Tencent: Hy3

Tencent : Hy3 est un modèle texte créé par Tencent. C'est un modèle Mixture-of-Experts avec 295 milliards de paramètres au total, dont 21 milliards sont actifs à tout moment, répartis sur 192 experts avec un routage top-8. Tencent l'a conçu pour le raisonnement, les workflows agentiques et l'usage en production réelle. La date de publication par le fournisseur est le 2026-07-06.

Le modèle fonctionne avec une entrée texte et produit une sortie texte. Il dispose d'une fenêtre de contexte de 262 144 tokens et peut générer jusqu'à 128 000 tokens en une seule réponse, de sorte que les documents longs, les conversations étendues et les sorties d'outils volumineuses tiennent dans une seule requête. Une capacité notable est l'effort de raisonnement configurable, qui vous permet de décider combien de raisonnement interne le modèle effectue avant de répondre.

Ces capacités ouvrent quelques usages pratiques. Le grand contexte convient à l'analyse de documents longs, de bases de code ou de transcriptions en une seule passe. La prise en charge du raisonnement convient aux tâches nécessitant une résolution de problème étape par étape, comme les calculs à plusieurs étapes, la planification ou le débogage. L'appel d'outils et les sorties structurées en font un choix raisonnable pour les workflows agentiques, où le modèle appelle des fonctions ou des services externes et renvoie les résultats selon un schéma fixe. L'effort de raisonnement configurable est utile lorsque vous souhaitez arbitrer entre profondeur de réflexion et latence au niveau de chaque requête.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "tencent/hy3". Comme l'interface suit le format OpenAI, les clients et SDK existants fonctionnent en ne changeant que l'URL de base, la clé et l'identifiant de modèle. Les paramètres de requête pris en charge sont frequency_penalty, include_reasoning, logit_bias, max_completion_tokens, max_tokens, min_p, presence_penalty, reasoning, reasoning_effort, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k et top_p. Le raisonnement peut être exposé avec include_reasoning et ajusté avec reasoning_effort, tandis que structured_outputs et response_format couvrent les réponses contraintes par un schéma.

Concernant les limites, le modèle ne gère que l'entrée texte et la sortie texte, il n'est donc pas le bon choix lorsque vous devez traiter des images, de l'audio ou d'autres modalités. Le plafond de 128 000 tokens en sortie est généreux mais reste fini, et les générations très longues gagneront souvent à être réparties sur plusieurs requêtes. Si vous n'avez pas besoin de raisonnement ni d'usage agentique d'outils, un modèle texte plus petit et plus simple peut être plus adapté ; Hy3 a surtout du sens lorsque son contexte long, son contrôle du raisonnement et sa prise en charge des outils font réellement partie de la tâche.