腾讯混元 Hy3 正式发布：295B MoE 架构、256K 上下文、Agent 任务解决率飙升至 90%

许可证

• 腾讯混元社区许可证——非独占、免版税、不可转让的有限许可，允许在指定“领土”内使用、复制、分发和创建衍生作品（详见许可证文件）^JLF。

定价

• 按量付费 API：输入 $0.063/百万 token，输出 $0.210/百万 token；缓存 token 为 $0.021/百万 token ^DP。
• 上线初期，OpenRouter 曾提供 Hy3 Preview 的 完全免费端点（无需信用卡、不计 token），为期约两周；免费期现已结束 ^DAC。
• 腾讯表示，这是全球性价比最高的可商用大语言模型之一 ^A。

可用平台

• 开源权重 已发布至 GitHub（Tencent-Hunyuan/Hy3-preview）和 Hugging Face ^AF。
• API 端点 可通过腾讯云 TokenHub 平台和 OpenRouter 访问 ^FL。
• 推理框架： 支持 vLLM，并提供了官方部署指南 ^F。
• 支持可配置的 推理级别（关闭、低、高），可在延迟与深度之间进行权衡 ^D。

性能提升

• 幻觉率： 基于真实日志评测，较 Hy3 Preview 下降超过 一半 ^PTL。在特定游戏助手（《流放之路》）集成中，幻觉率从 4.5% 降至 2.8% ^L。
• 常识错误率： 较预览版下降一半 ^PT。
• Agent 任务基准测试：
  • ClawEval pass³： 68.5 —— 超越 DeepSeek V4 Pro（62.4）和 Qwen 3.7 Max（65.2）^P。
  • SkillsBench： 55.3（预览版为 29.1）—— 同样领先 DeepSeek V4 Pro 和 Qwen 3.7 Max ^P。
  • BrowseComp： 84.2 —— 几乎与 GPT 5.5（84.4）持平 ^P。
  • MathArena Apex： 38.7（预览版为 12.8）^P。
  • SWE-bench Verified： 74.4% ^DD。
  • Terminal-Bench 2.0： 54.4% ^D。
• Agent 和代码核心能力 整体提升 20-30% ^P。联合设计测试表明，在数据处理、文档生成、研报分析、网页制作、生活决策等场景中，至少 90% 的 Agent 任务 可使用 Hy3 成功执行 ^T。
• 内部盲测（270 位腾讯工程师基于真实工作任务）：Hy3 得分 2.67/4，优于 GLM 5.1 的 2.51/4 ^PT。
• 多 Agent 编排：腾讯 IT 助手 Marvis 任务完成率达 93.7%，6 个协作 Agent 的正确派发率为 92% ^A。

开发时间线

• 2026 年 2 月： 腾讯彻底重建了预训练和强化学习框架 ^N。
• 约 6 周后： Hy3 Preview 训练开始 ^N。
• 2026 年 4 月 21-23 日： Hy3 Preview 发布并开源 ^AN。
• 2026 年 7 月 6 日： 生产级 Hy3 正式发布，集成完整生态系统 ^APT。

生态系统集成

• Agent 框架： 集成 OpenClaw、OpenCode 和 KiloCode ^F。
• 腾讯产品：
  • 元宝（腾讯 AI 助手）—— 新增文件交付能力；常识错误率和幻觉率均下降超过一半 ^A。
  • ima —— Agent 系统稳定性达 95.1%；知识库问答推理质量提升近 19% ^A。
  • Marvis（内部 IT 助手）—— 核心场景任务完成率 93.7% ^A。
  • CodeBuddy & WorkBuddy —— 首 token 响应时间（TTFT）降低 54%，端到端延迟降低 47%，成功率超 99.99% ^F。
  • WeGame / 《流放之路》 AI 助手 —— 多轮推理+工具调度成功率 92%，幻觉率从 4.5% 降至 2.8% ^L。
• 微信 & 游戏： 公众号 AI 分身和游戏助手也从中受益 ^A。

在中国开源 AI 社区中的竞争定位

Hy3 定位为 实用优先、Agent 优先 的模型，而非单纯追求参数量。关键竞争点：

• Agent 差异化： 腾讯明确瞄准代理和编码工作负载，声称能以远低于 Kimi-K2.5（1T+ 参数）等更大模型的成本，在 Agent 基准上与之匹敌 ^D。在 ClawEval pass³ 和 SkillsBench 上，Hy3 的表现优于 DeepSeek V4 Pro 和 Qwen 3.7 Max ^P。
• 定价领先： DeepSeek 和 Qwen 也以激进定价著称，但 Hy3 低于 $0.07/百万输入的价格极具竞争力 ^AP。
• STEM 推理： 在 FrontierScience-Olympiad、IMOAnswerBench、清华大学数学博士资格考试、全国高中生物联赛等项目中表现强劲，与 DeepSeek 和 Qwen 的前沿模型相当 ^F。
• 不足之处： 部分第三方综合基准（如 Artificial Analysis 的 GDPval-AA）显示，Hy3 Preview 在某些真实世界代理工作任务上落后于同级别开源模型 ^E，但生产版 Hy3 似乎已大幅缩小了这一差距。
• 总体定位： 腾讯与 DeepSeek、阿里（Qwen）、智谱 AI（GLM）和百度（ERNIE）并列，成为中国主要开源 AI 实验室之一。Hy3 是腾讯迄今为止最有力地进入“前沿开源”竞赛的作品，押注于 Agent 编排和低成本，而非纯粹的参数规模。