凤凰网科技讯7月14日，腾讯混元团队宣布，针对开源社区需求，已将旗舰模型Hy3(295B参数)权重量化至1bit与4bit并打包为GGUF格式，配合llama.cpp生态，使该模型可单卡乃至在内存充足的本地机器上部署。
Hy3原始BF16权重接近600GB，需多卡服务器承载。量化后，1bit版本(IQ1_M)压缩至85.5G（885556）iB，缩小6.7倍，单张96GB推理显卡即可部署；4bit版本(Q4_K_M)体积169.9GiB，两张推理显卡即可承载。实测显示，4bit版本在Agent、多语言代码、工具调用等任务上贴近满血模型效果；1bit版本在长文理解、Agent与代码任务上保持良好，仅小幅回落。团队同步提供GPTQ Int4版本，支持vLLM部署。此外，团队还开发了llama.cpp补丁支持MTP投机解码，开启后1bit版本解码速度提升约50%，4bit版本提升近60%。相关量化模型与部署指引已在HuggingFace上线。
