Tencent Hunyuan Hy3: Specifikationer, pris, benchmarks og alt, du behøver at vide

Tencent lancerede Hy3 Preview med åbne vægte den 22.–23. april 2026 og efterfølgende produktionsversionen Hy3 den 6. juli 2026. Det er tredje generation af Hunyuan-modellen, Tencent’s første frontier-klasse udgivelse, ledet af tidligere OpenAI-forsker Shunyu Yao ^DG.

Arkitektur og specifikationer

• Samlede parametre: 295 mia., Mixture-of-Experts (MoE) med 21 mia. aktive pr. token, plus et 3,8 mia. MTP-lag (Multi-Token Prediction) til spekulativ dekodning ^DFT.
• Opbygning: 80 transformerlag, 192 routede eksperter (top-8) + 1 delt ekspert, GQA med 64 hoveder fordelt på 8 KV-hoveder ^DT.
• Kontekstvindue: 256K tokens (262.144) ^D1T.
• Arkitekturtype: Dense + MoE hybrid ¹.

Licens

Modellen er udgivet under Tencent Hunyuan Community License – en ikke-eksklusiv, royaltyfri, ikke-overførbar begrænset licens, der tillader brug, reproduktion, distribution og afledte værker inden for det definerede ”Territory” (se licensfilen) ^GFL.

Priser

• Pay-as-you-go API-pris: $0,063 pr. million input-tokens og $0,210 pr. million output-tokens; cached tokens til $0,021 pr. million ^DN.
• Ved lanceringen tilbød OpenRouter Hy3 Preview som et helt gratis endpoint (intet kreditkort, ingen token-måling) i cirka to uger; den gratis periode er nu slut ^DFY.
• Tencent anser dette for at være blandt de billigste kapable LLM’er globalt ^F.

Tilgængelighedsplatforme

• Åbne vægte på GitHub (Tencent-Hunyuan/Hy3-preview) og Hugging Face ^FT.
• API-endpoints via Tencent Cloud’s TokenHub-platform og OpenRouter ^T1.
• Serving frameworks: vLLM med officielle deployments-opskrifter ^T.
• Konfigurerbare reasoning-niveauer (deaktiveret, lav, høj), så man kan afveje latenstid mod dybde ^D.

Præstationsforbedringer

• Hallucinationsrate: Mere end halveret sammenlignet med Hy3 Preview, baseret på evalueringer af rigtige logs ^N1F. I en specifik spilassistent-integration (Path of Exile) faldt hallucinationen fra 4,5 % til 2,8 % ¹.
• Generel fejlrate for viden: Halveret i forhold til Preview ^N1.
• Agent-benchmarks:
  • ClawEval pass³: 68,5 – slår DeepSeek V4 Pro (62,4) og Qwen 3.7 Max (65,2) ^N.
  • SkillsBench: 55,3 (op fra 29,1 i Preview) – fører også an foran DeepSeek V4 Pro og Qwen 3.7 Max ^N.
  • BrowseComp: 84,2 – næsten på niveau med GPT 5.5 (84,4) ^N.
  • MathArena Apex: 38,7 (op fra 12,8 i Preview) ^N.
  • SWE-bench Verified: 74,4 % ^DD.
  • Terminal-Bench 2.0: 54,4 % ^D.
• Agent- og kodningsegenskaber forbedret 20–30 % samlet set ^N. Co-design-test viser, at ≥90 % af agentopgaver kan udføres succesfuldt med Hy3 på tværs af databehandling, dokumentgenerering, rapporter, websideoprettelse og livsbeslutningsscenarier ¹.
• Intern blindtest (270 Tencent-ingeniører på rigtige arbejdsopgaver): Hy3 scorede 2,67/4 vs. GLM 5.1’s 2,51/4 ^N1.
• Multi-agent-orchestrering: Marvis (Tencent’s IT-agent) nåede 93,7 % opgavefuldførelse, 92 % korrekt fordeling på tværs af 6 samarbejdende agenter ^F.

Udviklingstidslinje

• Februar 2026: Tencent overhalede sine pre-training- og reinforcement-learning-rammer fra bunden ^Q.
• ~6 uger senere: Træningen af Hy3 Preview begyndte ^Q.
• 21.–23. april 2026: Hy3 Preview blev udgivet og open-sourcet på GitHub ^FQ.
• 6. juli 2026: Produktionsversionen af Hy3 blev officielt lanceret med fuld integration i økosystemet ^FN1.

Integrationer i økosystemet

• Agent-rammer: Integration med OpenClaw, OpenCode og KiloCode ^T.
• Tencent-produkter:
  • Yuanbao (Tencent’s AI-assistent) – fik filafleveringsfunktion; fejl- og hallucinationsrater faldt med over det halve ^F.
  • ima – Agent-systemets stabilitet nåede 95,1 %; kvaliteten af vidensbase-spørgsmål-svar-forbedring steg næsten 19 % ^F.
  • Marvis (intern IT-agent) – opgavefuldførelse i kernescenarier på 93,7 % ^F.
  • CodeBuddy & WorkBuddy – 54 % lavere TTFT, 47 % lavere end-to-end-latenstid, >99,99 % succesrate ^T.
  • WeGame / Path of Exile AI-assistent – flertrinsræsonnement + værktøjsfordelingssuccesrate på 92 %, hallucinationen faldt fra 4,5 % til 2,8 % ¹.
• WeChat & gaming – Blog-AI og spilassistenter nyder også godt af det ^F.

Konkurrenceposition blandt kinesiske open-source AI-laboratorier

Hy3 positionerer sig som en praktisk, agent-først model snarere end et rent parameterstørrelsesspil. Vigtige konkurrencepunkter:

• Agentsdifferentiering: Tencent målretter eksplicit agent- og kodearbejdsbelastninger, hvor den hævder at matche eller slå større rivaler (f.eks. Kimi-K2.5 på 1T+ parametre) til en brøkdel af prisen ^D. På ClawEval pass³ og SkillsBench overgår Hy3 DeepSeek V4 Pro og Qwen 3.7 Max ^N.
• Prissætningslederskab: DeepSeek og Qwen er også kendt for aggressiv prissætning, men Hy3’s under $0,07/1M input er blandt de mest konkurrencedygtige ^FN.
• STEM-ræsonnement: Stærk på FrontierScience-Olympiad, IMOAnswerBench, Tsinghua’s matematik-ph.d.-kvalifikationseksamen og China High School Biology Olympiad – sammenlignelig med DeepSeek og Qwens frontlinjemodeller ^T.
• Svaghed: Nogle tredjeparts samlede benchmarks (f.eks. Artificial Analysis GDPval-AA) viser Hy3 Preview bagefter open-weight-kolleger på visse virkelige agentopgaver ^E, selvom produktions-Hy3 tilsyneladende har lukket meget af det hul.
• Samlet laboratoriepositionering: Tencent slutter sig til DeepSeek, Alibaba (Qwen), Zhipu AI (GLM) og Baidu (ERNIE) som et stort kinesisk open-source AI-laboratorium. Hy3 er Tencent’s mest troværdige indtog i kapløbet om ”frontier open-weight” hidtil, med et væddemål på agentorchestrering og lave omkostninger frem for rå parameterskala.