Tencent veröffentlicht das Open-Source-Modell Hy3
(hy.tencent.com)- Zielt auf eine höhere Leistung als Modelle ähnlicher Größe ab und erreicht ein Niveau, das selbst mit führenden Open-Source-Modellen mit 2- bis 5-mal mehr Parametern konkurrieren kann
- In einer auf realen Arbeitsaufgaben basierenden Blindbewertung mit 270 Fachleuten erreichte Hy3 2,67/4 und lag damit vor GLM-5.1 mit 2,51/4; besonders groß war der Abstand bei Frontend-Entwicklung, Daten und Storage sowie CI/CD
- Durch Verbesserungen auf Basis von Produktfeedback sank die Halluzinationsrate von 12,5 % auf 5,4 %, die Rate von Common-Sense-Fehlern von 25,4 % auf 12,7 % und die Issue-Rate in internen Multi-Turn-Tests von 17,4 % auf 7,9 %
- Wurde unter der Apache-2.0-Lizenz auf GitHub, HuggingFace, ModelScope und AtomGit veröffentlicht; der API-Preis beträgt pro 1 Million Tokens 1 RMB für Eingabe, 4 RMB für Ausgabe und 0,25 RMB für Cache-Eingabe
- Tencent veröffentlicht das finale Hy3 nach dem Hy3 preview von Ende April unter Einbeziehung von Feedback aus mehr als 50 Produkten und hochwertigeren Post-Training-Daten
Veröffentlichung von Hy3 und Agentenleistung
- Tencent sammelte nach dem Launch von Hy3 preview Ende April Feedback aus mehr als 50 Produkten und veröffentlichte Hy3, nachdem das Post-Training mit qualitativ hochwertigeren Daten erweitert wurde
- Das neue Modell liefert eine höhere Leistung als Modelle ähnlicher Größe und wird als konkurrenzfähig mit führenden Open-Source-Modellen eingeschätzt, die 2- bis 5-mal mehr Parameter besitzen
- Seit dem Preview wurden Qualität und Vielfalt der Post-Training-Daten erhöht und das RL-Training ausgeweitet
- Verbesserungen bei Inferenz, agentischen Aufgaben und Aufgaben mit langem Kontext
- Ziel ist ein Niveau, das mit größeren Flaggschiff-Modellen konkurrieren kann
- Bei Produktivitätsaufgaben gab es Fortschritte in den Bereichen Coding, Office-Arbeit, Finanzmodellierung, Frontend-Design und Spieleentwicklung
- In einer Blindbewertung mit 270 Fachleuten anhand realer Arbeitsaufgaben erzielte Hy3 2,67/4
- GLM-5.1 erreichte 2,51/4
- Der Vorsprung von Hy3 war bei Frontend-Entwicklung, Daten- und Storage-Aufgaben sowie CI/CD am größten
Produktzuverlässigkeit, Kosten und Veröffentlichungsform
- Tencent geht davon aus, dass Benchmarks allein den praktischen Nutzen eines Modells nicht ausreichend erfassen, und hat auf Basis realen Produktfeedbacks verschiedene Probleme behoben
- Tool-Calling und Stabilität des Ausgabeformats wurden verbessert
- Grundlegende Zuverlässigkeitsprobleme wurden behoben, um über Tool-Konfigurationen und Ausgabe-Constraints hinweg produktionsreife Standards zu erreichen
- Fehlerbehebung bei Tool-Calling und die allgemeine Effizienz wurden verbessert
- Über unterschiedliche Agent-Scaffoldings wie CodeBuddy, Cline und KiloCode blieb die Schwankungsbreite der SWE-Bench-Verified-Genauigkeit innerhalb von 4 %
- Wissen und Halluzinationsvermeidung wurden gestärkt
- Durch Datenbereinigung und Trainings-Constraints wurden Standards durchgesetzt, nach denen nur mit Belegen geantwortet wird, bei fehlender Evidenz dies offen gesagt wird und weder Quellen vermischt noch Daten erfunden werden
- In internen Bewertungen realer Szenarien sank die Halluzinationsrate von 12,5 % auf 5,4 %
- Die Rate von Common-Sense-Fehlern sank von 25,4 % auf 12,7 %
- Faktenverwechslungen, Erfindungen und logische Widersprüche nahmen ab
- Beibehaltung komplexer Kontexte und Verfolgung von Intentionen über mehrere Turns wurden verbessert
- Durch gemeinsame Optimierung von SFT und RL wurden operative Probleme wie die Interpretation von Anweisungszielen, die Rekonstruktion ausgelassener Informationen und die Vererbung von Constraints über mehrere Turns hinweg adressiert
- Die Issue-Rate in internen umfassenden Multi-Turn-Tests sank von 17,4 % auf 7,9 %
- Auch in Long-Conversation-Evaluierungen wie MRCR gab es Verbesserungen
- Selbst bei langen Interaktionen werden komplexe Intentionen weniger abgeschwächt oder drifteten ab, während die Ausgaben knapper wurden
- In internen Tests von WorkBuddy verbesserte Hy3 gegenüber dem Preview Task-Success-Rate und Bearbeitungszeit
- Die Task-Success-Rate stieg von 72 % bei Hy3 preview auf 90 % bei Hy3
- Die durchschnittliche Bearbeitungszeit sank um 34 %
- Verbesserungen gab es bei Datenverarbeitung, Dokumentenarbeit und der Analyse von Research-Berichten
- Bei einigen allgemeinen Aufgaben im Vergleich zu GLM-5.2 zeigte Hy3 eine höhere Token-Effizienz
- Bei der Dokumentenverarbeitung wurden 47,4 % weniger Tokens verwendet
- Bei der Erstellung von Präsentationen wurden 49 % weniger Tokens verwendet
- Hy3 wurde unter der Apache-2.0-Lizenz veröffentlicht
- Durch gemeinsame Optimierung von Hardware und Software wurden die API-Preise gesenkt
- Eingabe pro 1 Million Tokens: 1 RMB
- Ausgabe pro 1 Million Tokens: 4 RMB
- Cache-Eingabe pro 1 Million Tokens: 0,25 RMB
- Von der Neugestaltung der Infrastruktur Ende Januar über Hy3 preview im April bis zur jetzigen Veröffentlichung und dem Produkt-Rollout durchlief Tencent innerhalb von 6 Monaten einen End-to-End-Entwicklungszyklus für das Modell
- Künftig will Tencent Training-Scaling, Datenqualität und die Feinanpassung der User Experience weiter verbessern
1 Kommentare
Meinungen auf Hacker News
Pelican-Ergebnis von vor ein paar Tagen: https://simonwillison.net/2026/Jul/6/hy3/ — ich nutzte den kostenlosen Tier von OpenRouter, der am 21. Juli ausläuft
Vor 41 Tagen hatte ich es mit dem Preview-Modell getestet, und heraus kam ein Pelikan mit einem „change pelican color“-Button: https://static.simonwillison.net/static/2026/hy3-preview-pelican.html
Es ist wirklich cool zu sehen, wie viel besser die Modelle beim SVG-Pelikan geworden sind
Dort steht
tencent/Hy3. New Apache 2.0 licensed model from Tencent in China; hat Tencent AI Labs auch an anderen Standorten? MiniMax hat zum Beispiel irgendeine Verbindung zu TencentIch mag LLMs zwar nicht besonders, aber durch dich habe ich erkannt, dass meine Gefühle irrational waren und dass der Beruf, an dem ich Freude hatte, in seiner früheren Form faktisch vorbei ist — also sollte ich loslassen und mich der Seite anschließen, die es für Geld und Aufmerksamkeit macht
Meine persönlichen Projekte werde ich trotzdem, wenn möglich, selbst von Hand coden und keine LLMs verwenden
Auch wenn ich nicht weiß, wie nützlich das Pelikan-Meme tatsächlich ist, finde ich es schön, dass es zumindest aus ästhetischen Gründen angefangen hat
Vor einem Monat habe ich einen Blogpost darüber geschrieben, dass niemand über Hy3 spricht, es aber weit oben im OpenRouter-Ranking steht: https://news.ycombinator.com/item?id=48317294
Stand heute ist es auf Platz 8–9 zurückgefallen, und ich sehe kaum Gründe, es statt konkurrierender Modelle zu verwenden
Die Preisstruktur ist allerdings etwas verwirrend: Der effektive Eingabepreis von Hy3 über OpenRouter ist inzwischen derselbe wie bei DeepSeek Flash V4, das von DeepSeek gehostet wird
https://openrouter.ai/tencent/hy3-preview
https://openrouter.ai/deepseek/deepseek-v4-flash
Dass das Ranking gefallen ist, dürfte vermutlich auch daran liegen; es sah so aus, als könnten sie die Nachfrage nicht bewältigen
Es ist zwar immer noch ein kleines Modell, aber zumindest die Benchmark-Werte sind stark gestiegen, einschließlich DeepSWE
Der Preis ist derselbe wie bei Flash, aber die Benchmarks liegen nahe bei Pro oder teils sogar darüber
Natürlich sind Benchmarks meist wenig aussagekräftig; der echte Benchmark sind die Aufgaben, die man ihm tatsächlich gibt
Auch das Weltwissen ist für die Größe sehr gut; ich halte es für besser als DS4 Flash
Novita bietet Hy3 auf OpenRouter bis zum 21. Juli zur kostenlosen Nutzung an
https://openrouter.ai/tencent/hy3:free
https://x.com/novita_labs/status/2074158304159510819
Da die Größe ziemlich ähnlich ist, würde mich interessieren, wie die Leute es im Vergleich zu DS4 Flash empfinden
Außerdem interessiert mich, wie gut es starke Quantisierung verkraftet
DS4 Flash läuft derzeit auf Systemen mit ungefähr 96 GB RAM oder mehr ziemlich gut, aber ich weiß nicht, ob Hy3 in diesem Bereich konkurrieren kann
DS4 Flash fühlte sich bei der Nutzung über Claude Code ziemlich launisch an
Die Geschwindigkeit ist hervorragend, aber es baut oft ein völlig falsches mentales Modell auf und stürmt in die falsche Richtung los, sodass ich häufig eingreifen musste; außerdem musste ich die History komprimieren, wodurch der Cache-Preisvorteil schrumpfte
Hy3 ist nicht so schnell, hält aber bislang deutlich stabiler die Richtung als DS4 Flash
Es scheint auch bei langen Kontexten weniger zu zerfallen, und auch wenn ich den realen Preis nicht genau kenne, fühlt es sich wie ein sehr konkurrenzfähiges Modell an
Separat habe ich auch LongCat 2.0 getestet, nachdem ich ein Paket mit 50 Millionen Tokens gekauft hatte; es ist nicht kostenlos, aber praktisch auf Verschenkniveau billig
Auch das ist ziemlich beeindruckend und wirkt ungefähr ähnlich wie Hy3
Es ist keine Intelligenz auf Frontier-Niveau, sondern eher ein zuverlässiges Arbeitstier, das eine Codebase gut durchsucht und die angewiesenen Aufgaben stabil erledigt
Wenn llama.cpp den lightning indexer vollständig unterstützt, braucht der gesamte 1M-Kontext nur etwa 6 GB RAM
Deshalb dürfte DeepSeek in dieser Hinsicht deutlich effizienter sein, selbst wenn die Größe ähnlich ist
Ob Hy3 konkurrieren kann, hängt stark davon ab, wie robust es gegenüber Quantisierung ist
DSV4 ist selbst bei 2-Bit-Quantisierung noch brauchbar
Vielleicht wäre es besser, Qwen3.6-27B in Q8 laufen zu lassen
DSv4 Flash kann auf zwei DGX Spark laufen und hat trotzdem noch genug Speicher für einen KV-Cache mit 3M Tokens, während bei Hy3 selbst mit FP4-Quantisierung nur etwa 130K Tokens in den KV-Cache passen
Dieses Modell ist im Verhältnis zu seiner Leistung erstaunlich klein.
Es ist etwas größer als deepseekV4 flash, scheint in einigen Benchmarks aber auf dem Niveau von V4 pro oder sogar darüber zu liegen; es wäre also nicht überraschend, wenn es zu einem beliebten lokalen Modell würde.
GLM-5.2 ist ebenfalls nur halb so groß wie DeepSeek V4 Pro, kostet aber ungefähr doppelt so viel.
Ich habe mir die DeepSeek-Architektur ein wenig angesehen, und der zentrale Fokus lag darauf, die Kosten so weit wie möglich zu senken.
Beim Attention-Mechanismus wurde viel eingespart, wodurch sie selbst bei riesigen Kontexten absurd niedrige Preise anbieten konnten, aber offenbar mit Leistungseinbußen.
Zumindest wenn kleinere Modelle teurer und besser sind, kommt einem der Gedanke: „Ist die Attention dichter?“
Hy3 has 295B parameters in total. To serve it on 8 GPUs, we recommend using H20-3e or other GPUs with larger memory capacity.Ich denke auch, dass es ein beliebtes lokales Modell werden könnte.
Ich habe das Modell ausprobiert, und es war ziemlich gut; es scheint besser zu sein als ~~gpt5.4~~ gpt-5.4-mini.
Auch die Leistung war nah genug an sonnet 5, dass ich keinen großen Unterschied bemerkt habe.
Es ist nicht auf gpt-5.5-Niveau und vermutlich unter glm 5.2, aber bei den meisten Aufgaben, die ich ausprobiert habe, funktionierte es einfach gut und ist sehr günstig.
Wenn man ein FOSS-Modell braucht, gibt es keinen Grund, es nicht zu nutzen.
Korrektur: Es war nicht das normale gpt-5.4, sondern gpt-5.4-mini.
Im Hy3-Blogbeitrag scheinen viele kontaminierte Benchmarks zu sein, daher braucht es echte Tests.
Es fühlt sich stark danach an, dass es wie viele chinesische Modelle massiv auf Benchmark-Optimierung getrimmt wurde.
Wenn es gpt-5.4 ist, dürfte es kein Open-Source-Modell geben, das da mithalten kann; vermutlich dauert das noch ein weiteres Jahr.
Wenn ich Hy3 benutze, fühlt es sich an, als würde ich verrückt werden.
Ich weiß nicht, ob es extrem auf Benchmark-Optimierung ausgelegt ist oder ob es an meiner Nutzung liegt, aber ich würde lieber ein dense Gemma verwenden.
In jüngerer Erinnerung gab es kein Modell, das so viel meiner Zeit verschwendet hat.
31B lag klar vorne, und auch das MoE war mit 4-Bit-Quantisierung in der QAT-Version etwas besser.
Qwen 3.6 27B war ebenfalls besser als Hy3.
Da es nun nicht mehr Preview ist und mehr Post-Training erhalten hat, werde ich es erneut testen.
Schlechter wird es wohl nicht geworden sein, also könnte es gut genug geworden sein, um mit 31B-Modellen zu konkurrieren.
Ich dachte, es sei ein neues Release der Sprache Hy: https://hylang.org
Was wirklich nötig ist, ist ein Durchbruch bei Inferenz oder LLM-Architektur.
Ein Modell der Klasse GLM-5.2 müsste in einer Größe von Qwen 3.6 27b oder darunter auf Consumer-Geräten wie einem 48GB Macbook Pro mit mindestens 100 Tokens pro Sekunde laufen können.
Meine Hypothese ist: Wenn man ein kleineres, weniger intelligentes, aber schnelles Modell mit einem guten Ausführungsmechanismus koppelt, kann man es länger laufen lassen und Probleme, die ein großes Modell in einem Durchgang löst, mit roher Rechenarbeit erzwingen.
So ähnlich wie man an verschiedenen mechanischen Strukturen Schwingungsdämpfer anbringt.
Ich kann die Website nicht erreichen.
https://hy.tencent.com/research/hy3 lädt bei mir nicht.