Tencent: Hy3

Tencent: Hy3 adalah model teks yang dibuat oleh Tencent. Ini adalah model Mixture-of-Experts dengan total 295 miliar parameter, di mana 21 miliar di antaranya aktif pada waktu tertentu, tersebar di 192 expert dengan top-8 routing. Tencent membangunnya untuk penalaran, alur kerja agentic, dan penggunaan produksi di dunia nyata. Tanggal rilis penyedia adalah 2026-07-06.

Model ini bekerja dengan input teks dan menghasilkan output teks. Model ini memiliki context window 262.144 token dan dapat menghasilkan hingga 128.000 token dalam satu respons, sehingga dokumen panjang, percakapan panjang, dan output tool yang besar dapat masuk dalam satu permintaan. Kemampuan yang menonjol adalah reasoning effort yang dapat dikonfigurasi, yang memungkinkan Anda menentukan seberapa banyak penalaran internal yang dilakukan model sebelum menjawab.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Konteks yang besar cocok untuk analisis dokumen panjang, basis kode, atau transkrip dalam satu kali proses. Dukungan penalaran cocok untuk tugas yang membutuhkan pemecahan masalah langkah demi langkah, seperti perhitungan multi-langkah, perencanaan, atau debugging. Tool calling dan structured outputs menjadikannya pilihan yang wajar untuk alur kerja agentic, di mana model memanggil fungsi atau layanan eksternal dan mengembalikan hasil dalam skema tetap. Reasoning effort yang dapat dikonfigurasi berguna ketika Anda ingin menukar kedalaman pemikiran dengan latensi berdasarkan per permintaan.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "tencent/hy3". Karena antarmukanya mengikuti format OpenAI, klien dan SDK yang ada dapat bekerja hanya dengan mengubah base URL, key, dan model id. Parameter permintaan yang didukung adalah 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, dan top_p. Penalaran dapat ditampilkan dengan include_reasoning dan disesuaikan dengan reasoning_effort, sedangkan structured_outputs dan response_format mencakup balasan yang dibatasi skema.

Mengenai batasan, model ini hanya menangani input teks dan output teks, sehingga bukan pilihan yang tepat ketika Anda perlu memproses gambar, audio, atau modalitas lain. Batas 128.000 token pada output memang besar tetapi tetap terbatas, dan generasi yang sangat panjang mungkin lebih baik dipecah ke beberapa permintaan. Jika Anda tidak membutuhkan penalaran atau penggunaan tool agentic, model teks yang lebih kecil dan lebih sederhana mungkin lebih cocok; Hy3 paling masuk akal ketika konteks panjangnya, kontrol penalaran, dan dukungan tool benar-benar menjadi bagian dari tugas.