Tencent: Hy3

Tencent: Hy3 è un modello testuale creato da Tencent. È un modello Mixture-of-Experts con 295 miliardi di parametri in totale, di cui 21 miliardi attivi in qualsiasi momento, distribuiti su 192 esperti con routing top-8. Tencent lo ha costruito per il ragionamento, i flussi di lavoro agentici e l'uso in produzione reale. La data di rilascio del provider è 2026-07-06.

Il modello funziona con input testuale e produce output testuale. Ha una finestra di contesto di 262.144 token e può generare fino a 128.000 token in una singola risposta, quindi documenti lunghi, conversazioni estese e grandi output di strumenti possono entrare in una sola richiesta. Una capacità notevole è lo sforzo di ragionamento configurabile, che consente di decidere quanto ragionamento interno il modello deve svolgere prima di rispondere.

Queste capacità indicano alcuni usi pratici. Il contesto ampio si presta all'analisi di documenti lunghi, basi di codice o trascrizioni in un'unica passata. Il supporto al ragionamento si adatta a compiti che richiedono risoluzione di problemi passo dopo passo, come calcoli a più passaggi, pianificazione o debug. La chiamata di strumenti e gli output strutturati lo rendono una scelta ragionevole per flussi di lavoro agentici, in cui il modello chiama funzioni o servizi esterni e restituisce risultati in uno schema fisso. Lo sforzo di ragionamento configurabile è utile quando si vuole bilanciare la profondità del pensiero con la latenza su base per richiesta.

Si chiama il modello attraverso l'API compatibile con OpenAI di api14 usando l'id del modello "tencent/hy3". Poiché l'interfaccia segue il formato OpenAI, i client e gli SDK esistenti funzionano cambiando solo l'URL di base, la chiave e l'id del modello. I parametri di richiesta supportati sono 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 e top_p. Il ragionamento può essere esposto con include_reasoning e regolato con reasoning_effort, mentre structured_outputs e response_format coprono le risposte vincolate a uno schema.

Sui limiti, il modello gestisce solo input testuale e output testuale, quindi non è la scelta giusta quando occorre elaborare immagini, audio o altre modalità. Il limite di 128.000 token sull'output è generoso ma pur sempre finito, e generazioni molto lunghe potrebbero essere meglio suddivise tra più richieste. Se non servono ragionamento o uso agentico di strumenti, un modello testuale più piccolo e semplice può essere più adatto; Hy3 ha più senso quando il suo contesto lungo, il controllo del ragionamento e il supporto agli strumenti fanno effettivamente parte del compito.