腾讯混元推出Hy4 preview轻量版。该版本通过两项核心技术将模型权重从接近1.5TB压缩至约214GB：一是自研Sherry稀疏三值量化算法，将最激进一档权重压至平均1.25比特；二是MIX-STQ1_0混合精度策略，按敏感度逐层决定每层比特数，在同等平均比特预算下实现更低量化误差。压缩后模型在长文理解、多轮长上下文检索与原始版本基本持平。量化GGUF库及相关代码已开源。

腾讯混元还验证了异构设备联合推理方案：在一台4090笔记本与一台四卡A4000服务器（显存合计80GB、内存64GB）上，通过调度将MoE层拆开分配，协同运行速度达1.02 token/s，较笔记本单机offload提升约6倍。

—— 凤凰网科技