为什么选它
- 低成本小模型路线
- 适合高并发中文流量
Tencent
hunyuan-a13b
Hunyuan-A13B
适合低成本中文对话与产品助手场景的腾讯轻量模型。
公开模型详情Dense Transformer
参数规模
13B
上下文
131K
最大输出
16K
许可证
Tencent
TTFT
暂无
暂无 5 分钟基准样本
5 分钟 RPM
暂无
价格与差价
层级标准缓存SiliconFlow节省
在线调用$0.05 / $0.20$0.018暂无暂无
批处理$0.025 / $0.100$0.018暂无暂无
生产价格证明
这条路线在真实请求里如何结算
实时执行时，响应头可返回 X-BatchIn-Provider、X-BatchIn-Route-Reason、X-BatchIn-Effective-Cost-Cents 与 X-BatchIn-Uncached-Cost-Cents。
这里的缓存价指 prompt-cache 输入折扣；如果直接命中 durable response cache，会改由 X-BatchIn-Response-Cache-Mode 等响应头与 request lookup 说明。
流式请求先用 X-Request-Id 追踪，待完成后再通过 request lookup 收口最终成本、cache 模式与路由结果。
路线事实源
同页判断价格、请求证据与升级路径
公开标准价、Prompt Cache 折扣价、批处理价与 SiliconFlow 对比全部放在一个详情页。
真实请求会返回 X-Request-Id；同步调用还能直接给出 route reason、billed cost 与 uncached cost。
百因智算 支持 Playground 验证，再进入批处理、白标 API 或专属算力评估。
快速开始
OpenAI 兼容接口，切换 base_url 即可。
Python
from openai import OpenAI
client = OpenAI(
base_url="https://api.luminapath.tech/v1",
api_key="BAIYIN_API_KEY"
)
resp = client.chat.completions.create(
model="hunyuan-a13b",
messages=[{"role": "user", "content": "Summarize why this model is a fit for my workload."}]
)
print(resp.choices[0].message.content)JavaScript
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.luminapath.tech/v1",
apiKey: process.env.BAIYIN_API_KEY,
});
const resp = await client.chat.completions.create({
model: "hunyuan-a13b",
messages: [{ role: "user", content: "Summarize why this model is a fit for my workload." }],
});
console.log(resp.choices[0]?.message?.content);cURL
curl https://api.luminapath.tech/v1/chat/completions \
-H "Authorization: Bearer $BAIYIN_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "hunyuan-a13b",
"messages": [{"role":"user","content":"Summarize why this model is a fit for my workload."}]
}'规格与行为
架构
Dense Transformer
厂商家族
Tencent
上下文
131K
最大输出
16K
适用场景
bilingual
compact
相关模型
返回模型中心