Tencent выпустила Hy3: модель бьет конкурентов в 2-5 раз крупнее себя

Эффективность вместо размера - новый девиз Tencent

Когда все вокруг наращивают параметры до триллионов, Tencent идет против течения. Компания выпустила Hy3 - флагманскую языковую модель серии Hunyuan, которая при 295 млрд общих параметрах активирует одновременно лишь 21 млрд. Это архитектурное решение Mixture-of-Experts, доведенное до логического предела: платишь за маленькую модель, получаешь производительность большой. По крайней мере, именно так утверждает Tencent.

И что примечательно - данные подтверждают эти слова.

Что внутри и как это работает

Hy3 построена на архитектуре MoE (Mixture of Experts), где из общего пула параметров в 295 млрд при обработке каждого токена задействуется только 21 млрд активных, плюс дополнительный MTP-слой на 3.8 млрд. Контекстное окно - 256 000 токенов, что соответствует уровню лучших современных моделей.

Tencent прошла путь от перестройки инфраструктуры предобучения и обучения с подкреплением до публичного релиза менее чем за 90 дней.

Цифры, которые говорят сами за себя

На бенчмарке SWE-bench Verified Hy3 набрала 74.4% - против 53.0% у предыдущего Hy2. Прирост в 40% за одно поколение - это не эволюция, это скачок. Для сравнения: GLM-5 от Zhipu AI показывает 77.8%, Kimi-K2.5 - 76.8%, а Claude Opus 4.6 - 80.8%. Hy3 не дотягивается до лидера, но уже дышит в затылок ближайшим конкурентам.

В слепом тестировании с участием 270 экспертов Hy3 набрала 2.67 из 4, опередив GLM-5.1 с его 2.51. Это именно тот тип оценки, которому я доверяю больше синтетических бенчмарков - живые эксперты, реальные задачи.

Отдельно впечатляет работа с галлюцинациями: уровень снизился с 12.5% до 5.4%. Для агентских сценариев, где модель автономно выполняет цепочки задач, это критически важно.

Кто стоит за моделью

Hy3 - первый флагман, выпущенный под руководством Яо Шуньюя (Yao Shunyu), бывшего исследователя OpenAI, который возглавил разработку фундаментальных моделей в Tencent. Его цитата из официального блога компании лаконична, но показательна: команда стремится "раздвигать границы интеллекта модели" через масштабирование предобучения и RL. Приход человека из OpenAI в китайскую компанию - само по себе сигнал о том, где сейчас формируется передовой фронт разработки.

Практическое применение и доступность

Tencent уже встроила Hy3 в собственную экосистему: WorkBuddy, Yuanbao, WeChat и игровой ассистент для Path of Exile: Advent. Поддержка платформ OpenRouter и Cline запланирована.

Модель опубликована под лицензией Apache 2.0 - то есть полностью открыта для коммерческого использования. Доступна на Hugging Face, ModelScope и GitHub. Есть квантизованная версия FP8 для тех, кто хочет запускать локально с меньшими требованиями к памяти. Цена API через Tencent Cloud: 1.2 юаня за миллион входящих токенов (~$0.18) - агрессивное ценообразование, особенно на фоне западных конкурентов.

Что это значит для рынка

Hy3 - еще одно подтверждение тренда, который я наблюдаю последние полгода: гонка параметров уступает место гонке эффективности. MoE-архитектура позволяет создавать модели, которые дешево стоят в инференсе, но при этом не уступают монолитным гигантам. Именно по этому пути идут Mistral, DeepSeek, теперь и Tencent.

Модель размещена на Hugging Face под Apache 2.0. Локальный запуск FP8-версии реален на серверных конфигурациях с достаточным объемом VRAM - это не история для домашнего GPU.

Главный вопрос, который остается открытым: насколько заявленные бенчмарки отражают реальную производительность в задачах вне тестовых наборов? Независимая проверка от сообщества только началась.

Данная информация подтверждена несколькими независимыми публикациями, включая официальный блог Tencent и материалы специализированных изданий по теме ИИ.