{"id":465604,"date":"2025-07-01T21:01:26","date_gmt":"2025-07-01T21:01:26","guid":{"rendered":"http:\/\/savepearlharbor.com\/?p=465604"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=465604","title":{"rendered":"<span>\u041f\u043e\u0434\u0432\u0438\u043d\u044c\u0441\u044f, LLaMA! \u041d\u043e\u0432\u0430\u044f open\u2011source LLM \u043e\u0442 Tencent \u2014 Hunyuan\u2011A13B \u2014 \u0443\u0436\u0435 \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u0430 \u0434\u043b\u044f \u0441\u0430\u043c\u043e\u0441\u0442\u043e\u044f\u0442\u0435\u043b\u044c\u043d\u043e\u0433\u043e \u0445\u043e\u0441\u0442\u0438\u043d\u0433\u0430<\/span>"},"content":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<p>Tencent \u0442\u043e\u043b\u044c\u043a\u043e \u0447\u0442\u043e\u00a0\u0432\u044b\u043f\u0443\u0441\u0442\u0438\u043b\u0430 \u043d\u043e\u0432\u0443\u044e open\u2011source \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u043e\u0434\u00a0\u043d\u0430\u0437\u0432\u0430\u043d\u0438\u0435\u043c Hunyuan\u2011A13B\u2011Instruct. \u0412\u0435\u0441\u044b \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u0442\u043a\u0440\u044b\u0442\u044b (\u043d\u0430\u0441\u0447\u0451\u0442 \u043a\u043e\u0434\u0430\u00a0\u2014 \u043f\u043e\u043a\u0430 \u043d\u0435\u044f\u0441\u043d\u043e), \u0438 \u043e\u043d\u0430 \u043c\u043e\u0436\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u043b\u043e\u043a\u0430\u043b\u044c\u043d\u043e (\u0435\u0441\u043b\u0438 \u0443\u00a0\u0432\u0430\u0441 \u0435\u0441\u0442\u044c GPU \u0443\u0440\u043e\u0432\u043d\u044f NVIDIA DGX B200). \u0415\u0441\u043b\u0438 \u0432\u0430\u043c \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e, \u043a\u0430\u043a\u00a0\u043e\u043d\u0430 \u0441\u0435\u0431\u044f \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442, \u0438 \u0432\u044b \u0445\u043e\u0442\u0438\u0442\u0435 \u043f\u043e\u043f\u0440\u043e\u0431\u043e\u0432\u0430\u0442\u044c \u0435\u0451 \u0432\u00a0\u0434\u0435\u043b\u0435\u00a0\u2014 \u043d\u0438\u0436\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438, \u043a\u0430\u043a\u00a0\u043c\u043e\u0436\u043d\u043e \u0435\u0451\u00a0\u0431\u044b\u0441\u0442\u0440\u043e \u0440\u0430\u0437\u0432\u0435\u0440\u043d\u0443\u0442\u044c \u043d\u0430\u00a0\u0430\u0440\u0435\u043d\u0434\u043e\u0432\u0430\u043d\u043d\u043e\u0439 \u0432\u0438\u0434\u0435\u043e\u043a\u0430\u0440\u0442\u0435 \u0437\u0430\u00a0\u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043c\u0438\u043d\u0443\u0442.<\/p>\n<p><em>\ud83d\udcce\u041f\u0435\u0440\u0435\u0432\u043e\u0434, \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u0430\u044f \u043d\u043e\u0432\u043e\u0441\u0442\u044c <\/em><a href=\"https:\/\/sliplane.io\/blog\/move-over-llama-tencent-open-llm-self-host\" rel=\"noopener noreferrer nofollow\"><em>\u0437\u0434\u0435\u0441\u044c<\/em><\/a><em>.<\/em><\/p>\n<h2>\u0427\u0442\u043e \u0442\u0430\u043a\u043e\u0435 Hunyuan\u2011A13B?<\/h2>\n<p>Hunyuan\u2011A13B\u2011Instruct \u044d\u0442\u043e \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u00a0\u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043e\u0439 MoE (Mixture\u2011of\u2011Experts) \u0441\u00a0\u0441\u0443\u043c\u043c\u0430\u0440\u043d\u043e 80\u00a0\u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u0430\u043c\u0438 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u0438\u0437\u00a0\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043f\u0440\u0438\u00a0\u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0435 \u0430\u043a\u0442\u0438\u0432\u043d\u044b\u00a0\u043b\u0438\u0448\u044c 13\u00a0\u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u043e\u0432. \u042d\u0442\u043e \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0441\u043d\u0438\u0437\u0438\u0442\u044c \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u0437\u0430\u0442\u0440\u0430\u0442\u044b \u043f\u043e \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044e \u0441 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u043c\u0438 (\u043f\u043b\u043e\u0442\u043d\u044b\u043c\u0438) LLM.<\/p>\n<blockquote>\n<p>Mixture\u2011of\u2011Experts (MoE)\u00a0\u2014  \u044d\u0442\u043e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430, \u0432 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u043f\u0440\u0438 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0435 \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0432\u0445\u043e\u0434\u0430 \u0430\u043a\u0442\u0438\u0432\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u043b\u0438\u0448\u044c \u043f\u043e\u0434\u043c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u043e \u00ab\u044d\u043a\u0441\u043f\u0435\u0440\u0442\u043d\u044b\u0445\u00bb \u043f\u043e\u0434\u0441\u0435\u0442\u0435\u0439. \u042d\u0442\u043e \u0443\u043c\u0435\u043d\u044c\u0448\u0430\u0435\u0442 \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0443 \u043d\u0430 \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u0440\u0435\u0441\u0443\u0440\u0441\u044b, \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u044f \u043c\u0430\u0441\u0448\u0442\u0430\u0431 \u043c\u043e\u0434\u0435\u043b\u0438. \u0421\u043f\u0435\u0446\u0438\u0430\u043b\u044c\u043d\u044b\u0439 gating-\u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u0442 \u043d\u0443\u0436\u043d\u044b\u0445 \u00ab\u044d\u043a\u0441\u043f\u0435\u0440\u0442\u043e\u0432\u00bb \u0434\u0438\u043d\u0430\u043c\u0438\u0447\u0435\u0441\u043a\u0438, \u0432 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u043e\u0442 \u0432\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n<\/blockquote>\n<p>\u0412\u043e\u0442 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043a\u043b\u044e\u0447\u0435\u0432\u044b\u0435 \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e\u0441\u0442\u0438:<\/p>\n<ul>\n<li>\n<p>\u041f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0430 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 \u0434\u043e 256\u00a0\u0442\u044b\u0441. \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u00ab\u0438\u0437 \u043a\u043e\u0440\u043e\u0431\u043a\u0438\u00bb.<\/p>\n<\/li>\n<li>\n<p>\u0420\u0435\u0436\u0438\u043c\u044b\u00a0\u0431\u044b\u0441\u0442\u0440\u043e\u0433\u043e \u0438 \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u043e\u0433\u043e \u043c\u044b\u0448\u043b\u0435\u043d\u0438\u044f.<\/p>\n<\/li>\n<li>\n<p>Grouped Query Attention (GQA) \u0434\u043b\u044f\u00a0\u0431\u043e\u043b\u0435\u0435 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0433\u043e \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430.<\/p>\n<\/li>\n<li>\n<p>\u0422\u043e\u043d\u043a\u0430\u044f \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \u043f\u043e\u0434\u00a0\u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0435 \u0437\u0430\u0434\u0430\u0447\u0438, \u0441\u00a0\u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0430\u043c\u0438 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u043e\u0432 \u043d\u0430\u00a0BFCL\u2011v3\u00a0\u0438 \u03c4\u2011Bench.<\/p>\n<\/li>\n<li>\n<p>\u041f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0430 \u043a\u0432\u0430\u043d\u0442\u043e\u0432\u0430\u043d\u0438\u044f, \u0432\u043a\u043b\u044e\u0447\u0430\u044f GPTQ.<\/p>\n<\/li>\n<\/ul>\n<p>\u041c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043a\u0430\u043a \u0441\u0435\u0440\u044c\u0451\u0437\u043d\u044b\u0439 \u043a\u0430\u043d\u0434\u0438\u0434\u0430\u0442 \u0434\u043b\u044f \u043b\u043e\u043a\u0430\u043b\u044c\u043d\u044b\u0445 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u2014 \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u0432 \u0437\u0430\u0434\u0430\u0447\u0430\u0445 \u0441 \u0434\u043b\u0438\u043d\u043d\u044b\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043e\u043c \u0438 \u0438\u043d\u0442\u0435\u043b\u043b\u0435\u043a\u0442\u0443\u0430\u043b\u044c\u043d\u044b\u043c\u0438 \u0430\u0433\u0435\u043d\u0442\u0430\u043c\u0438.<\/p>\n<hr\/>\n<h2>\u0428\u0430\u0433 1: \u0417\u0430\u043f\u0443\u0441\u043a \u0438\u043d\u0441\u0442\u0430\u043d\u0441\u0430 \u043d\u0430 RunPod<\/h2>\n<p>\u0421\u0430\u043c\u044b\u0439 \u043f\u0440\u043e\u0441\u0442\u043e\u0439 \u0441\u043f\u043e\u0441\u043e\u0431 \u043f\u043e\u043f\u0440\u043e\u0431\u043e\u0432\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u0432 \u0434\u0435\u043b\u0435 \u2014 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c <a href=\"https:\/\/runpod.io\/?ref=36oe9u9g\" rel=\"noopener noreferrer nofollow\">RunPod<\/a> (\u043f\u043e \u044d\u0442\u043e\u0439 \u0440\u0435\u0444\u0435\u0440\u0430\u043b\u044c\u043d\u043e\u0439 \u043c\u043e\u0436\u043d\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u043c\u0435\u0436\u0434\u0443 5$ \u0438 500$ \u0432 \u043a\u0440\u0435\u0434\u0438\u0442\u0430\u0445).<\/p>\n<p>\u0414\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u043d\u0430\u043c \u043f\u043e\u043d\u0430\u0434\u043e\u0431\u0438\u0442\u0441\u044f:<\/p>\n<ul>\n<li>\n<p>\u0421\u0435\u0442\u0435\u0432\u043e\u0439 \u0440\u0430\u0437\u0434\u0435\u043b \u043e\u0431\u044a\u0451\u043c\u043e\u043c 300\u202f\u0413\u0411<\/p>\n<\/li>\n<li>\n<p>GPU B200 (\u043c\u0435\u043d\u0435\u0435 \u043c\u043e\u0449\u043d\u044b\u0435, \u0441\u043a\u043e\u0440\u0435\u0435 \u0432\u0441\u0435\u0433\u043e, \u043d\u0435 \u043f\u043e\u0434\u043e\u0439\u0434\u0443\u0442 \u2014 \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u043e\u043a\u043e\u043b\u043e 150\u202f\u0413\u0411 VRAM)<\/p>\n<\/li>\n<li>\n<p>\u041e\u0431\u0440\u0430\u0437 \u0441 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u043e\u0439 PyTorch<\/p>\n<\/li>\n<\/ul>\n<h3>\u0421\u043e\u0437\u0434\u0430\u043d\u0438\u0435 \u0441\u0435\u0442\u0435\u0432\u043e\u0433\u043e \u0440\u0430\u0437\u0434\u0435\u043b\u0430:<\/h3>\n<ul>\n<li>\n<p>\u0420\u0435\u0433\u0438\u043e\u043d: \u0432\u044b\u0431\u0435\u0440\u0438\u0442\u0435 \u0442\u043e\u0442, \u0433\u0434\u0435 \u0434\u043e\u0441\u0442\u0443\u043f\u0435\u043d B200 (\u043d\u0430 \u043c\u043e\u043c\u0435\u043d\u0442 \u043d\u0430\u043f\u0438\u0441\u0430\u043d\u0438\u044f \u2014 <code>EU-RO-1<\/code>)<\/p>\n<\/li>\n<li>\n<p>\u0420\u0430\u0437\u043c\u0435\u0440: 300\u202f\u0413\u0411<\/p>\n<\/li>\n<li>\n<p>\u0421\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c: \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e $21\/\u043c\u0435\u0441 (\u043e\u043f\u043b\u0430\u0442\u0430 \u0438\u0434\u0451\u0442 \u0434\u0430\u0436\u0435 \u043f\u0440\u0438 \u043f\u0440\u043e\u0441\u0442\u043e\u0435)<\/p>\n<\/li>\n<\/ul>\n<figure class=\"full-width\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/402\/2fe\/54d\/4022fe54d6fd1f53e518c97ce5d452f9.png\" width=\"2116\" height=\"1436\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/402\/2fe\/54d\/4022fe54d6fd1f53e518c97ce5d452f9.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/402\/2fe\/54d\/4022fe54d6fd1f53e518c97ce5d452f9.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<h4>\u0421\u043e\u0437\u0434\u0430\u043d\u0438\u0435 \u043f\u043e\u0434\u0430<\/h4>\n<ul>\n<li>\n<p>\u0422\u0438\u043f GPU: B200<\/p>\n<\/li>\n<li>\n<p>\u041e\u0431\u0440\u0430\u0437:<br \/> <code>runpod\/pytorch:2.8.0-py3.11-cuda12.8.1-cudnn-devel-ubuntu22.04<\/code><br \/> \u26a0\ufe0f <em>\u0411\u043e\u043b\u0435\u0435 \u0440\u0430\u043d\u043d\u0438\u0435 \u0432\u0435\u0440\u0441\u0438\u0438 \u043c\u043e\u0433\u0443\u0442 \u043d\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c<\/em><\/p>\n<\/li>\n<li>\n<p>\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e GPU: 1<\/p>\n<\/li>\n<li>\n<p>\u0412\u043a\u043b\u044e\u0447\u0430\u0435\u043c: SSH \u0438 Jupyter<\/p>\n<\/li>\n<li>\n<p>\u041f\u043e\u0434\u043a\u043b\u044e\u0447\u0430\u0435\u043c: \u0441\u0435\u0442\u0435\u0432\u043e\u0439 \u0440\u0430\u0437\u0434\u0435\u043b (\u0442\u043e\u0442, \u0447\u0442\u043e \u0441\u043e\u0437\u0434\u0430\u043b\u0438 \u0440\u0430\u043d\u0435\u0435)<\/p>\n<\/li>\n<\/ul>\n<figure class=\"full-width\"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/dbc\/971\/6d9\/dbc9716d9659c6695ccec541919f6952.png\" width=\"2540\" height=\"1716\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/dbc\/971\/6d9\/dbc9716d9659c6695ccec541919f6952.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/dbc\/971\/6d9\/dbc9716d9659c6695ccec541919f6952.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<h2>\u0428\u0430\u0433 2: \u0423\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0430 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0435\u0439<\/h2>\n<p> \u041e\u0442\u043a\u0440\u044b\u0432\u0430\u0435\u043c \u0442\u0435\u0440\u043c\u0438\u043d\u0430\u043b \u0438 \u0432\u0432\u043e\u0434\u0438\u043c:<\/p>\n<p><code>%pip install transformers tiktoken accelerate gptqmodel optimum<\/code><\/p>\n<h2>\u0428\u0430\u0433 3: \u0417\u0430\u0433\u0440\u0443\u0436\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c<\/h2>\n<p>\u0427\u0442\u043e\u0431\u044b \u0437\u0430\u0433\u0440\u0443\u0437\u043a\u0438 \u043d\u0435 \u0448\u043b\u0438 \u0432 \u043a\u043e\u0440\u043d\u0435\u0432\u0443\u044e \u0434\u0438\u0440\u0435\u043a\u0442\u043e\u0440\u0438\u044e, \u0443\u043a\u0430\u0436\u0435\u043c \u043f\u0443\u0442\u044c \u043a \u043a\u044d\u0448\u0443 \u043d\u0430 \u0441\u0435\u0442\u0435\u0432\u043e\u043c \u0440\u0430\u0437\u0434\u0435\u043b\u0435:<\/p>\n<pre><code>from transformers import AutoTokenizer, AutoModelForCausalLM import torch import os import re  os.environ['HF_HOME'] = '\/workspace\/hf-cache' # model_path = 'tencent\/Hunyuan-A13B-Instruct'  tokenizer = AutoTokenizer.from_pretrained(model_path, local_files_only=False, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained(model_path, cache_dir='\/workspace\/hf-cache\/', local_files_only=False, device_map=\"auto\", torch_dtype=torch.bfloat16, trust_remote_code=True)  messages = [   {   \"role\": \"user\",   \"content\": \"What does the frog say?\"   }, ]  tokenized_chat = tokenizer.apply_chat_template(messages, tokenize=True, return_tensors=\"pt\",                                                   enable_thinking=True # Toggle thinking mode (default: True)                                               )  outputs = model.generate(tokenized_chat.to(model.device), max_new_tokens=5000) output_text = tokenizer.decode(outputs[0]) print(output_text)<\/code><\/pre>\n<h2>\u0417\u0430\u043c\u0435\u0442\u043a\u0438:<\/h2>\n<ul>\n<li>\n<p>\u041f\u0440\u0438 \u043f\u0435\u0440\u0432\u043e\u043c \u0437\u0430\u043f\u0443\u0441\u043a\u0435 \u0441\u043a\u0430\u0447\u0430\u0435\u0442\u0441\u044f \u043e\u043a\u043e\u043b\u043e 150\u202f\u0413\u0411 \u0432\u0435\u0441\u043e\u0432 \u043c\u043e\u0434\u0435\u043b\u0438<\/p>\n<\/li>\n<li>\n<p>\u0412\u043e \u0432\u0440\u0435\u043c\u044f \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e 153\u202f\u0413\u0411 \u0432\u0438\u0434\u0435\u043e\u043f\u0430\u043c\u044f\u0442\u0438 (VRAM)<\/p>\n<\/li>\n<li>\n<p>\u0417\u0430\u0433\u0440\u0443\u0437\u043a\u0430 \u043c\u043e\u0434\u0435\u043b\u0438 \u0432 \u0432\u0438\u0434\u0435\u043e\u043f\u0430\u043c\u044f\u0442\u044c \u043c\u043e\u0436\u0435\u0442 \u0437\u0430\u043d\u044f\u0442\u044c \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043c\u0438\u043d\u0443\u0442<\/p>\n<\/li>\n<li>\n<p>\u0415\u0441\u043b\u0438 \u0437\u0430\u0433\u0440\u0443\u0437\u043a\u0430 GPU (\u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e VRAM) \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u2014 \u0437\u043d\u0430\u0447\u0438\u0442, \u043c\u043e\u0434\u0435\u043b\u044c \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442<\/p>\n<\/li>\n<li>\n<p>\u0415\u0441\u043b\u0438 \u043f\u0440\u043e\u0441\u0442\u043e \u0445\u043e\u0442\u0438\u043c \u043f\u043e\u043f\u0440\u043e\u0431\u043e\u0432\u0430\u0442\u044c \u043d\u0430 CPU, \u043c\u043e\u0436\u043d\u043e \u0443\u043a\u0430\u0437\u0430\u0442\u044c <code>device_map=\"cpu\"<\/code><br \/>\u0412 \u044d\u0442\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u0441\u0442\u043e\u0438\u0442 \u0443\u0431\u0435\u0434\u0438\u0442\u044c\u0441\u044f, \u0447\u0442\u043e \u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c \u043e\u043a\u043e\u043b\u043e 200\u202f\u0413\u0411 \u043e\u043f\u0435\u0440\u0430\u0442\u0438\u0432\u043d\u043e\u0439 \u043f\u0430\u043c\u044f\u0442\u0438 \u0438 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043c\u043e\u0449\u043d\u044b\u0439 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u043e\u0440.<\/p>\n<\/li>\n<\/ul>\n<h2>\u0421\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c<\/h2>\n<ul>\n<li>\n<p>B200-\u043f\u043e\u0434 \u2014 6,39 $\/\u0447\u0430\u0441<\/p>\n<\/li>\n<li>\n<p>\u0421\u0435\u0442\u0435\u0432\u043e\u0439 \u0440\u0430\u0437\u0434\u0435\u043b \u2014 21 $\/\u043c\u0435\u0441\u044f\u0446, \u0434\u0430\u0436\u0435 \u043a\u043e\u0433\u0434\u0430 \u043c\u044b \u0435\u0433\u043e \u043d\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c<\/p>\n<\/li>\n<li>\n<p>\u0421\u043e\u0432\u0435\u0442: \u0432\u044b\u043a\u043b\u044e\u0447\u0430\u0435\u043c \u043f\u043e\u0434, \u043a\u043e\u0433\u0434\u0430 \u043d\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u043c \u0441 \u043c\u043e\u0434\u0435\u043b\u044c\u044e \ud83d\ude09<\/p>\n<\/li>\n<\/ul>\n<h2>\u0417\u0430\u043c\u0435\u0442\u043a\u0438 \u043f\u043e \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u0430\u043c<\/h2>\n<ul>\n<li>\n<p>\u041f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0438 llama.cpp \u043f\u043e\u043a\u0430 \u043d\u0435\u0442 \u2014 PR #14425 \u0435\u0449\u0451 \u0432 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0435<\/p>\n<\/li>\n<li>\n<p>\u0412 Python \u0441 <code>transformers<\/code> \u0438 <code>bfloat16<\/code> \u0432\u0441\u0451 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0431\u0435\u0437 \u043f\u0440\u043e\u0431\u043b\u0435\u043c<\/p>\n<\/li>\n<\/ul>\n<h2>\u0411\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0438<\/h2>\n<p>\u041e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u044b\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u0440\u0430\u0437\u043c\u0435\u0449\u0435\u043d\u044b \u043d\u0430 Hugging Face \u0438 \u043f\u043e\u0441\u0447\u0438\u0442\u0430\u043d\u044b \u0431\u044d\u043a\u0435\u043d\u0434\u043e\u043c TRT-LLM (\u0431\u043e\u043b\u044c\u0448\u0435 &#8212; \u043b\u0443\u0447\u0448\u0435):<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">Model <\/p>\n<\/th>\n<th>\n<p align=\"left\">Hunyuan-Large<\/p>\n<\/th>\n<th>\n<p align=\"left\">Qwen2.5-72B<\/p>\n<\/th>\n<th>\n<p align=\"left\">Qwen3-A22B<\/p>\n<\/th>\n<th>\n<p align=\"left\">Hunyuan-A13B<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">MMLU<\/p>\n<\/td>\n<td>\n<p align=\"left\">88.40<\/p>\n<\/td>\n<td>\n<p align=\"left\">86.10<\/p>\n<\/td>\n<td>\n<p align=\"left\">87.81<\/p>\n<\/td>\n<td>\n<p align=\"left\">88.17<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">MMLU-Pro<\/p>\n<\/td>\n<td>\n<p align=\"left\">60.20<\/p>\n<\/td>\n<td>\n<p align=\"left\">58.10<\/p>\n<\/td>\n<td>\n<p align=\"left\">68.18<\/p>\n<\/td>\n<td>\n<p align=\"left\">67.23<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">MMLU-Redux<\/p>\n<\/td>\n<td>\n<p align=\"left\">87.47<\/p>\n<\/td>\n<td>\n<p align=\"left\">83.90<\/p>\n<\/td>\n<td>\n<p align=\"left\">87.40<\/p>\n<\/td>\n<td>\n<p align=\"left\">87.67<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">BBH<\/p>\n<\/td>\n<td>\n<p align=\"left\">86.30<\/p>\n<\/td>\n<td>\n<p align=\"left\">85.80<\/p>\n<\/td>\n<td>\n<p align=\"left\">88.87<\/p>\n<\/td>\n<td>\n<p align=\"left\">87.56<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">SuperGPQA<\/p>\n<\/td>\n<td>\n<p align=\"left\">38.90<\/p>\n<\/td>\n<td>\n<p align=\"left\">36.20<\/p>\n<\/td>\n<td>\n<p align=\"left\">44.06<\/p>\n<\/td>\n<td>\n<p align=\"left\">41.32<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">EvalPlus<\/p>\n<\/td>\n<td>\n<p align=\"left\">75.69<\/p>\n<\/td>\n<td>\n<p align=\"left\">65.93<\/p>\n<\/td>\n<td>\n<p align=\"left\">77.60<\/p>\n<\/td>\n<td>\n<p align=\"left\">78.64<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">MultiPL-E<\/p>\n<\/td>\n<td>\n<p align=\"left\">59.13<\/p>\n<\/td>\n<td>\n<p align=\"left\">60.50<\/p>\n<\/td>\n<td>\n<p align=\"left\">65.94<\/p>\n<\/td>\n<td>\n<p align=\"left\">69.33<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">MBPP<\/p>\n<\/td>\n<td>\n<p align=\"left\">72.60<\/p>\n<\/td>\n<td>\n<p align=\"left\">76.00<\/p>\n<\/td>\n<td>\n<p align=\"left\">81.40<\/p>\n<\/td>\n<td>\n<p align=\"left\">83.86<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">CRUX-I<\/p>\n<\/td>\n<td>\n<p align=\"left\">57.00<\/p>\n<\/td>\n<td>\n<p align=\"left\">57.63<\/p>\n<\/td>\n<td>\n<p align=\"left\">&#8212;<\/p>\n<\/td>\n<td>\n<p align=\"left\">70.13<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">CRUX-O<\/p>\n<\/td>\n<td>\n<p align=\"left\">60.63<\/p>\n<\/td>\n<td>\n<p align=\"left\">66.20<\/p>\n<\/td>\n<td>\n<p align=\"left\">79.00<\/p>\n<\/td>\n<td>\n<p align=\"left\">77.00<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">MATH<\/p>\n<\/td>\n<td>\n<p align=\"left\">69.80<\/p>\n<\/td>\n<td>\n<p align=\"left\">62.12<\/p>\n<\/td>\n<td>\n<p align=\"left\">71.84<\/p>\n<\/td>\n<td>\n<p align=\"left\">72.35<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">CMATH<\/p>\n<\/td>\n<td>\n<p align=\"left\">91.30<\/p>\n<\/td>\n<td>\n<p align=\"left\">84.80<\/p>\n<\/td>\n<td>\n<p align=\"left\">&#8212;<\/p>\n<\/td>\n<td>\n<p align=\"left\">91.17<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">GSM8k<\/p>\n<\/td>\n<td>\n<p align=\"left\">92.80<\/p>\n<\/td>\n<td>\n<p align=\"left\">91.50<\/p>\n<\/td>\n<td>\n<p align=\"left\">94.39<\/p>\n<\/td>\n<td>\n<p align=\"left\">91.83<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">GPQA<\/p>\n<\/td>\n<td>\n<p align=\"left\">25.18<\/p>\n<\/td>\n<td>\n<p align=\"left\">45.90<\/p>\n<\/td>\n<td>\n<p align=\"left\">47.47<\/p>\n<\/td>\n<td>\n<p align=\"left\">49.12<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<blockquote>\n<p>Hunyuan-A13B-Instruct \u0434\u0435\u043c\u043e\u043d\u0441\u0442\u0440\u0438\u0440\u0443\u0435\u0442 \u0432\u043f\u0435\u0447\u0430\u0442\u043b\u044f\u044e\u0449\u0435 \u043a\u043e\u043d\u043a\u0443\u0440\u0435\u043d\u0442\u043e\u0441\u043f\u043e\u0441\u043e\u0431\u043d\u044b\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u043d\u0430 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430\u0445 \u2014 \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u044f\u0445 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0438, \u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0445 \u043d\u0430\u0443\u043a, \u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447 \u0438 \u0434\u0440\u0443\u0433\u0438\u0445.<\/p>\n<p>\u041c\u044b \u0441\u0440\u0430\u0432\u043d\u0438\u043b\u0438 \u0435\u0451 \u0441 \u0440\u044f\u0434\u043e\u043c \u043c\u043e\u0449\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u2014 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u044b \u043d\u0438\u0436\u0435.<br \/> <em>\u2014 Tencent<\/em><\/p>\n<\/blockquote>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th data-colwidth=\"117\" width=\"117\">\n<p align=\"left\">Topic<\/p>\n<\/th>\n<th data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">Bench<\/p>\n<\/th>\n<th>\n<p align=\"left\">OpenAI-o1-1217<\/p>\n<\/th>\n<th>\n<p align=\"left\">DeepSeek R1<\/p>\n<\/th>\n<th>\n<p align=\"left\">Qwen3-A22B<\/p>\n<\/th>\n<th>\n<p align=\"left\">Hunyuan-A13B-Instruct<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>Mathematics<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">AIME 2024<br \/>AIME 2025<br \/>MATH<\/p>\n<\/td>\n<td>\n<p align=\"left\">74.3<br \/>79.2<br \/>96.4<\/p>\n<\/td>\n<td>\n<p align=\"left\">79.8<br \/>70<br \/>94.9<\/p>\n<\/td>\n<td>\n<p align=\"left\">85.7<br \/>81.5<br \/>94.0<\/p>\n<\/td>\n<td>\n<p align=\"left\">87.3<br \/>76.8<br \/>94.3<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>Science<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">GPQA-Diamond<br \/>OlympiadBench<\/p>\n<\/td>\n<td>\n<p align=\"left\">78<br \/>83.1<\/p>\n<\/td>\n<td>\n<p align=\"left\">71.5<br \/>82.4<\/p>\n<\/td>\n<td>\n<p align=\"left\">71.1<br \/>85.7<\/p>\n<\/td>\n<td>\n<p align=\"left\">71.2<br \/>82.7<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>Coding<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">Livecodebench<br \/>Fullstackbench<br \/>ArtifactsBench<\/p>\n<\/td>\n<td>\n<p align=\"left\">63.9<br \/>64.6<br \/>38.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">65.9<br \/>71.6<br \/>44.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">70.7<br \/>65.6<br \/>44.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">63.9<br \/>67.8<br \/>43<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>Reasoning<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">BBH<br \/>DROP<br \/>ZebraLogic<\/p>\n<\/td>\n<td>\n<p align=\"left\">80.4<br \/>90.2<br \/>81<\/p>\n<\/td>\n<td>\n<p align=\"left\">83.7<br \/>92.2<br \/>78.7<\/p>\n<\/td>\n<td>\n<p align=\"left\">88.9<br \/>90.3<br \/>80.3<\/p>\n<\/td>\n<td>\n<p align=\"left\">89.1<br \/>91.1<br \/>84.7<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>InstructionFollowing<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">IF-Eval<br \/>SysBench<\/p>\n<\/td>\n<td>\n<p align=\"left\">91.8<br \/>82.5<\/p>\n<\/td>\n<td>\n<p align=\"left\">88.3<br \/>77.7<\/p>\n<\/td>\n<td>\n<p align=\"left\">83.4<br \/>74.2<\/p>\n<\/td>\n<td>\n<p align=\"left\">84.7<br \/>76.1<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>TextCreation<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">LengthCtrl<br \/>InsCtrl<\/p>\n<\/td>\n<td>\n<p align=\"left\">60.1<br \/>74.8<\/p>\n<\/td>\n<td>\n<p align=\"left\">55.9<br \/>69<\/p>\n<\/td>\n<td>\n<p align=\"left\">53.3<br \/>73.7<\/p>\n<\/td>\n<td>\n<p align=\"left\">55.4<br \/>71.9<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>NLU<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">ComplexNLU<br \/>Word-Task<\/p>\n<\/td>\n<td>\n<p align=\"left\">64.7<br \/>67.1<\/p>\n<\/td>\n<td>\n<p align=\"left\">64.5<br \/>76.3<\/p>\n<\/td>\n<td>\n<p align=\"left\">59.8<br \/>56.4<\/p>\n<\/td>\n<td>\n<p align=\"left\">61.2<br \/>62.9<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>Agent<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">BDCL v3<br \/>\u03c4-Bench<br \/>ComplexFuncBench<br \/>C3-Bench<\/p>\n<\/td>\n<td>\n<p align=\"left\">67.8<br \/>60.4<br \/>47.6<br \/>58.8<\/p>\n<\/td>\n<td>\n<p align=\"left\">56.9<br \/>43.8<br \/>41.1<br \/>55.3<\/p>\n<\/td>\n<td>\n<p align=\"left\">70.8<br \/>44.6<br \/>40.6<br \/>51.7<\/p>\n<\/td>\n<td>\n<p align=\"left\">78.3<br \/>54.7<br \/>61.2<br \/>63.5<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<h4>\u0417\u0430\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435<\/h4>\n<p>\u042d\u0442\u043e \u043e\u0434\u043d\u0430 \u0438\u0437 \u0441\u0430\u043c\u044b\u0445 \u043b\u044e\u0431\u043e\u043f\u044b\u0442\u043d\u044b\u0445 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0445 MoE\u2011\u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043d\u0430 \u0441\u0435\u0433\u043e\u0434\u043d\u044f\u0448\u043d\u0438\u0439 \u0434\u0435\u043d\u044c. \u041e\u043d\u0430 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0435\u0442 \u0434\u043b\u0438\u043d\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442, \u0440\u0435\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043d\u0430 \u0441 \u0440\u044f\u0434\u043e\u043c \u043f\u0440\u043e\u0434\u0443\u043c\u0430\u043d\u043d\u044b\u0445 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0445 \u0440\u0435\u0448\u0435\u043d\u0438\u0439 \u0438 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043f\u0440\u043e\u0441\u0442\u0430 \u0432 \u0437\u0430\u043f\u0443\u0441\u043a\u0435.<\/p>\n<p>\u0415\u0441\u043b\u0438 \u0445\u043e\u0442\u0438\u0442\u0435 \u043f\u043e\u043f\u0440\u043e\u0431\u043e\u0432\u0430\u0442\u044c \u0435\u0451 \u0441\u0430\u043c\u043e\u0441\u0442\u043e\u044f\u0442\u0435\u043b\u044c\u043d\u043e, \u043f\u0440\u0438\u0432\u0435\u0434\u0451\u043d\u043d\u0430\u044f \u0432\u044b\u0448\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u044f \u043f\u043e\u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0441\u0442\u0440\u043e \u043d\u0430\u0447\u0430\u0442\u044c \u0440\u0430\u0431\u043e\u0442\u0443.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<p><!----><!----><\/div>\n<p><!----><!----><br \/> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/924002\/\"> https:\/\/habr.com\/ru\/articles\/924002\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<div><!--[--><!--]--><\/div>\n<div id=\"post-content-body\">\n<div>\n<div class=\"article-formatted-body article-formatted-body article-formatted-body_version-2\">\n<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<p>Tencent \u0442\u043e\u043b\u044c\u043a\u043e \u0447\u0442\u043e\u00a0\u0432\u044b\u043f\u0443\u0441\u0442\u0438\u043b\u0430 \u043d\u043e\u0432\u0443\u044e open\u2011source \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u043e\u0434\u00a0\u043d\u0430\u0437\u0432\u0430\u043d\u0438\u0435\u043c Hunyuan\u2011A13B\u2011Instruct. \u0412\u0435\u0441\u044b \u043c\u043e\u0434\u0435\u043b\u0438 \u043e\u0442\u043a\u0440\u044b\u0442\u044b (\u043d\u0430\u0441\u0447\u0451\u0442 \u043a\u043e\u0434\u0430\u00a0\u2014 \u043f\u043e\u043a\u0430 \u043d\u0435\u044f\u0441\u043d\u043e), \u0438 \u043e\u043d\u0430 \u043c\u043e\u0436\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c \u043b\u043e\u043a\u0430\u043b\u044c\u043d\u043e (\u0435\u0441\u043b\u0438 \u0443\u00a0\u0432\u0430\u0441 \u0435\u0441\u0442\u044c GPU \u0443\u0440\u043e\u0432\u043d\u044f NVIDIA DGX B200). \u0415\u0441\u043b\u0438 \u0432\u0430\u043c \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e, \u043a\u0430\u043a\u00a0\u043e\u043d\u0430 \u0441\u0435\u0431\u044f \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442, \u0438 \u0432\u044b \u0445\u043e\u0442\u0438\u0442\u0435 \u043f\u043e\u043f\u0440\u043e\u0431\u043e\u0432\u0430\u0442\u044c \u0435\u0451 \u0432\u00a0\u0434\u0435\u043b\u0435\u00a0\u2014 \u043d\u0438\u0436\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u0438, \u043a\u0430\u043a\u00a0\u043c\u043e\u0436\u043d\u043e \u0435\u0451\u00a0\u0431\u044b\u0441\u0442\u0440\u043e \u0440\u0430\u0437\u0432\u0435\u0440\u043d\u0443\u0442\u044c \u043d\u0430\u00a0\u0430\u0440\u0435\u043d\u0434\u043e\u0432\u0430\u043d\u043d\u043e\u0439 \u0432\u0438\u0434\u0435\u043e\u043a\u0430\u0440\u0442\u0435 \u0437\u0430\u00a0\u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043c\u0438\u043d\u0443\u0442.<\/p>\n<p><em>\ud83d\udcce\u041f\u0435\u0440\u0435\u0432\u043e\u0434, \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u0430\u044f \u043d\u043e\u0432\u043e\u0441\u0442\u044c <\/em><a href=\"https:\/\/sliplane.io\/blog\/move-over-llama-tencent-open-llm-self-host\" rel=\"noopener noreferrer nofollow\"><em>\u0437\u0434\u0435\u0441\u044c<\/em><\/a><em>.<\/em><\/p>\n<h2>\u0427\u0442\u043e \u0442\u0430\u043a\u043e\u0435 Hunyuan\u2011A13B?<\/h2>\n<p>Hunyuan\u2011A13B\u2011Instruct \u044d\u0442\u043e \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u00a0\u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043e\u0439 MoE (Mixture\u2011of\u2011Experts) \u0441\u00a0\u0441\u0443\u043c\u043c\u0430\u0440\u043d\u043e 80\u00a0\u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u0430\u043c\u0438 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432, \u0438\u0437\u00a0\u043a\u043e\u0442\u043e\u0440\u044b\u0445 \u043f\u0440\u0438\u00a0\u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0435 \u0430\u043a\u0442\u0438\u0432\u043d\u044b\u00a0\u043b\u0438\u0448\u044c 13\u00a0\u043c\u0438\u043b\u043b\u0438\u0430\u0440\u0434\u043e\u0432. \u042d\u0442\u043e \u043f\u043e\u0437\u0432\u043e\u043b\u044f\u0435\u0442 \u0437\u043d\u0430\u0447\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0441\u043d\u0438\u0437\u0438\u0442\u044c \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u0437\u0430\u0442\u0440\u0430\u0442\u044b \u043f\u043e \u0441\u0440\u0430\u0432\u043d\u0435\u043d\u0438\u044e \u0441 \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0438\u043c\u0438 (\u043f\u043b\u043e\u0442\u043d\u044b\u043c\u0438) LLM.<\/p>\n<blockquote>\n<p>Mixture\u2011of\u2011Experts (MoE)\u00a0\u2014  \u044d\u0442\u043e \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430, \u0432 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u043f\u0440\u0438 \u043e\u0431\u0440\u0430\u0431\u043e\u0442\u043a\u0435 \u043a\u0430\u0436\u0434\u043e\u0433\u043e \u0432\u0445\u043e\u0434\u0430 \u0430\u043a\u0442\u0438\u0432\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u043b\u0438\u0448\u044c \u043f\u043e\u0434\u043c\u043d\u043e\u0436\u0435\u0441\u0442\u0432\u043e \u00ab\u044d\u043a\u0441\u043f\u0435\u0440\u0442\u043d\u044b\u0445\u00bb \u043f\u043e\u0434\u0441\u0435\u0442\u0435\u0439. \u042d\u0442\u043e \u0443\u043c\u0435\u043d\u044c\u0448\u0430\u0435\u0442 \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0443 \u043d\u0430 \u0432\u044b\u0447\u0438\u0441\u043b\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0435 \u0440\u0435\u0441\u0443\u0440\u0441\u044b, \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u044f \u043c\u0430\u0441\u0448\u0442\u0430\u0431 \u043c\u043e\u0434\u0435\u043b\u0438. \u0421\u043f\u0435\u0446\u0438\u0430\u043b\u044c\u043d\u044b\u0439 gating-\u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c \u0432\u044b\u0431\u0438\u0440\u0430\u0435\u0442 \u043d\u0443\u0436\u043d\u044b\u0445 \u00ab\u044d\u043a\u0441\u043f\u0435\u0440\u0442\u043e\u0432\u00bb \u0434\u0438\u043d\u0430\u043c\u0438\u0447\u0435\u0441\u043a\u0438, \u0432 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0438 \u043e\u0442 \u0432\u0445\u043e\u0434\u043d\u044b\u0445 \u0434\u0430\u043d\u043d\u044b\u0445.<\/p>\n<\/blockquote>\n<p>\u0412\u043e\u0442 \u043d\u0435\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043a\u043b\u044e\u0447\u0435\u0432\u044b\u0435 \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e\u0441\u0442\u0438:<\/p>\n<ul>\n<li>\n<p>\u041f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0430 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 \u0434\u043e 256\u00a0\u0442\u044b\u0441. \u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u00ab\u0438\u0437 \u043a\u043e\u0440\u043e\u0431\u043a\u0438\u00bb.<\/p>\n<\/li>\n<li>\n<p>\u0420\u0435\u0436\u0438\u043c\u044b\u00a0\u0431\u044b\u0441\u0442\u0440\u043e\u0433\u043e \u0438 \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u043e\u0433\u043e \u043c\u044b\u0448\u043b\u0435\u043d\u0438\u044f.<\/p>\n<\/li>\n<li>\n<p>Grouped Query Attention (GQA) \u0434\u043b\u044f\u00a0\u0431\u043e\u043b\u0435\u0435 \u044d\u0444\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u043e\u0433\u043e \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430.<\/p>\n<\/li>\n<li>\n<p>\u0422\u043e\u043d\u043a\u0430\u044f \u043d\u0430\u0441\u0442\u0440\u043e\u0439\u043a\u0430 \u043f\u043e\u0434\u00a0\u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0435 \u0437\u0430\u0434\u0430\u0447\u0438, \u0441\u00a0\u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0430\u043c\u0438 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u043e\u0432 \u043d\u0430\u00a0BFCL\u2011v3\u00a0\u0438 \u03c4\u2011Bench.<\/p>\n<\/li>\n<li>\n<p>\u041f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0430 \u043a\u0432\u0430\u043d\u0442\u043e\u0432\u0430\u043d\u0438\u044f, \u0432\u043a\u043b\u044e\u0447\u0430\u044f GPTQ.<\/p>\n<\/li>\n<\/ul>\n<p>\u041c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043a\u0430\u043a \u0441\u0435\u0440\u044c\u0451\u0437\u043d\u044b\u0439 \u043a\u0430\u043d\u0434\u0438\u0434\u0430\u0442 \u0434\u043b\u044f \u043b\u043e\u043a\u0430\u043b\u044c\u043d\u044b\u0445 \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u043e\u0432 \u2014 \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u0432 \u0437\u0430\u0434\u0430\u0447\u0430\u0445 \u0441 \u0434\u043b\u0438\u043d\u043d\u044b\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043e\u043c \u0438 \u0438\u043d\u0442\u0435\u043b\u043b\u0435\u043a\u0442\u0443\u0430\u043b\u044c\u043d\u044b\u043c\u0438 \u0430\u0433\u0435\u043d\u0442\u0430\u043c\u0438.<\/p>\n<hr\/>\n<h2>\u0428\u0430\u0433 1: \u0417\u0430\u043f\u0443\u0441\u043a \u0438\u043d\u0441\u0442\u0430\u043d\u0441\u0430 \u043d\u0430 RunPod<\/h2>\n<p>\u0421\u0430\u043c\u044b\u0439 \u043f\u0440\u043e\u0441\u0442\u043e\u0439 \u0441\u043f\u043e\u0441\u043e\u0431 \u043f\u043e\u043f\u0440\u043e\u0431\u043e\u0432\u0430\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u044c \u0432 \u0434\u0435\u043b\u0435 \u2014 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c <a href=\"https:\/\/runpod.io\/?ref=36oe9u9g\" rel=\"noopener noreferrer nofollow\">RunPod<\/a> (\u043f\u043e \u044d\u0442\u043e\u0439 \u0440\u0435\u0444\u0435\u0440\u0430\u043b\u044c\u043d\u043e\u0439 \u043c\u043e\u0436\u043d\u043e \u043f\u043e\u043b\u0443\u0447\u0438\u0442\u044c \u043c\u0435\u0436\u0434\u0443 5$ \u0438 500$ \u0432 \u043a\u0440\u0435\u0434\u0438\u0442\u0430\u0445).<\/p>\n<p>\u0414\u043b\u044f \u044d\u0442\u043e\u0433\u043e \u043d\u0430\u043c \u043f\u043e\u043d\u0430\u0434\u043e\u0431\u0438\u0442\u0441\u044f:<\/p>\n<ul>\n<li>\n<p>\u0421\u0435\u0442\u0435\u0432\u043e\u0439 \u0440\u0430\u0437\u0434\u0435\u043b \u043e\u0431\u044a\u0451\u043c\u043e\u043c 300\u202f\u0413\u0411<\/p>\n<\/li>\n<li>\n<p>GPU B200 (\u043c\u0435\u043d\u0435\u0435 \u043c\u043e\u0449\u043d\u044b\u0435, \u0441\u043a\u043e\u0440\u0435\u0435 \u0432\u0441\u0435\u0433\u043e, \u043d\u0435 \u043f\u043e\u0434\u043e\u0439\u0434\u0443\u0442 \u2014 \u0442\u0440\u0435\u0431\u0443\u0435\u0442\u0441\u044f \u043e\u043a\u043e\u043b\u043e 150\u202f\u0413\u0411 VRAM)<\/p>\n<\/li>\n<li>\n<p>\u041e\u0431\u0440\u0430\u0437 \u0441 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u043e\u0439 PyTorch<\/p>\n<\/li>\n<\/ul>\n<h3>\u0421\u043e\u0437\u0434\u0430\u043d\u0438\u0435 \u0441\u0435\u0442\u0435\u0432\u043e\u0433\u043e \u0440\u0430\u0437\u0434\u0435\u043b\u0430:<\/h3>\n<ul>\n<li>\n<p>\u0420\u0435\u0433\u0438\u043e\u043d: \u0432\u044b\u0431\u0435\u0440\u0438\u0442\u0435 \u0442\u043e\u0442, \u0433\u0434\u0435 \u0434\u043e\u0441\u0442\u0443\u043f\u0435\u043d B200 (\u043d\u0430 \u043c\u043e\u043c\u0435\u043d\u0442 \u043d\u0430\u043f\u0438\u0441\u0430\u043d\u0438\u044f \u2014 <code>EU-RO-1<\/code>)<\/p>\n<\/li>\n<li>\n<p>\u0420\u0430\u0437\u043c\u0435\u0440: 300\u202f\u0413\u0411<\/p>\n<\/li>\n<li>\n<p>\u0421\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c: \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e $21\/\u043c\u0435\u0441 (\u043e\u043f\u043b\u0430\u0442\u0430 \u0438\u0434\u0451\u0442 \u0434\u0430\u0436\u0435 \u043f\u0440\u0438 \u043f\u0440\u043e\u0441\u0442\u043e\u0435)<\/p>\n<\/li>\n<\/ul>\n<figure class=\"full-width\"><\/figure>\n<h4>\u0421\u043e\u0437\u0434\u0430\u043d\u0438\u0435 \u043f\u043e\u0434\u0430<\/h4>\n<ul>\n<li>\n<p>\u0422\u0438\u043f GPU: B200<\/p>\n<\/li>\n<li>\n<p>\u041e\u0431\u0440\u0430\u0437:<br \/> <code>runpod\/pytorch:2.8.0-py3.11-cuda12.8.1-cudnn-devel-ubuntu22.04<\/code><br \/> \u26a0\ufe0f <em>\u0411\u043e\u043b\u0435\u0435 \u0440\u0430\u043d\u043d\u0438\u0435 \u0432\u0435\u0440\u0441\u0438\u0438 \u043c\u043e\u0433\u0443\u0442 \u043d\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c<\/em><\/p>\n<\/li>\n<li>\n<p>\u041a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u043e GPU: 1<\/p>\n<\/li>\n<li>\n<p>\u0412\u043a\u043b\u044e\u0447\u0430\u0435\u043c: SSH \u0438 Jupyter<\/p>\n<\/li>\n<li>\n<p>\u041f\u043e\u0434\u043a\u043b\u044e\u0447\u0430\u0435\u043c: \u0441\u0435\u0442\u0435\u0432\u043e\u0439 \u0440\u0430\u0437\u0434\u0435\u043b (\u0442\u043e\u0442, \u0447\u0442\u043e \u0441\u043e\u0437\u0434\u0430\u043b\u0438 \u0440\u0430\u043d\u0435\u0435)<\/p>\n<\/li>\n<\/ul>\n<figure class=\"full-width\"><\/figure>\n<h2>\u0428\u0430\u0433 2: \u0423\u0441\u0442\u0430\u043d\u043e\u0432\u043a\u0430 \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u0435\u0439<\/h2>\n<p> \u041e\u0442\u043a\u0440\u044b\u0432\u0430\u0435\u043c \u0442\u0435\u0440\u043c\u0438\u043d\u0430\u043b \u0438 \u0432\u0432\u043e\u0434\u0438\u043c:<\/p>\n<p><code>%pip install transformers tiktoken accelerate gptqmodel optimum<\/code><\/p>\n<h2>\u0428\u0430\u0433 3: \u0417\u0430\u0433\u0440\u0443\u0436\u0430\u0435\u043c \u043c\u043e\u0434\u0435\u043b\u044c<\/h2>\n<p>\u0427\u0442\u043e\u0431\u044b \u0437\u0430\u0433\u0440\u0443\u0437\u043a\u0438 \u043d\u0435 \u0448\u043b\u0438 \u0432 \u043a\u043e\u0440\u043d\u0435\u0432\u0443\u044e \u0434\u0438\u0440\u0435\u043a\u0442\u043e\u0440\u0438\u044e, \u0443\u043a\u0430\u0436\u0435\u043c \u043f\u0443\u0442\u044c \u043a \u043a\u044d\u0448\u0443 \u043d\u0430 \u0441\u0435\u0442\u0435\u0432\u043e\u043c \u0440\u0430\u0437\u0434\u0435\u043b\u0435:<\/p>\n<pre><code>from transformers import AutoTokenizer, AutoModelForCausalLM import torch import os import re  os.environ['HF_HOME'] = '\/workspace\/hf-cache' # model_path = 'tencent\/Hunyuan-A13B-Instruct'  tokenizer = AutoTokenizer.from_pretrained(model_path, local_files_only=False, trust_remote_code=True) model = AutoModelForCausalLM.from_pretrained(model_path, cache_dir='\/workspace\/hf-cache\/', local_files_only=False, device_map=\"auto\", torch_dtype=torch.bfloat16, trust_remote_code=True)  messages = [   {   \"role\": \"user\",   \"content\": \"What does the frog say?\"   }, ]  tokenized_chat = tokenizer.apply_chat_template(messages, tokenize=True, return_tensors=\"pt\",                                                   enable_thinking=True # Toggle thinking mode (default: True)                                               )  outputs = model.generate(tokenized_chat.to(model.device), max_new_tokens=5000) output_text = tokenizer.decode(outputs[0]) print(output_text)<\/code><\/pre>\n<h2>\u0417\u0430\u043c\u0435\u0442\u043a\u0438:<\/h2>\n<ul>\n<li>\n<p>\u041f\u0440\u0438 \u043f\u0435\u0440\u0432\u043e\u043c \u0437\u0430\u043f\u0443\u0441\u043a\u0435 \u0441\u043a\u0430\u0447\u0430\u0435\u0442\u0441\u044f \u043e\u043a\u043e\u043b\u043e 150\u202f\u0413\u0411 \u0432\u0435\u0441\u043e\u0432 \u043c\u043e\u0434\u0435\u043b\u0438<\/p>\n<\/li>\n<li>\n<p>\u0412\u043e \u0432\u0440\u0435\u043c\u044f \u0438\u043d\u0444\u0435\u0440\u0435\u043d\u0441\u0430 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442\u0441\u044f \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e 153\u202f\u0413\u0411 \u0432\u0438\u0434\u0435\u043e\u043f\u0430\u043c\u044f\u0442\u0438 (VRAM)<\/p>\n<\/li>\n<li>\n<p>\u0417\u0430\u0433\u0440\u0443\u0437\u043a\u0430 \u043c\u043e\u0434\u0435\u043b\u0438 \u0432 \u0432\u0438\u0434\u0435\u043e\u043f\u0430\u043c\u044f\u0442\u044c \u043c\u043e\u0436\u0435\u0442 \u0437\u0430\u043d\u044f\u0442\u044c \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043c\u0438\u043d\u0443\u0442<\/p>\n<\/li>\n<li>\n<p>\u0415\u0441\u043b\u0438 \u0437\u0430\u0433\u0440\u0443\u0437\u043a\u0430 GPU (\u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e VRAM) \u0443\u0432\u0435\u043b\u0438\u0447\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u2014 \u0437\u043d\u0430\u0447\u0438\u0442, \u043c\u043e\u0434\u0435\u043b\u044c \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0442\u0435\u043b\u044c\u043d\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442<\/p>\n<\/li>\n<li>\n<p>\u0415\u0441\u043b\u0438 \u043f\u0440\u043e\u0441\u0442\u043e \u0445\u043e\u0442\u0438\u043c \u043f\u043e\u043f\u0440\u043e\u0431\u043e\u0432\u0430\u0442\u044c \u043d\u0430 CPU, \u043c\u043e\u0436\u043d\u043e \u0443\u043a\u0430\u0437\u0430\u0442\u044c <code>device_map=\"cpu\"<\/code><br \/>\u0412 \u044d\u0442\u043e\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u0441\u0442\u043e\u0438\u0442 \u0443\u0431\u0435\u0434\u0438\u0442\u044c\u0441\u044f, \u0447\u0442\u043e \u0443 \u043d\u0430\u0441 \u0435\u0441\u0442\u044c \u043e\u043a\u043e\u043b\u043e 200\u202f\u0413\u0411 \u043e\u043f\u0435\u0440\u0430\u0442\u0438\u0432\u043d\u043e\u0439 \u043f\u0430\u043c\u044f\u0442\u0438 \u0438 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043c\u043e\u0449\u043d\u044b\u0439 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u043e\u0440.<\/p>\n<\/li>\n<\/ul>\n<h2>\u0421\u0442\u043e\u0438\u043c\u043e\u0441\u0442\u044c<\/h2>\n<ul>\n<li>\n<p>B200-\u043f\u043e\u0434 \u2014 6,39 $\/\u0447\u0430\u0441<\/p>\n<\/li>\n<li>\n<p>\u0421\u0435\u0442\u0435\u0432\u043e\u0439 \u0440\u0430\u0437\u0434\u0435\u043b \u2014 21 $\/\u043c\u0435\u0441\u044f\u0446, \u0434\u0430\u0436\u0435 \u043a\u043e\u0433\u0434\u0430 \u043c\u044b \u0435\u0433\u043e \u043d\u0435 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u043c<\/p>\n<\/li>\n<li>\n<p>\u0421\u043e\u0432\u0435\u0442: \u0432\u044b\u043a\u043b\u044e\u0447\u0430\u0435\u043c \u043f\u043e\u0434, \u043a\u043e\u0433\u0434\u0430 \u043d\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u043c \u0441 \u043c\u043e\u0434\u0435\u043b\u044c\u044e \ud83d\ude09<\/p>\n<\/li>\n<\/ul>\n<h2>\u0417\u0430\u043c\u0435\u0442\u043a\u0438 \u043f\u043e \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u0430\u043c<\/h2>\n<ul>\n<li>\n<p>\u041f\u043e\u0434\u0434\u0435\u0440\u0436\u043a\u0438 llama.cpp \u043f\u043e\u043a\u0430 \u043d\u0435\u0442 \u2014 PR #14425 \u0435\u0449\u0451 \u0432 \u043f\u0440\u043e\u0446\u0435\u0441\u0441\u0435<\/p>\n<\/li>\n<li>\n<p>\u0412 Python \u0441 <code>transformers<\/code> \u0438 <code>bfloat16<\/code> \u0432\u0441\u0451 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0431\u0435\u0437 \u043f\u0440\u043e\u0431\u043b\u0435\u043c<\/p>\n<\/li>\n<\/ul>\n<h2>\u0411\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0438<\/h2>\n<p>\u041e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u044b\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u0440\u0430\u0437\u043c\u0435\u0449\u0435\u043d\u044b \u043d\u0430 Hugging Face \u0438 \u043f\u043e\u0441\u0447\u0438\u0442\u0430\u043d\u044b \u0431\u044d\u043a\u0435\u043d\u0434\u043e\u043c TRT-LLM (\u0431\u043e\u043b\u044c\u0448\u0435 &#8212; \u043b\u0443\u0447\u0448\u0435):<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">Model <\/p>\n<\/th>\n<th>\n<p align=\"left\">Hunyuan-Large<\/p>\n<\/th>\n<th>\n<p align=\"left\">Qwen2.5-72B<\/p>\n<\/th>\n<th>\n<p align=\"left\">Qwen3-A22B<\/p>\n<\/th>\n<th>\n<p align=\"left\">Hunyuan-A13B<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">MMLU<\/p>\n<\/td>\n<td>\n<p align=\"left\">88.40<\/p>\n<\/td>\n<td>\n<p align=\"left\">86.10<\/p>\n<\/td>\n<td>\n<p align=\"left\">87.81<\/p>\n<\/td>\n<td>\n<p align=\"left\">88.17<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">MMLU-Pro<\/p>\n<\/td>\n<td>\n<p align=\"left\">60.20<\/p>\n<\/td>\n<td>\n<p align=\"left\">58.10<\/p>\n<\/td>\n<td>\n<p align=\"left\">68.18<\/p>\n<\/td>\n<td>\n<p align=\"left\">67.23<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">MMLU-Redux<\/p>\n<\/td>\n<td>\n<p align=\"left\">87.47<\/p>\n<\/td>\n<td>\n<p align=\"left\">83.90<\/p>\n<\/td>\n<td>\n<p align=\"left\">87.40<\/p>\n<\/td>\n<td>\n<p align=\"left\">87.67<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">BBH<\/p>\n<\/td>\n<td>\n<p align=\"left\">86.30<\/p>\n<\/td>\n<td>\n<p align=\"left\">85.80<\/p>\n<\/td>\n<td>\n<p align=\"left\">88.87<\/p>\n<\/td>\n<td>\n<p align=\"left\">87.56<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">SuperGPQA<\/p>\n<\/td>\n<td>\n<p align=\"left\">38.90<\/p>\n<\/td>\n<td>\n<p align=\"left\">36.20<\/p>\n<\/td>\n<td>\n<p align=\"left\">44.06<\/p>\n<\/td>\n<td>\n<p align=\"left\">41.32<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">EvalPlus<\/p>\n<\/td>\n<td>\n<p align=\"left\">75.69<\/p>\n<\/td>\n<td>\n<p align=\"left\">65.93<\/p>\n<\/td>\n<td>\n<p align=\"left\">77.60<\/p>\n<\/td>\n<td>\n<p align=\"left\">78.64<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">MultiPL-E<\/p>\n<\/td>\n<td>\n<p align=\"left\">59.13<\/p>\n<\/td>\n<td>\n<p align=\"left\">60.50<\/p>\n<\/td>\n<td>\n<p align=\"left\">65.94<\/p>\n<\/td>\n<td>\n<p align=\"left\">69.33<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">MBPP<\/p>\n<\/td>\n<td>\n<p align=\"left\">72.60<\/p>\n<\/td>\n<td>\n<p align=\"left\">76.00<\/p>\n<\/td>\n<td>\n<p align=\"left\">81.40<\/p>\n<\/td>\n<td>\n<p align=\"left\">83.86<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">CRUX-I<\/p>\n<\/td>\n<td>\n<p align=\"left\">57.00<\/p>\n<\/td>\n<td>\n<p align=\"left\">57.63<\/p>\n<\/td>\n<td>\n<p align=\"left\">&#8212;<\/p>\n<\/td>\n<td>\n<p align=\"left\">70.13<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">CRUX-O<\/p>\n<\/td>\n<td>\n<p align=\"left\">60.63<\/p>\n<\/td>\n<td>\n<p align=\"left\">66.20<\/p>\n<\/td>\n<td>\n<p align=\"left\">79.00<\/p>\n<\/td>\n<td>\n<p align=\"left\">77.00<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">MATH<\/p>\n<\/td>\n<td>\n<p align=\"left\">69.80<\/p>\n<\/td>\n<td>\n<p align=\"left\">62.12<\/p>\n<\/td>\n<td>\n<p align=\"left\">71.84<\/p>\n<\/td>\n<td>\n<p align=\"left\">72.35<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">CMATH<\/p>\n<\/td>\n<td>\n<p align=\"left\">91.30<\/p>\n<\/td>\n<td>\n<p align=\"left\">84.80<\/p>\n<\/td>\n<td>\n<p align=\"left\">&#8212;<\/p>\n<\/td>\n<td>\n<p align=\"left\">91.17<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">GSM8k<\/p>\n<\/td>\n<td>\n<p align=\"left\">92.80<\/p>\n<\/td>\n<td>\n<p align=\"left\">91.50<\/p>\n<\/td>\n<td>\n<p align=\"left\">94.39<\/p>\n<\/td>\n<td>\n<p align=\"left\">91.83<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">GPQA<\/p>\n<\/td>\n<td>\n<p align=\"left\">25.18<\/p>\n<\/td>\n<td>\n<p align=\"left\">45.90<\/p>\n<\/td>\n<td>\n<p align=\"left\">47.47<\/p>\n<\/td>\n<td>\n<p align=\"left\">49.12<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<blockquote>\n<p>Hunyuan-A13B-Instruct \u0434\u0435\u043c\u043e\u043d\u0441\u0442\u0440\u0438\u0440\u0443\u0435\u0442 \u0432\u043f\u0435\u0447\u0430\u0442\u043b\u044f\u044e\u0449\u0435 \u043a\u043e\u043d\u043a\u0443\u0440\u0435\u043d\u0442\u043e\u0441\u043f\u043e\u0441\u043e\u0431\u043d\u044b\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u043d\u0430 \u0440\u0430\u0437\u043b\u0438\u0447\u043d\u044b\u0445 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0430\u0445 \u2014 \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u0432 \u043e\u0431\u043b\u0430\u0441\u0442\u044f\u0445 \u043c\u0430\u0442\u0435\u043c\u0430\u0442\u0438\u043a\u0438, \u0435\u0441\u0442\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u044b\u0445 \u043d\u0430\u0443\u043a, \u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u0437\u0430\u0434\u0430\u0447 \u0438 \u0434\u0440\u0443\u0433\u0438\u0445.<\/p>\n<p>\u041c\u044b \u0441\u0440\u0430\u0432\u043d\u0438\u043b\u0438 \u0435\u0451 \u0441 \u0440\u044f\u0434\u043e\u043c \u043c\u043e\u0449\u043d\u044b\u0445 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u2014 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b \u043f\u0440\u0435\u0434\u0441\u0442\u0430\u0432\u043b\u0435\u043d\u044b \u043d\u0438\u0436\u0435.<br \/> <em>\u2014 Tencent<\/em><\/p>\n<\/blockquote>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th data-colwidth=\"117\" width=\"117\">\n<p align=\"left\">Topic<\/p>\n<\/th>\n<th data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">Bench<\/p>\n<\/th>\n<th>\n<p align=\"left\">OpenAI-o1-1217<\/p>\n<\/th>\n<th>\n<p align=\"left\">DeepSeek R1<\/p>\n<\/th>\n<th>\n<p align=\"left\">Qwen3-A22B<\/p>\n<\/th>\n<th>\n<p align=\"left\">Hunyuan-A13B-Instruct<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>Mathematics<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">AIME 2024<br \/>AIME 2025<br \/>MATH<\/p>\n<\/td>\n<td>\n<p align=\"left\">74.3<br \/>79.2<br \/>96.4<\/p>\n<\/td>\n<td>\n<p align=\"left\">79.8<br \/>70<br \/>94.9<\/p>\n<\/td>\n<td>\n<p align=\"left\">85.7<br \/>81.5<br \/>94.0<\/p>\n<\/td>\n<td>\n<p align=\"left\">87.3<br \/>76.8<br \/>94.3<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>Science<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">GPQA-Diamond<br \/>OlympiadBench<\/p>\n<\/td>\n<td>\n<p align=\"left\">78<br \/>83.1<\/p>\n<\/td>\n<td>\n<p align=\"left\">71.5<br \/>82.4<\/p>\n<\/td>\n<td>\n<p align=\"left\">71.1<br \/>85.7<\/p>\n<\/td>\n<td>\n<p align=\"left\">71.2<br \/>82.7<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>Coding<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">Livecodebench<br \/>Fullstackbench<br \/>ArtifactsBench<\/p>\n<\/td>\n<td>\n<p align=\"left\">63.9<br \/>64.6<br \/>38.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">65.9<br \/>71.6<br \/>44.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">70.7<br \/>65.6<br \/>44.6<\/p>\n<\/td>\n<td>\n<p align=\"left\">63.9<br \/>67.8<br \/>43<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>Reasoning<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">BBH<br \/>DROP<br \/>ZebraLogic<\/p>\n<\/td>\n<td>\n<p align=\"left\">80.4<br \/>90.2<br \/>81<\/p>\n<\/td>\n<td>\n<p align=\"left\">83.7<br \/>92.2<br \/>78.7<\/p>\n<\/td>\n<td>\n<p align=\"left\">88.9<br \/>90.3<br \/>80.3<\/p>\n<\/td>\n<td>\n<p align=\"left\">89.1<br \/>91.1<br \/>84.7<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>InstructionFollowing<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">IF-Eval<br \/>SysBench<\/p>\n<\/td>\n<td>\n<p align=\"left\">91.8<br \/>82.5<\/p>\n<\/td>\n<td>\n<p align=\"left\">88.3<br \/>77.7<\/p>\n<\/td>\n<td>\n<p align=\"left\">83.4<br \/>74.2<\/p>\n<\/td>\n<td>\n<p align=\"left\">84.7<br \/>76.1<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>TextCreation<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">LengthCtrl<br \/>InsCtrl<\/p>\n<\/td>\n<td>\n<p align=\"left\">60.1<br \/>74.8<\/p>\n<\/td>\n<td>\n<p align=\"left\">55.9<br \/>69<\/p>\n<\/td>\n<td>\n<p align=\"left\">53.3<br \/>73.7<\/p>\n<\/td>\n<td>\n<p align=\"left\">55.4<br \/>71.9<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>NLU<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">ComplexNLU<br \/>Word-Task<\/p>\n<\/td>\n<td>\n<p align=\"left\">64.7<br \/>67.1<\/p>\n<\/td>\n<td>\n<p align=\"left\">64.5<br \/>76.3<\/p>\n<\/td>\n<td>\n<p align=\"left\">59.8<br \/>56.4<\/p>\n<\/td>\n<td>\n<p align=\"left\">61.2<br \/>62.9<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td data-colwidth=\"117\" width=\"117\">\n<p align=\"left\"><strong>Agent<\/strong><\/p>\n<\/td>\n<td data-colwidth=\"134\" width=\"134\">\n<p align=\"left\">BDCL v3<br \/>\u03c4-Bench<br \/>ComplexFuncBench<br \/>C3-Bench<\/p>\n<\/td>\n<td>\n<p align=\"left\">67.8<br \/>60.4<br \/>47.6<br \/>58.8<\/p>\n<\/td>\n<td>\n<p align=\"left\">56.9<br \/>43.8<br \/>41.1<br \/>55.3<\/p>\n<\/td>\n<td>\n<p align=\"left\">70.8<br \/>44.6<br \/>40.6<br \/>51.7<\/p>\n<\/td>\n<td>\n<p align=\"left\">78.3<br \/>54.7<br \/>61.2<br \/>63.5<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<h4>\u0417\u0430\u043a\u043b\u044e\u0447\u0435\u043d\u0438\u0435<\/h4>\n<p>\u042d\u0442\u043e \u043e\u0434\u043d\u0430 \u0438\u0437 \u0441\u0430\u043c\u044b\u0445 \u043b\u044e\u0431\u043e\u043f\u044b\u0442\u043d\u044b\u0445 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u0445 MoE\u2011\u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043d\u0430 \u0441\u0435\u0433\u043e\u0434\u043d\u044f\u0448\u043d\u0438\u0439 \u0434\u0435\u043d\u044c. \u041e\u043d\u0430 \u043f\u043e\u0434\u0434\u0435\u0440\u0436\u0438\u0432\u0430\u0435\u0442 \u0434\u043b\u0438\u043d\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442, \u0440\u0435\u0430\u043b\u0438\u0437\u043e\u0432\u0430\u043d\u0430 \u0441 \u0440\u044f\u0434\u043e\u043c \u043f\u0440\u043e\u0434\u0443\u043c\u0430\u043d\u043d\u044b\u0445 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u044b\u0445 \u0440\u0435\u0448\u0435\u043d\u0438\u0439 \u0438 \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e \u043f\u0440\u043e\u0441\u0442\u0430 \u0432 \u0437\u0430\u043f\u0443\u0441\u043a\u0435.<\/p>\n<p>\u0415\u0441\u043b\u0438 \u0445\u043e\u0442\u0438\u0442\u0435 \u043f\u043e\u043f\u0440\u043e\u0431\u043e\u0432\u0430\u0442\u044c \u0435\u0451 \u0441\u0430\u043c\u043e\u0441\u0442\u043e\u044f\u0442\u0435\u043b\u044c\u043d\u043e, \u043f\u0440\u0438\u0432\u0435\u0434\u0451\u043d\u043d\u0430\u044f \u0432\u044b\u0448\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043a\u0446\u0438\u044f \u043f\u043e\u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0441\u0442\u0440\u043e \u043d\u0430\u0447\u0430\u0442\u044c \u0440\u0430\u0431\u043e\u0442\u0443.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<p><!----><!----><\/div>\n<p><!----><!----><br \/> \u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/924002\/\"> https:\/\/habr.com\/ru\/articles\/924002\/<\/a><br \/><\/br><\/br><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-465604","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/465604","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=465604"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/465604\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=465604"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=465604"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=465604"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}