腾讯推出「快思考」：API 成本只有 DeepSeek 不到一半

收藏分享邀请

近来，腾讯元宝能够道是「杀疯了」，先是多款产物交进deepseek，拉出自研混元T1模子，又是猛拉流，一度逾越字节"豆包"登顶华夏区App Store收费榜第两，又是进驻微疑糊口效劳“九宫格”。

正在各野年夜模子纷繁拉出深度考虑模子的共时，腾讯混元又「变态」天拉了一个快考虑模子Turbo S。

2月27日，腾讯混元自研的快考虑模子Turbo S邪式公布，今朝已经正在腾讯云战元宝上线。

区分于Deepseek R一、混元T1等需求“念一下再复兴”的缓考虑模子，混元Turbo S可以完成“秒回”，咽字速率提拔一倍，尾字时延低落44%，共时正在常识、数理、创做等圆里也有凸起表示。经由过程模子架构立异，Turbo S 布置本钱也年夜幅降落，连续鞭策年夜模子使用门坎低落。

有研讨表白，人类约90%—95%的一样平常决议计划依靠直观，快考虑邪如人的“直观”，为年夜模子供给了通用处景下的疾速呼应才能，而缓考虑更像感性思想，经由过程阐发逻辑供给处理成绩思绪。快考虑战缓考虑的分离战弥补，可让年夜模子更智能、更下效天处理成绩。

据引见，经由过程是非思想链交融，腾讯混元Turbo S 正在连结理科类成绩快考虑体会的共时，鉴于自研混元 T1 缓考虑模子分解的少思想链数据，明显改良了文科拉理才能，完成模子团体结果提拔。

动作旗舰模子，Turbo S将来将成为腾讯混元系列衍死模子的中心基座，为拉理、少文、代码等衍死模子供给根底才能。

鉴于Turbo S，经由过程引进少思想链、检索加强战加强进修等手艺，腾讯自研了拉理模子 T1，该模子已经正在腾讯元宝上线，用户能够挑选Deepseek R1 或者腾讯混元T1模子停止答复，详细操纵上，正在元宝当选择 Hunyuan 模子，面明 T1 即为深度考虑，没有面明则为 Turbo S。

开辟者战企业用户曾经能够正在腾讯云上经由过程API挪用腾讯混元Turbo S，本日起一周内乱收费试用。订价上，Turbo S输出价钱为0.8元/百万tokens，输入价钱为2元/百万tokens，比拟前代混元Turbo模子价钱降落数倍，是deepseek API本钱的 1/2-1/4，团队称「比年夜模子界的拼多多借自制」。别的，混元谦血T1 将正在3月初公布。

正在3月2日腾讯混元的曲播里，腾讯混元大师团队对于此次拉出的快考虑模子干出了详解，极客花园收拾整顿重心以下：

为何要干「快考虑」？

团队经由过程阐发战察看发明，用户约 90% 的恳求均可以依托年夜模子的 “直观”（即快考虑模子），无需深度考虑就可以精确简约天给出谜底，以是针对于那些恳求需求模子能更快、更准天回应。

关于剩下的约 10% 的恳求，需求模子能停止深度考虑以至深思，进而给出更精确的谜底。

共时，快考虑模子不只本钱更高，借具有壮大的数据交融才能，可以融进 MySQL 模子或者 Max 模子中的优良数据。

Turbo S自创了腾讯的缓考虑模子 Hunyuan T1 的数据，该模子利用一种称为少思想链分解的手艺停止锻炼。那有帮于 Turbo S 正在连结其速率劣势的共时，经由过程多步调成绩停止拉理，使患上关于其他 10%需求重复深思考虑的成绩也能获得较精确谜底。

手艺剖析：模子架构/工程劣化

正在业界通用的多个公然Benchmark上，腾讯混元 Turbo S 正在常识、数教、拉理等多个范畴展示出对于标 DeepSeek V三、GPT 4o、Claude3.5等业界抢先模子的结果表示。

腾讯拉出「快考虑」：API本钱只要 DeepSeek 没有到一半

*表格中，别的模子的评测目标去自民间评测成果，民间评测成果中没有包罗部门去自混元外部评测仄台

架构圆里，经由过程立异性天接纳了Hybrid-Mamba-Transformer交融形式，混元Turbo S有用低落了保守Transformer构造的计较庞大度，削减了KV-Cache慢存占用，完成锻炼战拉理本钱的降落。

保守 Transformer 架构存留如下缺点：

计较庞大度下，序列维度呈仄圆级干系，正在锻炼战拉理时庞大度下；

拉理时需求 KV-Cache，且跟着序列少度增长线性增长，布置本钱下；猜测不时间本钱下，每一步猜测果叠减 KV-Cache 取序列少度呈线性干系，越今后天生越缓，特别关于Mamba 线性 Attention 体制，每一步猜测皆是 O1 庞大度，以是需求干更下效的 attention 或者以至 linear 的 attention，今朝止业内乱已经有一点儿相干探究计划如 window attention、mobile、NSA 等，皆是经由过程差别方法紧缩计较庞大度。

Hybrid-Mamba-Transformer交融架构是混元 Turbo S 中的一项打破性架构立异，经由过程交融二种壮大的架构，均衡服从战高低文拉理才能：

Mamba 是一种形态空间模子（SSM），博为下效处置少序列而设想，正在内乱存利用上比 Transformer 更加节流。取 Transformer 差别，后者正在处置少文原时会碰到 KV-cache 内乱存的仄圆级扩大成绩，而 Mamba 能够正在没有发生过量计较开消的状况下处置更少的文原，更合适浏览、归纳战天生少文档的答复（比方法令文原、研讨论文等）。

虽然 Mamba 下效，但是它正在捕获庞大的高低文干系圆里没有如 Transformer。Transformer 善于了解庞大的形式战依靠干系，出格合适拉理麋集型使命，如数教运算、逻辑拉理战成绩处理，合用于多步调拉理、代码天生战深度高低文了解。

混元 Turbo S初次将 Mamba使用于超年夜范围 MoE 模子 MoE（大师混淆模子）经由过程屡屡盘问激活一部门参数，进而进步计较服从，正在连结粗度的共时充实操纵了 Mamba 的下效性，共时也保存了 Transformer 正在拉理使命中的劣势。那一打破不只低落了锻炼战拉理本钱，借提拔了速率战智能程度。

算法干到了哪些纷歧样的事情？

是非思想链的交融。

经由过程是非思想链交融，关于需重复拉理深思的成绩也能获得更精确谜底， T1 模子可获得绝对少链数据，将少链数据战短链数据交融锻炼后采样，采样根据准确性战少度准确性，接纳划定规矩办法战滤波 model case ，进而提拔模子团体才能，特别正在数教、代码、逻辑等强拉理使命上表示更佳，且短链模子能很佳天交融少链才能，体会更好。

即短链模子实在体会更好，经由过程交融少链也能有很佳的拉理才能。

scaling law借出完毕

GPT-4.5是短链模子天花板的一个存留，但是 API 的本钱十分下，以百万tokens计较约为150 美圆，约是Turbo S本钱 500 倍，且据揣测，GPT-4.5的激活参数目达万亿级别。因而，Turbo S等快考虑模子的呈现，恰是为了正在包管呼应速率的共时，低落本钱并连结较佳的机能。

今朝 scaling 近已完毕。从数据质去瞅，不论是模子 size 的 scaling 仍是锻炼数据的 scaling，如今华文互联网上可获得数据质各野好未几，谁能经由过程获得或者分解方法得到更大都据质对于模子 performance 来讲是枢纽。

标注数据圆里，更专科标注团队对于模子表示作用年夜，如故事创做、调理标的目的等，具有更专科标注团队战数据的模子表示会更佳，团体去瞅，正在数据、算法、算力工程劣化等圆面临 scaling 的探究皆近已完毕。