Tencent: Hy3

Tencent: Hy3 to model tekstowy stworzony przez Tencent. Jest to model Mixture-of-Experts z łączną liczbą 295 miliardów parametrów, z których 21 miliardów jest aktywnych w danym momencie, rozłożonych na 192 ekspertów z routingiem top-8. Tencent zbudował go do rozumowania, przepływów pracy agentów i rzeczywistego wykorzystania produkcyjnego. Data wydania przez dostawcę to 2026-07-06.

Model pracuje na wejściu tekstowym i produkuje wyjście tekstowe. Ma okno kontekstu wynoszące 262 144 tokeny i może wygenerować do 128 000 tokenów w jednej odpowiedzi, więc długie dokumenty, rozszerzone rozmowy i duże wyniki narzędzi mieszczą się w jednym żądaniu. Godną uwagi możliwością jest konfigurowalny wysiłek rozumowania, który pozwala zdecydować, ile wewnętrznego rozumowania model wykonuje przed odpowiedzią.

Te możliwości wskazują na kilka praktycznych zastosowań. Duży kontekst pasuje do analizy długich dokumentów, baz kodu lub transkrypcji w jednym przebiegu. Obsługa rozumowania pasuje do zadań wymagających rozwiązywania problemów krok po kroku, takich jak wieloetapowe obliczenia, planowanie lub debugowanie. Wywoływanie narzędzi i ustrukturyzowane wyjścia czynią go rozsądnym wyborem dla przepływów pracy agentów, w których model wywołuje funkcje lub usługi zewnętrzne i zwraca wyniki w ustalonym schemacie. Konfigurowalny wysiłek rozumowania jest przydatny, gdy chcesz wymienić głębokość myślenia na opóźnienie w ramach pojedynczego żądania.

Model wywołujesz przez API zgodne z OpenAI od api14, używając identyfikatora modelu "tencent/hy3". Ponieważ interfejs jest zgodny z formatem OpenAI, istniejące klienty i SDK działają po zmianie jedynie bazowego adresu URL, klucza i identyfikatora modelu. Obsługiwane parametry żądania to 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 i top_p. Rozumowanie można ujawnić za pomocą include_reasoning i dostroić za pomocą reasoning_effort, natomiast structured_outputs i response_format obejmują odpowiedzi ograniczone schematem.

Jeśli chodzi o ograniczenia, model obsługuje wyłącznie wejście tekstowe i wyjście tekstowe, więc nie jest właściwym wyborem, gdy potrzebujesz przetwarzać obrazy, dźwięk lub inne modalności. Limit 128 000 tokenów na wyjściu jest hojny, ale wciąż skończony, a bardzo długie generacje mogą być lepiej podzielone na wiele żądań. Jeśli nie potrzebujesz rozumowania ani agentowego użycia narzędzi, mniejszy i prostszy model tekstowy może być bardziej bezpośrednim wyborem; Hy3 ma najwięcej sensu, gdy jego długi kontekst, kontrola rozumowania i obsługa narzędzi są rzeczywiście częścią zadania.