Tencent svela Hy3, il modello Hunyuan di terza generazione: parametri, licenza, prestazioni e prezzi

Licenza

• Tencent Hunyuan Community License — una licenza limitata non esclusiva, royalty-free e non trasferibile che consente l'uso, la riproduzione, la distribuzione e la creazione di opere derivate per il "Territorio" (i dettagli sono nel file della licenza) ^JLF.

Prezzi

• Prezzi API a consumo: 0,063 dollari per milione di token in input e 0,210 dollari per milione di token in output; token in cache a 0,021 dollari per milione ^DP.
• Al lancio, OpenRouter ha offerto Hy3 Preview come endpoint completamente gratuito (nessuna carta di credito, nessun conteggio token) per circa due settimane; quel periodo gratuito è poi terminato ^DAC.
• Tencent considera questo modello tra i LLM (Large Language Model) più economici al mondo ^A.

Piattaforme di disponibilità

• Pesi open-source su GitHub (Tencent-Hunyuan/Hy3-preview) e Hugging Face ^AF.
• Endpoint API tramite la piattaforma TokenHub di Tencent Cloud e OpenRouter^FL.
• Framework di servizio: vLLM, con ricette di deployment ufficiali ^F.
• Livelli di ragionamento configurabili (disabilitato, basso, alto) per bilanciare latenza e profondità ^D.

Miglioramenti delle prestazioni

• Tasso di allucinazione: Più che dimezzato rispetto a Hy3 Preview, sulla base di valutazioni su log reali ^PTL. In un'integrazione specifica per un assistente di gioco (Path of Exile), l'allucinazione è scesa dal 4,5% al 2,8% ^L.
• Tasso di errore di conoscenza generale: Dimezzato rispetto a Preview ^PT.
• Benchmark su attività agente (Agent task):
  • ClawEval pass³: 68,5 — supera DeepSeek V4 Pro (62,4) e Qwen 3.7 Max (65,2) ^P.
  • SkillsBench: 55,3 (in aumento rispetto a 29,1 in Preview) — supera anche DeepSeek V4 Pro e Qwen 3.7 Max ^P.
  • BrowseComp: 84,2 — quasi alla pari con GPT 5.5 (84,4) ^P.
  • MathArena Apex: 38,7 (in aumento rispetto a 12,8 in Preview) ^P.
  • SWE-bench Verified: 74,4% ^D.
• Capacità core per agenti e coding migliorate complessivamente del 20-30% ^P. I test di co-design indicano che almeno il 90% delle attività agente può essere eseguito con successo con Hy3 in ambiti come elaborazione dati, generazione documenti, report di ricerca, creazione di pagine web e scenari decisionali di vita quotidiana ^T.
• Test interno alla cieca (270 ingegneri Tencent su compiti di lavoro reali): Hy3 ha ottenuto 2,67/4 contro 2,51/4 di GLM 5.1 ^PT.
• Orchestrazione multi-agente: Marvis (l'agente IT di Tencent) ha raggiunto il 93,7% di completamento delle attività, con un instradamento corretto del 92% tra 6 agenti collaboranti ^A.

Cronologia dello sviluppo

• Febbraio 2026: Tencent ha completamente rinnovato i propri framework di pre-training e reinforcement learning ^N.
• ~6 settimane dopo: è iniziato l'addestramento di Hy3 Preview ^N.
• 21–23 aprile 2026: Hy3 Preview è stato rilasciato e reso open-source su GitHub ^AN.
• 6 luglio 2026: il Hy3 finale è stato lanciato ufficialmente con piena integrazione nell'ecosistema ^APT.

Integrazioni nell'ecosistema

• Framework per agenti: Si integra con OpenClaw, OpenCode e KiloCode ^F.
• Prodotti Tencent:
  • Yuanbao (l'assistente AI di Tencent) — ha acquisito la capacità di consegna file; il tasso di errore di buon senso e il tasso di allucinazione sono entrambi diminuiti di oltre la metà ^A.
  • ima — la stabilità del sistema agente ha raggiunto il 95,1%; la qualità del ragionamento del knowledge-base QA è migliorata di quasi il 19% ^A.
  • Marvis (agente IT interno) — completamento delle attività in scenari core al 93,7% ^A.
  • CodeBuddy & WorkBuddy — TTFT (Time To First Token) ridotto del 54%, latenza end-to-end ridotta del 47%, tasso di successo superiore al 99,99% ^F.
  • WeGame / Path of Exile assistente AI — successo di ragionamento multi-turno e dispacciamento strumenti al 92%, allucinazione scesa dal 4,5% al 2,8% ^L.
• WeChat e gaming — Anche l'AI dei blog e gli assistenti di gioco ne traggono beneficio ^A.

Posizionamento competitivo tra i laboratori AI open-source cinesi

Hy3 si posiziona come un modello pratico e incentrato sugli agenti piuttosto che una semplice gara di dimensioni dei parametri. Punti chiave:

• Differenziazione sugli agenti: Tencent punta esplicitamente a carichi di lavoro agentici e di coding dove sostiene di eguagliare o battere rivali più grandi (es. Kimi-K2.5 con oltre 1 trilione di parametri) a una frazione del costo ^D. Su ClawEval pass³ e SkillsBench, Hy3 supera DeepSeek V4 Pro e Qwen 3.7 Max ^P.
• Leadership di prezzo: DeepSeek e Qwen sono noti per prezzi aggressivi, ma i meno di 0,07 dollari per milione di token in input di Hy3 sono tra i più competitivi ^AP.
• Ragionamento STEM: Buoni risultati su FrontierScience-Olympiad, IMOAnswerBench, esame di qualificazione al dottorato in matematica della Tsinghua e Olimpiadi di Biologia delle Scuole Superiori Cinesi — paragonabili ai modelli di frontiera di DeepSeek e Qwen ^F.
• Punto debole: Alcuni benchmark aggregati di terze parti (es. Artificial Analysis GDPval-AA) mostrano Hy3 Preview in ritardo rispetto ai pari con pesi aperti in alcuni compiti agentici del mondo reale ^E, anche se la versione finale Hy3 sembra aver ridotto notevolmente questo divario.
• Posizionamento complessivo del laboratorio: Tencent si unisce a DeepSeek, Alibaba (Qwen), Zhipu AI (GLM) e Baidu (ERNIE) come uno dei principali laboratori AI open-source cinesi. Hy3 è il tentativo più credibile di Tencent di entrare nella corsa dei "modelli a pesi aperti di frontiera", scommettendo sull'orchestrazione di agenti e sui bassi costi piuttosto che sulla scala grezza dei parametri.