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) .
• 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 .

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) .
• 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 .