Hy3 er en Mixture-of-Experts (MoE)-modell med 192 eksperter og top-8-ruting . Nøkkeldetaljer fra den offisielle Hugging Face-modellkortet og Tencents kunngjøring :
| Spesifikasjon | Verdi |
|---|---|
| Totale parametere | 295 milliarder |
| Aktive parametere per token | 21 milliarder |
| MTP-lagsparametere | 3,8 milliarder |
| Antall lag | 80 transformatorlag + 1 Multi-Token Prediction-lag |
| Oppmerksomhetshoder | 64 |
| Kontekstvindu | 256K tokens (262 144) |
| Arkitektur | Tett oppmerksomhet, sparsom FFN MoE |
Modellen støtter konfigurerbare resonneringsmoduser: en direkte "no-think"-modus samt lav og høy tankekjede-modus for komplekse oppgaver . Tencent beskriver den som en "hybrid rask-og-langsom-tenkende modell" .
I løpet av den første uken vokste Hy3s totale API-kallvolum med mer enn 68 ganger sammenlignet med Hy2, den forrige generasjonsmodellen . En kinesisk rapport fra Sina Finance bemerker at Hy3s vekstbane "fortsatte den oppadgående trenden til Hy3 preview-versjonen, men med en brattere helning" .
Eksakte totale tokenvolum utover de ukentlige OpenRouter-tallene ble ikke publisert i de gjennomgåtte kildene, men etterspørselssjokket var dramatisk nok til å overbelaste Tencents datakraft. 8. juli (to dager etter lansering) nådde WorkBuddys inferanseforbruk av datakraft sitt høydepunkt, med ettermiddags kørat på over 50 % . Tencent måtte raskt tildele ekstra datakraft, og kunngjorde at tjenesten var gjenopprettet morgenen 9. juli .
Hy3 Preview hadde allerede akkumulert 7,7 billioner tokens på OpenRouter mellom 23. april og 12. mai, ifølge Tencents Q1 2026-resultatrapport .
Hy3 er utgitt under Apache 2.0-lisensen med ingen geografiske begrensninger . De fullstendige modellvektene er tilgjengelige på Hugging Face på tencent/Hy3 .
Hy3 er tatt i bruk på tvers av flere Tencent-produkter :
Tencents strategi med Hy3 er tydelig: agenter fremfor modellstørrelse. Som Forbes bemerket i dekningen av lanseringen, satser Tencent på at en effektivt aktivert MoE-modell (21B aktive av 295B totale) til en dramatisk lavere kostnad kan konkurrere med mye større tette modeller . Sentrale benchmarks som er sitert:
| Benchmark | Hy3-poengsum |
|---|---|
| SWE-bench Verified | 74,4 % (Preview) |
| BrowseComp | 84,2 (beste åpne vekt for søkeagent) |
| DeepSearchQA | 91,0 |
| MCP-Atlas | 79,1 (beste åpne vekt for verktøysorkestrering) |
| AA-LCR (langkonteksthenting) | 73,4 |
Hy3 Preview ble lansert 23. april 2026 som den første modellen bygget på Tencents fullstendig gjenoppbygde forhåndstreningsinfrastruktur . Den ble beskrevet som den "første modellen trent på Tencents gjenoppbygde infrastruktur" og leverte betydelige forbedringer sammenlignet med Hy2 i kompleks resonnering, instruksjonsfølging, kontekstlæring, kodegenerering og agentkapasiteter . Preview-versjonen holdt OpenRusters topplassering i tre uker , og den fulle lanseringen forsterket momentumet, med totale kall som vokste 68 ganger sammenlignet med Hy2, mot en allerede sterk vekstrate for Preview . Mellom Preview og GA foredlet Tencents team modellen gjennom global tilbakemelding fra utviklere og på tvers av sitt eget massive produktøkosystem, med målbare forbedringer: hallusinasjoner falt fra 12,5 % til 5,4 % og sunn fornuft-resonneringsfeil falt fra 25,4 % til 12,7 % .
Hovedpoeng: I løpet av sine første ~10 dager oppnådde Hy3 68 ganger vekst i kallvolum sammenlignet med Hy2, ble #1-modellen målt i kallvolum på OpenRouter, overveldet Tencents egen datakraft på grunn av etterspørselen, fanget 60 % av WorkBuddys egne modellbrukere, og demonstrerte forbedringer i bedriftens agentegenskaper (90 % oppgavesuksessrate, 34 % raskere utførelse). Dette bygger direkte på momentumet til Hy3 Preview, som allerede hadde dominert OpenRouter-rangeringene siden slutten av april.