Tencent Hunyuan Hy3: chiński model AI, który konkuruje z najlepszymi za ułamek ceny

Tencent uruchomił Hy3 Preview w dniach 22–23 kwietnia 2026 z otwartymi wagami, a produkcyjną wersję Hy3 wydał 6 lipca 2026. To trzecia generacja modelu Hunyuan, pierwszy model na poziomie frontier, nad którym prace kierował były badacz OpenAI, Shunyu Yao ^DJ.

Architektura i specyfikacja

• Łączna liczba parametrów: 295B, Mixture-of-Experts (MoE) z 21B aktywnymi na token, plus warstwa MTP (Multi-Token Prediction) o wielkości 3,8B dla dekodowania spekulacyjnego ^DAF.
• Struktura: 80 warstw transformera, 192 ekspertów rutowanych (top-8) + 1 ekspert współdzielony, GQA z 64 głowami i 8 głowami KV ^DF.
• Okno kontekstu: 256 tys. tokenów (262 144) ^DTF.
• Typ architektury: Hybryda dense + MoE ^T.

Licencja

• Tencent Hunyuan Community License – niewyłączna, nieodpłatna, niezbywalna licencja ograniczona, zezwalająca na użycie, reprodukcję, dystrybucję i tworzenie dzieł pochodnych na „Terytorium” (szczegóły w pliku licencji) ^JLF.

Ceny

• Ceny API w modelu pay-as-you-go: 0,063 USD za milion tokenów wejściowych i 0,210 USD za milion tokenów wyjściowych; tokeny z cache’a – 0,021 USD za milion ^DP.
• Na starcie OpenRouter oferował Hy3 Preview jako całkowicie darmowy endpoint (bez karty kredytowej, bez limitowania tokenów) przez około dwa tygodnie; ten okres bezpłatny już się zakończył ^DAC.
• Tencent uważa to za jeden z najtańszych wydajnych modeli LLM na świecie ^A.

Platformy dostępności

• Otwarte wagi na GitHub (Tencent-Hunyuan/Hy3-preview) i Hugging Face ^AF.
• Endpointy API poprzez platformę TokenHub od Tencent Cloud oraz OpenRouter ^FL.
• Frameworki serwujące: vLLM, z oficjalnymi przepisami wdrożeniowymi ^F.
• Konfigurowalne poziomy wnioskowania (wyłączony, niski, wysoki) umożliwiające kompromis między opóźnieniem a głębokością ^D.

Ulepszenia wydajności

• Współczynnik halucynacji: Spadł o ponad połowę w porównaniu z Hy3 Preview, na podstawie ewaluacji na rzeczywistych logach ^PTL. W konkretnej integracji asystenta gry (Path of Exile) halucynacje spadły z 4,5% do 2,8% ^L.
• Współczynnik błędów ogólnej wiedzy: Zmniejszony o połowę względem wersji Preview ^PT.
• Benchmarki zadań agentowych:
  • ClawEval pass³: 68,5 – przewyższa DeepSeek V4 Pro (62,4) i Qwen 3.7 Max (65,2) ^P.
  • SkillsBench: 55,3 (wzrost z 29,1 w Preview) – również przewyższa DeepSeek V4 Pro i Qwen 3.7 Max ^P.
  • BrowseComp: 84,2 – prawie zrównuje się z GPT 5.5 (84,4) ^P.
  • MathArena Apex: 38,7 (wzrost z 12,8 w Preview) ^P.
  • SWE-bench Verified: 74,4% ^DD.
  • Terminal-Bench 2.0: 54,4% ^D.
• Kluczowe zdolności agentowe i programistyczne poprawiły się ogólnie o 20–30% ^P. Testy ko-projektowe wskazują, że ≥90% zadań agentowych można z powodzeniem wykonać przy użyciu Hy3 w obszarach takich jak przetwarzanie danych, generowanie dokumentów, raporty badawcze, tworzenie stron internetowych i decyzje życiowe ^T.
• Wewnętrzny test ślepy (270 inżynierów Tencenta nad rzeczywistymi zadaniami): Hy3 uzyskał 2,67/4 wobec 2,51/4 dla GLM 5.1 ^PT.
• Orkiestracja multi-agent: Marvis (agent IT Tencenta) osiągnął 93,7% realizacji zadań, 92% poprawnego kierowania zadań między 6 współpracującymi agentami ^A.

Harmonogram rozwoju

• Luty 2026: Tencent gruntownie przebudował swoje frameworki do pre-treningu i uczenia przez wzmocnienie ^N.
• ~6 tygodni później: Rozpoczęto trening Hy3 Preview ^N.
• 21–23 kwietnia 2026: Hy3 Preview wydany i udostępniony jako open source na GitHub ^AN.
• 6 lipca 2026: Produkcyjna wersja Hy3 oficjalnie uruchomiona z pełną integracją ekosystemową ^APT.

Integracje ekosystemowe

• Frameworki agentowe: Integracja z OpenClaw, OpenCode i KiloCode ^F.
• Produkty Tencenta:
  • Yuanbao (asystent AI Tencenta) – zyskał możliwość dostarczania plików; wskaźnik błędów ogólnych i halucynacji spadł o ponad połowę ^A.
  • ima – stabilność systemu agentowego osiągnęła 95,1%; jakość wnioskowania w bazie wiedzy poprawiła się o prawie 19% ^A.
  • Marvis (wewnętrzny agent IT) – realizacja zadań w kluczowych scenariuszach na poziomie 93,7% ^A.
  • CodeBuddy i WorkBuddy – o 54% niższy TTFT, o 47% niższe opóźnienie end-to-end, wskaźnik sukcesu >99,99% ^F.
  • WeGame / Path of Exile – asystent AI z wnioskowaniem wieloetapowym i kierowaniem narzędziami – wskaźnik sukcesu 92%, halucynacje spadły z 4,5% do 2,8% ^L.
• WeChat i gry – Blog AI i asystenci gier również korzystają z modelu ^A.

Pozycja konkurencyjna wśród chińskich laboratoriów AI typu open source

Hy3 pozycjonuje się jako praktyczny, agent-first model, a nie czysta gra na liczbę parametrów. Kluczowe punkty konkurencyjne:

• Różnicowanie agentowe: Tencent celuje w zadania agentowe i programistyczne, gdzie twierdzi, że dorównuje lub przewyższa większych rywali (np. Kimi-K2.5 z 1T+ parametrów) przy ułamku kosztów ^D. W ClawEval pass³ i SkillsBench Hy3 przewyższa DeepSeek V4 Pro i Qwen 3.7 Max ^P.
• Przywództwo cenowe: DeepSeek i Qwen również znane są z agresywnych cen, ale Hy3 z ceną poniżej 0,07 USD/1M wejściowych jest jednym z najbardziej konkurencyjnych ^AP.
• Wnioskowanie STEM: Silny w FrontierScience-Olympiad, IMOAnswerBench, egzaminie kwalifikacyjnym z matematyki na Tsinghua i Olimpiadzie Biologicznej w Chinach – porównywalny z modelami frontier DeepSeek i Qwen ^F.
• Słabość: Niektóre zagregowane benchmarki stron trzecich (np. Artificial Analysis GDPval-AA) pokazują, że Hy3 Preview pozostaje w tyle za rówieśnikami open-weight w niektórych rzeczywistych zadaniach agentowych ^E, choć produkcyjna wersja Hy3 najwyraźniej znacząco zniwelowała tę różnicę.
• Ogólne pozycjonowanie laboratorium: Tencent dołącza do DeepSeek, Alibaba (Qwen), Zhipu AI (GLM) i Baidu (ERNIE) jako główne chińskie laboratorium AI typu open source. Hy3 to najbardziej wiarygodne wejście Tencenta w wyścig „frontier open-weight”, stawiające na orkiestrację agentów i niski koszt, a nie surową skalę parametrów.