Tencent: Hy3

Tencent: Hy3 är en textmodell skapad av Tencent. Det är en Mixture-of-Experts-modell med totalt 295 miljarder parametrar, varav 21 miljarder är aktiva vid varje given tidpunkt, utspridda över 192 experter med top-8-routing. Tencent byggde den för resonemang, agentiska arbetsflöden och verklig produktionsanvändning. Leverantörens utgivningsdatum är 2026-07-06.

Modellen arbetar med textindata och producerar textutdata. Den har ett kontextfönster på 262 144 tokens och kan generera upp till 128 000 tokens i ett enda svar, så långa dokument, utökade konversationer och stora verktygsutdata ryms i en förfrågan. En anmärkningsvärd förmåga är konfigurerbar resonemangsansträngning, vilket låter dig bestämma hur mycket internt resonemang modellen utför innan den svarar.

Dessa förmågor pekar mot några praktiska användningsområden. Den stora kontexten passar analys av långa dokument, kodbaser eller transkriptioner i en enda körning. Resonemangsstödet passar uppgifter som kräver steg-för-steg-problemlösning, såsom flerstegsberäkningar, planering eller felsökning. Verktygsanrop och strukturerade utdata gör den till ett rimligt val för agentiska arbetsflöden, där modellen anropar funktioner eller externa tjänster och returnerar resultat i ett fast schema. Konfigurerbar resonemangsansträngning är användbart när du vill byta tankedjup mot latens per förfrågan.

Du anropar modellen via api14:s OpenAI-kompatibla API med modell-id "tencent/hy3". Eftersom gränssnittet följer OpenAI-formatet fungerar befintliga klienter och SDK:er med endast bas-URL, nyckel och modell-id ändrade. De förfrågningsparametrar som stöds är 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 och top_p. Resonemang kan visas med include_reasoning och justeras med reasoning_effort, medan structured_outputs och response_format täcker schemabegränsade svar.

När det gäller begränsningar hanterar modellen endast textindata och textutdata, så den är inte rätt val när du behöver bearbeta bilder, ljud eller andra modaliteter. Gränsen på 128 000 tokens för utdata är generös men fortfarande ändlig, och mycket långa genereringar kan bättre delas upp över flera förfrågningar. Om du inte behöver resonemang eller agentisk verktygsanvändning kan en mindre och enklare textmodell vara en mer direkt passning; Hy3 är mest meningsfull när dess långa kontext, resonemangskontroll och verktygsstöd faktiskt är en del av uppgiften.