训练更稳： 数据回放、阶段性策略重置... 这些经典RL“秘籍”让模型训练稳定性提升50%以上！稳扎稳打，才能步步为营！ Self-rewarding + Reward Model 双管齐下，更懂人类心意： 用早期版本的T1-preview 给模型打分，再结合 reward model 反馈，引导模型自我提升！结果就是：回复内容更丰富，信息更高效！更贴心，更懂你！ ? 性能：对标R1，部分能力还略胜一筹混元-T1 在各种权威benchmark 上，例如 MMLU-pro、CEval、AIME、Zebra Logic 等等，中英文知识和竞赛级数理逻辑推理指标，基本持平甚至略超 DeepSeek R1！ 在内部人工体验集评估中，中文文案创作、文本摘要、Agent 能力等方面，T1 还略有优势！ 实测我用制作赛朋克贪吃蛇游戏来测试了一下T1，表现一般（顺便说一句，制作赛朋克贪吃蛇游戏是我测试所有推理模型比如DeepSeek R1，Grok 3，Claude 3.7，o1,o3 mini,Gemini 2.0 thinking 最常用一个测试题） 测试地址： https://llm.hunyuan.tencent.com/#/chat/hy-t1 大家看看实测效果
这是测试结果：
|
