一、主要功能

1. 低资源部署：采用专家混合（MoE）架构，仅需1张中低端GPU卡即可部署，大幅降低了推理延迟与计算开销。
2. 数学与逻辑推理：在数学推理任务中表现出色，能准确完成小数比较并提供分步解析。
3. 快思考与慢思考模式：用户可根据需求选择快思考模式（简洁高效输出，适合简单任务）或慢思考模式（更全面的推理步骤，兼顾效率和准确性）。
4. 智能体（Agent）应用：能调用工具生成复杂指令响应，如生成出行攻略、分析数据文件等。
5. 长文理解和生成：支持256K原生上下文窗口，在长文理解和生成任务中表现出色。
6. 代码评估与生成：通过开源的ArtifactsBench数据集，支持代码生成、调试和优化。
7. 智能问答：支持自然语言处理任务，如文本生成、问答系统等。
8. 开源支持与API接入：模型代码已在GitHub开源，API也在腾讯云官网上线，方便开发者快速接入。

二、技术原理

1. 专家混合（MoE）架构：总参数量为800亿，激活参数为130亿。通过选择性激活相关模型组件，大幅降低了推理延迟与计算开销。
2. 预训练与数据集：使用20万亿高质量网络词元语料库进行预训练，覆盖多个领域，显著提升了模型的通用能力。
3. 多阶段训练与优化：采用多阶段训练方式，提升模型的推理能力，同时兼顾创作、理解、Agent等通用能力。

三、应用场景

1. 智能体（Agent）应用：高效调用工具生成复杂指令响应，如生成出行攻略、分析数据文件等。
2. 数学与逻辑推理：在数学推理任务中表现出色，能准确完成小数比较并提供分步解析。
3. 长文理解和生成：支持256K原生上下文窗口，能处理复杂的文本内容。
4. 代码评估与生成：通过ArtifactsBench数据集，支持代码生成、调试和优化。

四、使用方法

1. 开源社区下载：模型已在GitHub和HuggingFace等开源社区上线，用户可以自由下载、修改和使用。
2. API接入：通过腾讯云官网的API接口，开发者可以快速接入模型，实现更多应用场景的开发。

五、适用人群

1. 个人开发者：低资源部署需求，仅需1张中低端GPU卡即可使用。
2. 中小企业：适合资源有限但需要高效推理能力的企业。
3. 科研人员：可用于研究和开发自然语言处理、智能体应用等领域的项目。

六、优缺点介绍

优点

1. 高效推理：推理速度快，性价比高。
2. 低资源需求：仅需1张中低端GPU卡即可部署，降低了使用门槛。
3. 灵活性强：支持快思考和慢思考模式，兼顾效率和准确性。
4. 开源支持：代码开源，方便开发者自由使用和修改。

缺点

1. 模型规模限制：虽然激活参数较少，但总参数量仍较大，可能对存储和内存有一定要求。
2. 训练复杂性：采用多阶段训练和MoE架构，训练过程可能较为复杂。

七、分类标签