เทนเซ็นต์ เปิดตัวโมเดล AI Hunyuan Hy3: 295B พารามิเตอร์ สถาปัตยกรรม MoE ราคาถูก เน้น Agent

เทนเซ็นต์เปิดตัวโมเดล Hy3 Preview ในวันที่ 22–23 เมษายน 2569 ด้วยน้ำหนักโอเพนซอร์ส และปล่อยรุ่น Hy3 สำหรับการผลิตในวันที่ 6 กรกฎาคม 2569 นับเป็นโมเดลรุ่นที่สามของ Hunyuan และเป็นการเปิดตัวระดับ Frontier ครั้งแรก นำโดย Shunyu Yao อดีตนักวิจัย OpenAI ^DJ

สถาปัตยกรรมและสเปก

• พารามิเตอร์รวม: 295B, Mixture-of-Experts (MoE) โดย 21B active ต่อ token พร้อมชั้น MTP (Multi-Token Prediction) ขนาด 3.8B สำหรับ speculative decoding ^DAF
• โครงสร้าง: 80 ชั้น Transformer, 192 ผู้เชี่ยวชาญแบบกำหนดเส้นทาง (เลือก 8 อันดับแรก) + 1 ผู้เชี่ยวชาญร่วม, GQA 64 หัว KV 8 หัว ^DF
• หน้าต่างบริบท (Context Window): 256K tokens (262,144) ^DTF
• ประเภทสถาปัตยกรรม: ไฮบริด Dense + MoE ^T

ใบอนุญาต

• Tencent Hunyuan Community License — ใบอนุญาตแบบไม่ผูกขาด ปลอดค่าลิขสิทธิ์ ไม่สามารถโอนย้ายได้ อนุญาตให้ใช้ ทำซ้ำ เผยแพร่ และสร้างสรรค์ผลงานดัดแปลงสำหรับ 'อาณาเขต' (รายละเอียดในไฟล์ใบอนุญาต) ^JLF

ราคา

• ราคา API แบบจ่ายตามการใช้งาน: $0.063 ต่อล้าน token ขาเข้า และ $0.210 ต่อล้าน token ขาออก; token ที่แคชไว้ที่ $0.021 ต่อล้าน ^DP
• ในการเปิดตัว OpenRouter เสนอ Hy3 Preview เป็น endpoint ฟรี (ไม่ต้องใช้บัตรเครดิต, ไม่นับ token) ประมาณสองสัปดาห์; ช่วงฟรีนั้นสิ้นสุดแล้ว ^DAC
• Tencent ระบุว่าถือเป็นหนึ่งใน LLM ที่มีความสามารถและราคาถูกที่สุดในโลก ^A

แพลตฟอร์มที่ให้บริการ

• น้ำหนักโอเพนซอร์ส บน GitHub (Tencent-Hunyuan/Hy3-preview) และ Hugging Face ^AF
• API endpoints ผ่าน Tencent Cloud TokenHub และ OpenRouter ^FL
• เฟรมเวิร์กการให้บริการ: vLLM พร้อมสูตรการปรับใช้อย่างเป็นทางการ ^F
• ปรับระดับ การใช้เหตุผล (ปิด, ต่ำ, สูง) เพื่อแลกเปลี่ยนระหว่างความหน่วงกับความลึก ^D

การปรับปรุงประสิทธิภาพ

• อัตราการเกิดภาพหลอน (Hallucination): ลดลง มากกว่าครึ่ง เมื่อเทียบกับ Hy3 Preview ตามการประเมินจาก log จริง ^PTL ในการผสานรวมผู้ช่วยเกมเฉพาะ (Path of Exile) ภาพหลอนลดลงจาก 4.5% เป็น 2.8% ^L
• อัตราข้อผิดพลาดทางความรู้ทั่วไป: ลดลงครึ่งหนึ่งเมื่อเทียบกับรุ่น Preview ^PT
• เกณฑ์มาตรฐาน Agent task:
  • ClawEval pass³: 68.5 — ดีกว่า DeepSeek V4 Pro (62.4) และ Qwen 3.7 Max (65.2) ^P
  • SkillsBench: 55.3 (เพิ่มขึ้นจาก 29.1 ใน Preview) — ยังนำ DeepSeek V4 Pro และ Qwen 3.7 Max ^P
  • BrowseComp: 84.2 — เกือบเทียบเท่า GPT 5.5 (84.4) ^P
  • MathArena Apex: 38.7 (เพิ่มขึ้นจาก 12.8 ใน Preview) ^P
  • SWE-bench Verified: 74.4% ^DD
  • Terminal-Bench 2.0: 54.4% ^D
• ความสามารถหลักของ Agent และการเขียนโค้ด ปรับปรุง 20–30% โดยรวม ^P การทดสอบ Co-design บ่งชี้ว่างาน Agent อย่างน้อย 90% สามารถดำเนินการได้สำเร็จด้วย Hy3 ครอบคลุมการประมวลผลข้อมูล การสร้างเอกสาร รายงานวิจัย การสร้างหน้าเว็บ และสถานการณ์การตัดสินใจในชีวิต ^T
• การทดสอบแบบปกปิดภายใน (วิศวกร Tencent 270 คน กับงานจริง): Hy3 ได้คะแนน 2.67/4 เทียบกับ GLM 5.1 ที่ 2.51/4 ^PT
• การประสานงานแบบ Multi-agent: Marvis (IT Agent ของ Tencent) บรรลุความสำเร็จของงาน 93.7%, การจัดส่งที่ถูกต้อง 92% ใน Agent ที่ทำงานร่วมกัน 6 ตัว ^A

ไทม์ไลน์การพัฒนา

• กุมภาพันธ์ 2569: Tencent ยกเครื่องเฟรมเวิร์ก pre-training และ reinforcement-learning ใหม่ทั้งหมด ^N
• ~6 สัปดาห์ต่อมา: เริ่มฝึกอบรม Hy3 Preview ^N
• 21–23 เมษายน 2569: เปิดตัว Hy3 Preview และโอเพนซอร์สบน GitHub ^AN
• 6 กรกฎาคม 2569: เปิดตัว Hy3 สำหรับการผลิตอย่างเป็นทางการพร้อมการผสานรวมระบบนิเวศเต็มรูปแบบ ^APT

การผสานรวมระบบนิเวศ

• เฟรมเวิร์ก Agent: ผสานรวมกับ OpenClaw, OpenCode และ KiloCode ^F
• ผลิตภัณฑ์ Tencent:
  • Yuanbao (ผู้ช่วย AI ของ Tencent) — เพิ่มความสามารถในการส่งไฟล์; อัตราข้อผิดพลาด常识และอัตราภาพหลอนลดลงมากกว่าครึ่ง ^A
  • ima — ความเสถียรของระบบ Agent ถึง 95.1%; คุณภาพการใช้เหตุผลของ QA ฐานความรู้ดีขึ้นเกือบ 19% ^A
  • Marvis (IT Agent ภายใน) — ความสำเร็จของงานในสถานการณ์หลัก 93.7% ^A
  • CodeBuddy & WorkBuddy — TTFT ลดลง 54%, เวลาตอบสนอง End-to-end ลดลง 47%, อัตราความสำเร็จ >99.99% ^F
  • WeGame / Path of Exile ผู้ช่วย AI — อัตราความสำเร็จของการใช้เหตุผลหลายรอบ + การจัดส่งเครื่องมือ 92%, ภาพหลอนลดลงจาก 4.5% เป็น 2.8% ^L
• WeChat และเกม — AI บล็อกและผู้ช่วยเกมก็ได้รับประโยชน์เช่นกัน ^A

จุดยืนทางการแข่งขันในกลุ่มแล็บ AI โอเพนซอร์สจีน

Hy3 วางตำแหน่งตัวเองเป็นโมเดลที่ เน้นการปฏิบัติจริงและ Agent มากกว่าการแข่งขันด้วยขนาดพารามิเตอร์ล้วนๆ จุดแข่งขันสำคัญ:

• ความแตกต่างด้าน Agent: Tencent มุ่งเป้าไปที่ภาระงาน Agentic และการเขียนโค้ด โดยอ้างว่าเทียบเท่าหรือดีกว่าคู่แข่งรายใหญ่ (เช่น Kimi-K2.5 ที่ 1T+ พารามิเตอร์) ในราคาที่ถูกกว่ามาก ^D ใน ClawEval pass³ และ SkillsBench Hy3 ดีกว่า DeepSeek V4 Pro และ Qwen 3.7 Max ^P
• ความเป็นผู้นำด้านราคา: DeepSeek และ Qwen ขึ้นชื่อเรื่องราคาที่ aggressive เช่นกัน แต่ราคาต่ำกว่า $0.07/1M ของ Hy3 ถือเป็นการแข่งขันที่สูงมาก ^AP
• การใช้เหตุผล STEM: ทำงานได้ดีใน FrontierScience-Olympiad, IMOAnswerBench, ข้อสอบวุฒิปริญญาเอกคณิตศาสตร์ของมหาวิทยาลัยชิงหัว และการแข่งขันชีววิทยาระดับมัธยมปลายของจีน — เทียบเท่ากับโมเดล Frontier ของ DeepSeek และ Qwen ^F
• จุดอ่อน: เกณฑ์มาตรฐานรวมของบุคคลที่สามบางส่วน (เช่น GDPval-AA ของ Artificial Analysis) แสดงให้เห็นว่า Hy3 Preview ตามหลังโมเดลโอเพนเวทอื่นๆ ในงาน Agentic ในโลกแห่งความเป็นจริงบางงาน ^E แม้ว่า Hy3 รุ่นผลิตดูเหมือนจะปิดช่องว่างนั้นไปมากแล้ว
• ตำแหน่งโดยรวมของแล็บ: Tencent เข้าร่วมกับ DeepSeek, Alibaba (Qwen), Zhipu AI (GLM) และ Baidu (ERNIE) ในฐานะแล็บ AI โอเพนซอร์สจีนรายใหญ่ Hy3 ถือเป็นความพยายามที่น่าเชื่อถือที่สุดของ Tencent ในการแข่งขันโอเพนเวทระดับ Frontier โดยเดิมพันที่การประสานงาน Agent และต้นทุนต่ำ มากกว่าขนาดพารามิเตอร์ดิบ