Upload README_CN.md with huggingface_hub

README_CN.md

@@ -9,9 +9,9 @@
 
 
 <p align="center">
-    🤗&nbsp;<a href="https://huggingface.co/tencent/"><b>Hugging Face</b></a>&nbsp;&nbsp;|&nbsp;&nbsp;
-    <img src="https://avatars.githubusercontent.com/u/109945100?s=200&v=4" width="16"/>&nbsp;<a href="https://modelscope.cn/models/Tencent-Hunyuan/"><b>ModelScope</b></a>&nbsp;&nbsp;|&nbsp;&nbsp;
-<img src="https://cdn-avatars.huggingface.co/v1/production/uploads/6594d0c6c5f1cd69a48b261d/04ZNQlAfs08Bfg4B1o3XO.png" width="14"/>&nbsp;<a href="https://github.com/Tencent/AngelSlim/tree/main"><b>AngelSlim</b></a>
+    🤗&nbsp;<a href="https://huggingface.co/tencent/"><b>HuggingFace</b></a>&nbsp;|&nbsp;
+    🤖&nbsp;<a href="https://modelscope.cn/models/Tencent-Hunyuan/"><b>ModelScope</b></a>&nbsp;|&nbsp;
+    🪡&nbsp;<a href="https://github.com/Tencent/AngelSlim/tree/main"><b>AngelSlim</b></a>
 </p>
 
 <p align="center">
@@ -21,14 +21,15 @@
 </p>
 
 <p align="center">
-    <a href="https://github.com/Tencent-Hunyuan/Hunyuan-7B"><b>GITHUB</b></a> | 
-    <a href="https://cnb.cool/tencent/hunyuan/Hunyuan-7B"><b>cnb.cool</b></a> | 
-    <a href="https://github.com/Tencent-Hunyuan/Hunyuan-7B/blob/main/LICENSE"><b>LICENSE</b></a>
+    <a href="https://github.com/Tencent-Hunyuan/"><b>GITHUB</b></a> |
+    <a href="https://cnb.cool/tencent/hunyuan/"><b>cnb.cool</b></a> |
+    <a href="https://github.com/Tencent-Hunyuan/Hunyuan-7B/blob/main/LICENSE"><b>LICENSE</b></a> |
+    <a href="https://raw.githubusercontent.com/Tencent-Hunyuan/Hunyuan-A13B/main/assets/1751881231452.jpg"><b>WeChat</b></a> |
+    <a href="https://discord.gg/bsPcMEtV7v"><b>Discord</b></a>
 </p>
 
 
 
-
 ## 模型介绍
 
 混元是腾讯开源的高效大语言模型系列，专为多样化计算环境中的灵活部署而设计。从边缘设备到高并发生产系统，这些模型凭借先进的量化支持和超长上下文能力，在各种场景下都能提供最优性能。
@@ -37,7 +38,7 @@
 
 
 ### 核心特性与优势
-- ​**混合推理支持**​：同时支持快思考和慢思考两种模式，支持用户灵活选择 
+- ​**混合推理支持**​：同时支持快思考和慢思考两种模式，支持用户灵活选择
 - ​**超长上下文理解**​：原生支持256K上下文窗口，在长文本任务中保持稳定性能
 - ​**增强Agent能力**​：优化Agent能力，在BFCL-v3、τ-Bench、C3-Bench等智能体基准测试中领先
 - ​**高效推理**​：采用分组查询注意力（GQA）策略，支持多量化格式，实现高效推理
@@ -101,12 +102,12 @@ messages = [
     {"role": "user", "content": "Write a short summary of the benefits of regular exercise"},
 ]
 tokenized_chat = tokenizer.apply_chat_template(
-    messages, 
+    messages,
     tokenize=False
     add_generation_prompt=True,
     enable_thinking=True
 )
-                                                
+
 model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
 model_inputs.pop("token_type_ids", None)
 outputs = model.generate(**model_inputs, max_new_tokens=4096)
@@ -140,7 +141,7 @@ print(f"answer_content:{answer_content}\n\n")
 
 &nbsp;
 
-## 训练数据格式处理 
+## 训练数据格式处理
 
 如果需要微调我们的 Instruct 模型，建议将数据处理成以下格式，分别对应慢思考和快思考的场景。
 
@@ -288,7 +289,7 @@ AWQ使用少量校准数据（无需进行训练）来计算激活值的幅度
 
 &nbsp;
 
-## 推理和部署 
+## 推理和部署
 
 HunyuanLLM可以采用TensorRT-LLM, vLLM或sglang部署。为了简化部署过程HunyuanLLM提供了预构建docker镜像，详见一下章节。
 
@@ -330,7 +331,7 @@ def setup_llm(args):
         free_gpu_memory_fraction=args.kv_cache_fraction,
     )
     spec_config = None
-    
+
     hf_ckpt_path="$your_hunyuan_model_path"
     tokenizer = AutoTokenizer.from_pretrained(hf_ckpt_path, trust_remote_code=True)
     llm = LLM(
@@ -472,13 +473,13 @@ curl -X POST "http://localhost:8000/v1/chat/completions" \
 [hunyuaninfer/hunyuan-a13b:hunyuan-moe-A13B-vllm](https://hub.docker.com/r/hunyuaninfer/hunyuan-a13b/tags) 。您只需要下载模型文件并用下面代码启动docker即可开始推理模型。
 ```shell
 # 下载模型：
-# ModelScope: 
+# ModelScope:
 modelscope download --model Tencent-Hunyuan/Hunyuan-A13B-Instruct
 # Huggingface: vllm 会自动下载
 
 # 拉取
 国内：
-docker pull docker.cnb.cool/tencent/hunyuan/hunyuan-a13b:hunyuan-moe-A13B-vllm 
+docker pull docker.cnb.cool/tencent/hunyuan/hunyuan-a13b:hunyuan-moe-A13B-vllm
 国外：
 docker pull hunyuaninfer/hunyuan-a13b:hunyuan-moe-A13B-vllm
 
@@ -487,7 +488,7 @@ docker run  --privileged --user root  --net=host --ipc=host \
         -v ~/.cache:/root/.cache/ \
         --gpus=all -it --entrypoint python docker.cnb.cool/tencent/hunyuan/hunyuan-a13b:hunyuan-moe-A13B-vllm \
          -m vllm.entrypoints.openai.api_server --host 0.0.0.0 --port 8000 \
-         --tensor-parallel-size 4 --model tencent/Hunyuan-A13B-Instruct --trust-remote-code 
+         --tensor-parallel-size 4 --model tencent/Hunyuan-A13B-Instruct --trust-remote-code
 
 # 使用modelscope下载的模型起服务
 docker run  --privileged --user root  --net=host --ipc=host \
@@ -740,7 +741,7 @@ print(response)
 #### FP8/Int4量化模型部署：
 目前 sglang 的 fp8 和 int4 量化模型正在支持中，敬请期待。
 
-## 交互式Demo Web 
+## 交互式Demo Web
 hunyuan-A13B 现已开放网页demo。访问 https://hunyuan.tencent.com/?model=hunyuan-a13b 即可简单体验我们的模型。