Tencent bringt KI-Modell Hunyuan Hy3: Günstig, offen und auf Agenten getrimmt

Tencent hat das Hy3 Preview genannte Modell am 22. bis 23. April 2026 mit offenen Gewichten veröffentlicht und anschließend die Produktionsversion Hy3 am 6. Juli 2026 herausgebracht. Es ist die dritte Generation der Hunyuan-Modellfamilie, Tencents erster Vorstoß in die Spitzenklasse und wurde unter der Leitung des ehemaligen OpenAI-Forschers Shunyu Yao entwickelt .

Architektur & technische Daten

• Parameteranzahl: 295 Milliarden insgesamt, Mixture-of-Experts (MoE) mit 21 Milliarden aktiven Parametern pro Token, plus einer 3,8 Milliarden Token großen MTP-Schicht (Multi-Token Prediction) für spekulative Dekodierung .
• Struktur: 80 Transformer-Schichten, 192 geroutete Experten (Top-8) plus 1 gemeinsamer Experte, GQA mit 64 Heads über 8 KV-Heads .
• Kontextfenster: 256.000 Tokens (262.144) .
• Architekturtyp: Dichte + MoE-Hybrid .

Lizenz

• Tencent Hunyuan Community License – eine nicht-exklusive, gebührenfreie, nicht übertragbare Lizenz, die Nutzung, Vervielfältigung, Verbreitung und abgeleitete Werke innerhalb des „Territoriums“ (Details in der Lizenzdatei) erlaubt .

Preisgestaltung

• Pay-as-you-go-API-Preise: 0,063 US-Dollar pro Million Input-Tokens und 0,210 US-Dollar pro Million Output-Tokens; gecachte Tokens zu 0,021 US-Dollar pro Million .
• Zum Launch bot OpenRouter Hy3 Preview für etwa zwei Wochen als kostenlosen Endpunkt an – ohne Kreditkarte oder Token-Messung. Diese Gratisphase ist inzwischen beendet .
• Tencent selbst bezeichnet die Preise als unter den günstigsten für leistungsfähige LLMs weltweit .

Verfügbarkeit & Plattformen

• Open-Weight-Veröffentlichung auf GitHub (Tencent-Hunyuan/Hy3-preview) und Hugging Face .
• API-Endpunkte über Tencent Clouds TokenHub-Plattform und OpenRouter.
• Serving-Frameworks: vLLM, mit offiziellen Deployment-Rezepten .
• Konfigurierbare Reasoning-Levels (deaktiviert, niedrig, hoch) zur Abwägung von Latenz gegen Tiefe .

Leistungsverbesserungen

• Halluzinationsrate: Mehr als halbiert im Vergleich zur Hy3 Preview, basierend auf Echtlog-Auswertungen . In einer spezifischen Integration als Game-Assistent (Path of Exile) sank die Halluzinationsrate von 4,5 % auf 2,8 % .
• Allgemeine Fehlerrate: Halbiert gegenüber der Preview .
• Agenten-Aufgaben-Benchmarks:
  • ClawEval pass³: 68,5 – schlägt DeepSeek V4 Pro (62,4) und Qwen 3.7 Max (65,2) .
  • SkillsBench: 55,3 (von 29,1 in der Preview) – ebenfalls führend vor DeepSeek V4 Pro und Qwen 3.7 Max .
  • BrowseComp: 84,2 – fast gleichauf mit GPT 5.5 (84,4) .
  • MathArena Apex: 38,7 (von 12,8 in der Preview) .
  • SWE-bench Verified: 74,4 % .
  • Terminal-Bench 2.0: 54,4 % .
• Agenten- & Code-Kernfähigkeiten insgesamt um 20–30 % verbessert . Co-Design-Tests zeigen, dass mindestens 90 % der Agentenaufgaben mit Hy3 erfolgreich ausgeführt werden können – in Bereichen wie Datenverarbeitung, Dokumentenerstellung, Rechercheberichte, Webseitenerstellung und Lebensentscheidungen .
• Interner Blindtest (270 Tencent-Ingenieure bei realen Arbeitsaufgaben): Hy3 erreichte 2,67/4 Punkte gegenüber 2,51/4 für GLM 5.1 .
• Multi-Agenten-Orchestrierung: Marvis (Tencents interner IT-Agent) erreichte 93,7 % Aufgabenerfüllung, 92 % korrekte Verteilung auf 6 zusammenarbeitende Agenten .

Wettbewerbspositionierung unter chinesischen Open-Source-KI-Labors

Hy3 positioniert sich als praktisches, agentenorientiertes Modell und nicht als reines Parameter-Stärke-Spiel. Wichtige Wettbewerbspunkte:

• Agenten-Differenzierung: Tencent zielt explizit auf agentische und Codier-Workloads ab, bei denen es nach eigenen Angaben größere Rivalen wie Kimi-K2.5 (1 Billion+ Parameter) zu einem Bruchteil der Kosten übertrifft .
• Preisführerschaft: DeepSeek und Qwen sind zwar auch für aggressive Preise bekannt, aber mit unter 0,07 US-Dollar pro Million Input-Tokens gehört Hy3 zu den günstigsten Modellen .
• MINT-Denken: Starke Leistung in Benchmarks wie FrontierScience-Olympiad, IMOAnswerBench, der Mathematik-Promotionsprüfung der Tsinghua-Universität und der Chinesischen Biologie-Olympiade für Oberstufenschüler .
• Schwäche: Einige Drittanbieter-Benchmarks (z. B. Artificial Analysis GDPval-AA) zeigten, dass die Hy3 Preview bei bestimmten realen agentischen Aufgaben hinter Open-Weight-Konkurrenten zurückblieb . Die Produktionsversion Hy3 scheint diese Lücke jedoch weitgehend geschlossen zu haben.
• Gesamtpositionierung: Tencent reiht sich neben DeepSeek, Alibaba (Qwen), Zhipu AI (GLM) und Baidu (ERNIE) in die Reihe der großen chinesischen Open-Source-KI-Labors ein. Hy3 ist Tencents glaubwürdigster Einstieg in das Rennen um „Frontier“-Open-Weight-Modelle – mit dem Fokus auf Agenten-Orchestrierung und niedrigen Kosten statt auf rohe Parameterzahl.

Entwicklungszeitplan

• Februar 2026: Tencent erneuerte seine Pre-Training- und Reinforcement-Learning-Frameworks grundlegend .
• Rund 6 Wochen später: Beginn des Trainings von Hy3 Preview .
• 21. bis 23. April 2026: Hy3 Preview veröffentlicht und auf GitHub als Open Source bereitgestellt .
• 6. Juli 2026: Offizieller Launch des endgültigen Hy3 mit vollständiger Ökosystem-Integration .

Ökosystem-Integrationen

• Agenten-Frameworks: Integration mit OpenClaw, OpenCode und KiloCode .
• Tencent-Produkte:
  • Yuanbao (Tencents KI-Assistent) – erhielt Dateiübermittlungsfunktion; Allgemeinwissen-Fehlerrate und Halluzinationsrate sanken beide um mehr als die Hälfte .
  • ima – Agentensystem-Stabilität erreichte 95,1 %; die Antwortqualität bei Wissensdatenbank-Fragen verbesserte sich um fast 19 % .
  • Marvis (interner IT-Agent) – Aufgabenerfüllung in Kernbereichen bei 93,7 % .
  • CodeBuddy & WorkBuddy – 54 % niedrigere Zeit bis zum ersten Token (TTFT), 47 % niedrigere End-to-End-Latenz, Erfolgsrate über 99,99 % .
  • WeGame / Path of Exile KI-Assistent – Erfolgsrate bei mehrschrittigem Denken und Werkzeugnutzung bei 92 %, Halluzinationsrate von 4,5 % auf 2,8 % gesenkt .
• WeChat & Spiele – Blog-KI und Spiel-Assistenten profitieren ebenfalls .