2 月 10 日，腾讯混元推出面向消费级硬件场景的 " 极小 " 模型 HY-1.8B-2Bit。该模型基于 1.8B 参数的小尺寸模型，通过 2Bit 量化技术，等效参数量约为 0.3B，实际存储占用仅约 600MB，比常用的一些手机应用还小，实现了端侧部署的新突破。

该模型基于混元团队首创的产业级 2Bit 端侧量化方案，通过对 HY-1.8B-Instruct 模型进行 2 比特量化感知训练（QAT）产出，模型大小减少至原始精度模型的 1/6，同时在真实端侧设备上生成速度提升 2-3 倍，可大幅提升使用体验。能力上，模型还保留了原版的思维链，可以为不同复杂度的任务提供相应深度的推理过程。这是业界首个实现 2bit 产业级量化的端侧模型实践。

左图为 HY-1.8B 原始精度模型，右图为 HY-1.8B-2Bit 模型，量化后的模型速度明显更快

随着大语言模型普及，如何将模型在比如手机、耳机或者智能家居设备应用，成为业界难题，尤其不少应用对模型的离线部署、私密性等都有更高的需求，这就需要更多能够在端侧运行的又小又强的模型。端侧部署的展开，本质上是一条在 " 小而精，快而准 " 的艰难探索之路，我们既需要模型足够聪明，能应对千变万化的真实需求，又必须将它约束在极其有限的硬件资源内部署并快速推理，这就好像在给模型进行 " 减脂增肌，减重提质 "。

比特（Bit）是计算机存储的最小单位，1 比特能表示 2 种状态（0 或 1），2 比特能表示 4 种状态，依此类推，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，数值越大模型的精度更高，所占的内存就越大。

虽然 2 比特量化的精度损失较大，但通过 QAT 和先进的量化策略，已经能让 2 比特模型接近全精度模型的性能。在模型能力方面，对比 4 比特 PTQ 模型版本数学、代码、科学等指标上表现相当，实现了 " 小而强 " 的设计目标。

技术上，量化作为大模型部署上线不可或缺的一环，肩负了降低部署成本与保精度的使命，大部分情况下对于 int4、int8、fp8 的压缩精度要求，采用 PTQ 量化策略即可实现几乎无损，但随着原始模型大小的缩小、压缩 bit 数的进一步降低，PTQ 带来的量化损失是巨大的。因此，对于原始模型大小只有 1.8B，量化 bit 数只有 2bit 的 HY-1.8B-2Bit，混元团队采用了量化感知训练策略，这显著提升了量化后模型的性能。

腾讯混元还通过数据优化、弹性拉伸量化以及训练策略创新三个方法来最大限度的提升 HY-1.8B-2Bit 的全科能力。

部署方面，腾讯混元提供了 HY-1.8B-2Bit 的 gguf-int2 格式的模型权重与 bf16 伪量化权重，对比原始精度模型，HY-1.8B-2Bit 能够灵活用于端侧设备上，该模型也已在 Arm 等计算平台上完成适配，可部署于启用 Arm SME2 技术的移动设备上，并实现高效运行。

在 MacBook M4 芯片上，HY-1.8B-2Bit 固定了线程数为 2 测试了不同窗口大小下的首字时延和生成速度，模型选定 fp16、Q4、HY-1.8B-2Bit 三种 gguf 格式作为对比，首字时延在 1024 输入内能够保持 3 — 8 倍的加速，生成速度上常用窗口下对比原始模型精度，HY-1.8B-2Bit 能够实现至少 2 倍稳定加速。

在天玑 9500 上同样进行了测试，对比 HY-1.8B-Q4 格式首字时延能够加速 1.5 — 2 倍，生成速度加速约 1.5 倍。

当前，HY-1.8B-2Bit 的能力仍受限于监督微调（SFT）的训练流程，以及基础模型本身的性能与抗压能力。针对这一问题，混元团队未来将重点转向强化学习与模型蒸馏等技术路径，以期进一步缩小低比特量化模型与全精度模型之间的能力差距，从而为边缘设备上的大语言模型部署开拓更广阔的应用前景。

项目链接：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

技术报告：

https://huggingface.co/AngelSlim/HY-1.8B-2Bit/blob/main/AngelSlim_Technical_Report.pdf