腾讯押注非Transformer

首个基于混合Mamba架构的超大型推理模型来了！

就在刚刚，腾讯宣布推出自研深度思考模型混元T1正式版，并同步在腾讯云官网上线。

对标o1、DeepSeek R1之外，值得关注的是，混元T1正式版采用的是Hybrid-Mamba-Transformer融合模式——

这是工业界首次将混合Mamba架构应用于超大型推理模型。

根据腾讯官方介绍，通过大规模强化学习，并结合数学、逻辑推理、科学和代码等理科难题的专项优化，混元T1正式版进一步提升了推理能力，与此前已上线腾讯元宝的混元T1-preview相比，综合效果明显提升。

在MMLU-pro、CEval、AIME、Zebra Logic等中英文知识、竞赛级数学，以及逻辑推理公开基准测试中，混元T1均有比肩DeepSeek R1和OpenAI o1的分数。

（表格中，其它模型评测指标来自官方评测结果，官方评测结果中没有的部分来自混元内部评测平台结果）

另外，在最新大模型竞技场中，混元T1正式版的基础模型Turbo S已经跻身全球TOP 15。这意味着在其基础上的推理版本T1正式版理论上会有更强大的表现。

首个基于混合Mamba架构的超大型推理模型

具体来说，混元T1正式版沿用了混元Turbo S的模型架构，采用的是Hybrid-Mamba-Transformer融合模式。

混元Turbo S是腾讯自研的快思考模型——区别于DeepSeek R1等慢思考模型，Turbo S更强调“秒回”，即吐字速度更快，首字时延更低。

非传统Transformer架构的好处在于，能有效降低Transformer架构的计算复杂度，减少KV-Cache缓存占用，实现训练和推理成本的下降。

新的融合模式一方面发挥了Mamba高效处理长序列的能力，另一方面保留了Transformer擅长捕捉复杂上下文的优势，突破的传统Transformer架构在长文训练和推理成本方面面临的难题。

腾讯官方没有透露更多技术细节，但可以参考Mamba-2论文做一个简单的理解：

在Mamba-2中，研究团队发现，Transformer中的注意力机制与SSM（结构化状态空间模型）存在紧密的数学联系，两者都可以表示为可半分离矩阵（Semiseparable Matrices）的变换。

基于这个发现，Mamba-2的作者提出了SSD（结构化状态空间二元性）理论，把Transformer和Mamba给打通了：

SSD可以将Transformer架构多年积累起来的优化方法引入SSM。比如引入张量并行和序列并行，扩展到更大的模型和更长的序列；或是引入可变序列，以实现更快的微调和推理。

混元T1正式版测评结果

目前，混元T1正式版已面向API用户，在腾讯云上线。

定价方面，输入价格为1元/百万tokens，输出价格为4元/百万tokens。

相较之下，DeepSeek R1在标准时段（北京时间8:30-00:30）的定价为4元/百万tokens输入，16元/百万tokens输出。

文心大模型X1的定价则是2元/百万tokens输入，8元/百万tokens输出。

也就是说，混元T1的价格仅为DeepSeek R1的四分之一，是文心大模型X1的一半。

体验入口也已释出：https://llm.hunyuan.tencent.com/#/chat/hy-t1

此前，混元深度思考模型T1 Preview和快思考模型Turbo S，都很快在腾讯自家C端应用上线，包括腾讯元宝、腾讯文档、搜狗输入法、QQ浏览器等等。

那么T1正式版什么时候能和普通用户见面？

腾讯方面给量子位的回应是：C端未来可能更多通过元宝以及腾讯其他业务来服务。

感兴趣的话可以蹲一蹲了。