主打一個快！騰訊開源0.3B端側模型，手機耳機都能跑

智東西
作者 李水青
編輯 心緣

智東西2月10日報道，今日，騰訊混元開源一款面向消費級硬件場景的“極小”模型HY-1.8B-2Bit，等效參數量僅有0.3B，內存占用僅600MB，比常用的一些手機應用還小，可本地化部署于手機、耳機或智能家居等設備應用。

該模型基于首個產業級2比特（Bit）端側量化方案，通過對此前混元的小尺寸語言模型HY-1.8B-Instruct進行2比特量化感知訓練（QAT）產出。這一模型對比原始精度模型等效參數量降低6倍，沿用原模型全思考能力，可根據任務復雜度切換長/短思維鏈；同時在真實端側設備上生成速度提升2-3倍。

▲ HY-1.8B原始精度模型生成效果

▲HY-1.8B-2Bit模型生成效果，2bit量化后的模型速度明顯更快

比特是計算機存儲的最小單位，一般模型的精度有2比特、4比特、8比特、32比特等表示方法，數值越大模型的精度更高，所占的內存就越大。雖然2比特量化的精度損失較大，但通過QAT和先進的量化策略，團隊已經能讓2比特模型接近全精度模型的性能，對比4比特PTQ模型版本數學、代碼、科學等指標上表現相當。

對于原始模型大小只有1.8B，量化bit數只有2bit的HY-1.8B-2Bit，混元團隊采用了量化感知訓練策略，從而顯著提升了量化后模型的性能。騰訊混元還通過數據優化、彈性拉伸量化以及訓練策略創新三個方法，來提升HY-1.8B-2Bit的全科能力。

部署方面，騰訊混元提供了HY-1.8B-2Bit的gguf-int2格式的模型權重與bf16偽量化權重，對比原始精度模型，HY-1.8B-2Bit實際模型大小直降6倍，僅有300MB，能夠靈活用于端側設備上。該模型也已在Arm等計算平臺上完成適配，可部署于啟用Arm SME2技術的移動設備上。

在MacBook M4芯片上，HY-1.8B-2Bit固定了線程數為2測試了不同窗口大小下的首字時延和生成速度，模型選定fp16、Q4、HY-1.8B-2Bit三種gguf格式作為對比，首字時延在1024輸入內能夠保持3~8倍的加速，生成速度上常用窗口下對比原始模型精度，HY-1.8B-2Bit能夠實現至少2倍穩定加速。

在天璣9500上同樣進行了測試，對比HY-1.8B-Q4格式首字時延能夠加速1.5~2倍，生成速度加速約1.5倍。

項目鏈接：
https://github.com/Tencent/AngelSlim
模型地址：
https://huggingface.co/AngelSlim/HY-1.8B-2Bit
https://huggingface.co/AngelSlim/HY-1.8B-2Bit-GGUF
技術報告：
https://huggingface.co/AngelSlim/HY-1.8B-2Bit/blob/main/AngelSlim_Technical_Report.pdf

結語：模型“瘦身”，加速端邊側智能發展

HY-1.8B-2Bit的推出標志著騰訊在小型化、多語言和端側AI上的新突破。它不僅在性能上接近更大規模的模型，還兼顧了速度、內存和隱私的平衡。

從去年中阿里的Qwen-Embedding-0.6B、谷歌的0.27B的Gemma 3、0.3B的EmbeddingGemma，再到今年初騰訊0.3B的HY-1.8B-2Bit，越來越多的小尺寸模型可供開發者選擇，推動RAG、語義搜索等應用不斷下沉至個人設備。

當前，HY-1.8B-2Bit的能力仍受限于監督微調（SFT）的訓練流程，以及基礎模型本身的性能與抗壓能力。針對這一問題，混元團隊未來將重點轉向強化學習與模型蒸餾等技術路徑，以期進一步縮小低比特量化模型與全精度模型之間的能力差距。