واجهة نموذج Hy3 بلا رقابة

معظم نقاشات «أي نموذج ينبغي أن أستخدم» تدور حول السقف: أيّها يكتب أفضل شفرة، ويحلّ أصعب مسألة رياضية، ويفوز بأطول تشغيل لوكيل. لكن خطوط المعالجة المنظَّمة لا تعمل هكذا. فمهمّة تستخرج حقولًا من مئة ألف مستند يوميًا لا تحتاج نموذجًا لامعًا مرّة واحدة — بل تحتاج نموذجًا صحيحًا بالهيئة نفسها في كل مرّة، ولا يعيد أبدًا فقرةً في موضع كائن JSON. وهذه هي الخاصيّة التي وُجد Hy3-W8A16 من أجلها.

01ما هو Hy3، ومن أين جاء

‏Hy3 نموذج استدلال ووكالة مفتوح الأوزان من فريق Hunyuan في Tencent، صدر كاملًا في 6 يوليو 2026 برخصة متساهلة، مع نشر الأوزان على Hugging Face. وهو يواصل سلالة عمل Tencent السابق في مزيج الخبراء Hunyuan-Large. ومعماريًا هو مزيج خبراء متفرّق: 295 مليار معامل إجمالًا، ينشط منها نحو 21 مليارًا لكل رمز عبر توجيه top-8 على 192 خبيرًا، على محوّل من 80 طبقة بانتباه استعلامات مجمَّعة، إضافةً إلى طبقة تنبّؤ بعدّة رموز بحجم 3.8 مليار معامل لفكّ الترميز التخميني. والسياق الأصلي 256 ألف رمز — وهي بالضبط الـ262,144 رمزًا التي نكشفها، لا بترًا لشيء أكبر ولا تمديدًا بحبل دوّار لشيء أصغر.

نسبة التفرّق تلك هي الرقم المهمّ لكل من يدفع بالرمز: يحمل Hy3 معرفة نموذج بـ295 مليار معامل بينما يؤدّي في كل تمريرة أمامية ما يقارب حساب نموذج بـ21 مليارًا. وهي أيضًا سبب قدرتنا على تحمّل تشغيله بثماني بتّات بدل ضغطه أكثر — فبناء بثماني بتّات لنموذج بهذا التفرّق ما زال يتّسع وما زال يعمل بسرعة على عنقود GPU الخاص بنا.

ما الذي تُبلغ Tencent أنه بارع فيه

تضع جداول التقييم المنشورة من Tencent مواطن قوّة Hy3 بوضوح في البحث الوكيل، وتنسيق الأدوات، والاسترجاع طويل السياق لا في البرمجة الخالصة. وأرقامها المُبلَّغة:

نعرض الأشرطة الضعيفة عن قصد. فـHy3 يتخلّف عن GLM-5.2 في البرمجة في مقارنة Tencent نفسها — 78.0 مقابل 84.2 في SWE-bench Verified، و28.0 مقابل 46.2 في DeepSWE. فإن كان عبء عملك هندسة برمجيات مستقلّة عبر ملفات متعدّدة، فاقرأ بقية فهرس أبحاث النماذج أوّلًا. أما إن كان قراءة نصّ وإصدار بنية، فالملمح قريب من المثالي.

والرقم الأهمّ لعمل خطوط المعالجة هو رقم موثوقية: تُبلغ Tencent أن معدّل الهلوسة لدى Hy3 يبلغ 5.4%، هبوطًا من 12.5% في الجيل السابق، مع تراجع أخطاء المنطق العامّ من 25.4% إلى 12.7%. ومبدأ تدريبها المعلن — أجِب حين يوجد دليل، وقُل بوضوح حين لا يوجد — هو بالضبط المزاج الذي تريده في نموذج استخراج قد يخترع لولا ذلك قيمةً معقولة لحقل لم يذكره المصدر قطّ.

كل الأرقام في هذا القسم مُبلَّغة من Tencent من تشغيلات اختبارها الخاصّة؛ وكان التحقّق المستقلّ من طرف ثالث لا يزال معلَّقًا وقت الكتابة. عامِلها بوصفها اتجاهية لا نهائية.

02ما معنى W8A16، ولماذا يهمّ في المخرجات المنظَّمة

كل نموذج على البوّابة يحمل لاحقة تكميم. وهي ليست زينة — بل تخبرك بمقدار بُعد الأوزان المشغَّلة عن نقطة التحقّق التي أصدرها المختبر.

الطبقة	ما الذي تفعله	الوفاء
3BIT-REAP	أوزان بثلاث بتّات إضافةً إلى REAP، وهي طريقة تشذيب تُسقط خبراء مزيج الخبراء نادري التوجيه قبل التكميم	الأشدّ ضغطًا
W4A16-AUTOROUND-REAP	أوزان بأربع بتّات / تفعيلات بستّ عشرة بتّة عبر AutoRound — تقريب متعلَّم يستردّ دقّةً تفوق التقريب الساذج إلى الأقرب — إضافةً إلى تشذيب REAP	وسط
W8A16	أوزان بثماني بتّات / تفعيلات بستّ عشرة بتّة. بلا تشذيب، وبلا إصلاح بتقريب متعلَّم — الأوزان محمولة ببساطة بضعف الدقّة	الأعلى

أين يؤذي انزياح التكميم فعلًا

يستردّ REAP وAutoRound معظم ما يخسره الضغط الساذج — لكن كلمة «معظم» تحمل ثقلًا في تلك الجملة، والبقيّة لا تتوزّع بالتساوي. فالتكميم منخفض البتّات يُتلف الذيول: القرارات منخفضة الاحتمال عالية التخصيص. وفي النثر يكاد ذلك يكون غير مرئي؛ فصفة مختلفة تظلّ جملةً سليمة. أما في المخرجات المنظَّمة فهو اللعبة كلّها، لأن المخطّط سلسلة طويلة من القرارات منخفضة الاحتمال التي يجب أن يكون كلّ منها صحيحًا تمامًا:

• بنية الرموز. قوس إغلاق، أو فاصلة، أو علامة اقتباس. كلّ منها رمز واحد، ورمز واحد خاطئ يُبطل الاستجابة بأكملها.
• انضباط التعدادات. يقول مخطّطك إن "status" واحدة من "open" | "closed" | "pending"؛ فيعيد نموذج منزاح "Open" أو "pending review" — قريبة دلاليًا، وغير صالحة لا هذه ولا تلك.
• انضباط الأنواع. يعود حقل number بقيمة "1,240"، ويعود boolean بقيمة "yes". وكلاهما يُحلَّل نصًّا ويسقط في المخطّط.
• الحرفيّات في الذيل الطويل. أسماء العلم النادرة، وأرقام القطع، والأسماء الكيميائية، والكتابات غير اللاتينية، والتواريخ الدقيقة — أي بالضبط المنطقة منخفضة الاحتمال التي تشوّشها الأوزان منخفضة البتّات.

ولا شيء من هذا يجعل نماذج الأربع بتّات أو الثلاث سيّئة؛ ففي العمل الحواري كثيرًا ما لا يستحقّ فرق الوفاء فرقَ السعر. لكن حين يكون مستهلك المخرجات مدقّقًا لا إنسانًا، تتحوّل الدقّة عند الذيول مباشرةً إلى معدّل تحليل ناجح — ويتحوّل معدّل التحليل إلى ميزانية إعادة محاولة وإلى زمن استجابة p99. وW8A16 هي الطبقة التي تكفّ عندها عن دفع تلك الضريبة.

03المخرجات المنظَّمة: json_schema وresponse_format

يدعم Hy3 نصفَي سطح المخرجات المنظَّمة — ويستحقّ الأمر تصريحًا، لأن ذلك ليس عامًّا في الفهرس:

النموذج	response_format	json_schema
Hy3 · W8A16	نعم	نعم
MiMo-V2.5-Pro · W8A16	نعم	نعم
inkling · W4A16-AUTOROUND-REAP	نعم	لا
Laguna-S-2.1 · W4A16-AUTOROUND-REAP	لا	لا

والفرق بين الآليّتين يهمّ أكثر ممّا يفترض الناس. فـresponse_format: {"type": "json_object"} يطلب JSON صالحًا ولا شيء غير ذلك — فالنموذج يختار الهيئة، ويمكن لاستدعاءين أن يعيدا {"name": ...} و{"full_name": ...} وكلاهما صحيح. أما json_schema فيزوّده بالهيئة سلفًا: حقول مسمّاة، وأنواع، وتعدادات، وقوائم إلزامية، وتداخل. وذلك عقد تستطيع كتابة شفرتك في مقابله.

استدعاء بأدنى حدّ على اللهجة المتوافقة مع OpenAI:

POST /v1/chat/completions

{
  "model": "Hy3-W8A16",
  "messages": [
    {"role": "system", "content": "Extract fields from the incident report. Use null for anything not stated."},
    {"role": "user", "content": "<report text>"}
  ],
  "response_format": {
    "type": "json_schema",
    "json_schema": {
      "name": "incident",
      "strict": true,
      "schema": {
        "type": "object",
        "properties": {
          "severity":  {"type": "string", "enum": ["low","medium","high","critical"]},
          "component": {"type": "string"},
          "occurred_at": {"type": ["string","null"], "description": "ISO-8601"},
          "affected_users": {"type": ["integer","null"]},
          "indicators": {
            "type": "array",
            "items": {"type": "object", "properties": {
              "kind":  {"type": "string", "enum": ["ip","domain","hash","cve"]},
              "value": {"type": "string"}
            }, "required": ["kind","value"]}
          }
        },
        "required": ["severity","component","occurred_at","affected_users","indicators"]
      }
    }
  }
}

ملاحظات عملية

• اجعل كل حقل إلزاميًا واسمح بـnull. فالحقول الاختيارية تغري بالإسقاط الصامت؛ أما الحقل الإلزامي القابل للعدم فيفرض تصريحًا بـ«غير موجود»، وهي معلومة تستطيع التصرّف بناءً عليها.
• التعدادات تتفوّق على النصوص الحرّة. فحيثما استطعت إغلاق مجموعة القيم، أغلِقْها — وهو أعلى تغيير رافعةً في معدّل نجاح المخطّط في الواقع.
• ابقَ دون سقف الخرج بـ16,384 رمزًا. فمصفوفة غير محدودة ستُبتر في منتصف كائن. حُدَّ أطوال المصفوفات، أو جزّئ الدخل.
• أبقِ رسالة النظام. فالمخطّط يقيّد الهيئة؛ لكن الموجّه يظلّ يحكم الدلالة — ما الذي يُعدّ «حرجًا»، وأي تاريخ يفوز حين يظهر تاريخان، وهل تُوحَّد الوحدات.
• تحقّق على أي حال. فدعم المخطّط يرفع معدّل النجاح؛ لكنه لا يغني عن مدقّق وطابور رسائل ميتة.

04لماذا «بلا رقابة» خاصيّة موثوقية لا خاصيّة محتوى فحسب

‏Hy3 على البوّابة بلا طبقة رفض وبلا ترشيح للمخرجات. والتأطير المعتاد يخصّ المحتوى: تستطيع معالجة أبحاث الأمن، وتحليل البرمجيات الخبيثة، وتقارير الثغرات، والمتون الطبية والقانونية، ومحتوى البالغين، ووثائق الحدّ من الضرر، ونصوص المستخدمين العدائيين، دون أن يقرّر النموذج نيابةً عنك أنه يفضّل الامتناع.

وثمّة سبب ثانٍ أكثر ميكانيكية لأهميّة ذلك. فالرفض انتهاك للمخطّط. فالنموذج المرشَّح الذي يمتنع لا يعيد كائنك مع علَم "unavailable" — بل يعيد نثرًا. «لا أستطيع المساعدة في هذا الطلب.» وتلك السلسلة ليست كائن incident؛ إنها تُسقط مدقّقك وتهبط في طابور الرسائل الميتة بجوار أخطاء تحليل حقيقية، حيث عليك الآن فصل رفض السياسات عن التشوّه الحقيقي.

والأسوأ أن حالات الرفض ترتبط بالمحتوى بدل أن تتوزّع عشوائيًا. فإن كانت 4% من متنك تقارير حوادث أمنية وامتنع النموذج عن معظمها، فأنت لم تخسر 4% من الإنتاجية بالتساوي — بل خسرت فئة واحدة، ولوحة المعلومات المبنية على تلك البيانات تُبلّغ بهدوء عن أقلّ من الحقيقة في الشيء نفسه الذي وُجدت لإبرازه. والثقوب ذات الشكل الفئوي تكلّف أكثر من الضوضاء المنتظمة لأن لا شيء ينبّه إليها. أزِل مسار الرفض، وما يبقى — التشوّه، والبَتر، والنصّ الملتبس — غير مرتبط بالموضوع، ومن ثمّ قابل للقياس.

05السياق، وسقف الخرج، وكيف توازن ميزانيتهما

كل نموذج على البوّابة يتشارك الحدود نفسها:

السياق ميزانية مشتركة: فالموجّه والخرج يجب أن يتّسعا معًا داخل 262,144 رمزًا، ولذا فسقف الدخل العملي في استدعاء واحد نحو 245,000 رمز، أي تقريبًا جدًّا 180,000 كلمة إنجليزية. وفي العمل المنظَّم يكون سقف الخرج بـ16,384 رمزًا هو الحدّ الأصعب وهو ما يفاجئ الناس — فمخطّط يصدر كائنًا لكل سجلّ يبلغه قبل امتلاء النافذة بكثير. وثمّة نمطان يعملان ضدّ ذلك:

• دخل عريض، وخرج ضيّق. ادفع عقدًا كاملًا أو إيداعًا أو نافذة سجلّات إلى السياق واطلب كائنًا مدمجًا واحدًا. فرموز الدخل تكلّف ربع رموز الخرج، والتسعير يكافئ إذًا قراءة الكثير وكتابة القليل.
• جزّئ على حدود السجلّات لا على عدد البايتات. اقسِم حيث يستطيع النموذج رؤية الوصلة. فسجلّ مقطوع في منتصف جملة ينتج كائنًا خاطئًا بثقة لا إخفاقًا واضحًا.

وقوّة Hy3 المُبلَّغة في الاسترجاع طويل السياق — 73.4 في AA-LCR، وقفزة من 42.9% إلى 75.1% في استدعاء الحوارات الطويلة MRCR — هي بالضبط القدرة التي يعتمد عليها النمط الأوّل، وهي مهارة مختلفة عن حسن الكتابة.

06تسعير الأرضية، وحساب خطّ معالجة حقيقي

يقع Hy3 عند 0.50$ لكل مليون رمز دخلًا و2.00$ لكل مليون رمز خرجًا — أرضية الفهرس، يتشاركها مع MiMo-V2.5 وMiMo-V2.5-Pro وDeepSeek-V4-Flash-0731 وMiniMax-M3. وبحسابها على أحمال تمثيلية:

عبء العمل	دخل / استدعاء	خرج / استدعاء	الكلفة / استدعاء	لكل مليون استدعاء
استخراج الحقول	1,200	300	$0.0012	$1,200
تصنيف المستندات	3,000	120	$0.0018	$1,800
تلخيص مستند طويل إلى مخطّط	40,000	900	$0.0218	$21,800
تحليل النافذة الكاملة	240,000	2,000	$0.1240	$124,000

والرقم الذي يغيّر القرارات ليس السعر المعلن بل السعر الفعلي بعد إعادة المحاولات. فإن كلّف نموذجان الشيء نفسه وأخفق أحدهما في التحقّق في 6% من الاستدعاءات بينما يخفق الآخر في 1.5%، فالنموذج عالي الانزياح يشغّل نحو 4.5% استدعاءات إضافية — وهذا محتمَل. لكن الضرر في الذيل: فالاستدعاءات المعادة تستغرق ضعف الوقت، فيتضاعف زمن الاستجابة p99 تقريبًا لشريحة مرئية من حركة الطلبات، وما يفشل مرّتين يصير عملًا يدويًا. وعند مليون استدعاء يوميًا تكون تلك آلاف السجلّات التي على أحدهم قراءتها.

ومن هنا الحجّة لطبقة الثماني بتّات بسعر الأرضية: أنت لا تدفع علاوةً مقابل الوفاء هنا، فحساب إعادة المحاولة إذًا مال مجّاني. ولو كان نموذج بثلاث بتّات أرخص لكانت هناك مقايضة حقيقية تستحقّ الوزن — لكن Hy3 يكلّف مثل أرخص شيء في الفهرس.

07ثلاث لهجات برمجية، ونموذج واحد

يمكن بلوغ Hy3 على لهجات البوّابة الثلاث جميعًا مع البثّ في كلٍّ منها. النموذج نفسه، والأوزان نفسها، والحدود نفسها — فاختر ما يطابق حزمة التطوير التي لديك سلفًا.

النقطة الطرفية	اللهجة	استخدمها حين
/v1/chat/completions	OpenAI	لديك حزمة OpenAI أو LangChain أو LlamaIndex. وجِّه الرابط الأساسي إلى هنا، وغيّر معرّف النموذج.
/v1/messages	Anthropic	أنت على حزمة Anthropic وتريد كتل محتوى دون طبقة ترجمة.
/v1/responses	Responses	تريد هيئة الطلب الأحدث بمخرجات مصنّفة وحالة على الخادم.

ويدعم Hy3 أيضًا استدعاء الأدوات والاستدلال، بما في ذلك reasoning_effort. وفي عمل الاستخراج تكون الحركة المفيدة عادةً خفض الاستدلال: فعلى مخطّط محدّد جيدًا فوق نصّ نظيف، تكون رموز التفكير رموز خرج تدفع ثمنها وزمنَ انتظار تتحمّله، مقابل مكسب هامشي. أنفِق ميزانية الجهد على المدخلات الملتبسة فعلًا بدلًا من ذلك.

ومرجع الطلب والاستجابة كاملًا، وقوائم المعاملات، ودلالات البثّ، وساحة تجريب تفاعلية، كلّها في وثائق الواجهة البرمجية.

08الاختيار بين نماذج W8A16 الثلاثة

ثلاثة نماذج تقع في أعلى طبقة وفاء، وكلّها بسعر الأرضية. والاختيار في معظمه مسألة نمط وسائط:

النموذج	الرؤية	json_schema	السعر دخلًا / خرجًا	اخترْه من أجل
Hy3 · W8A16	لا	نعم	$0.50 / $2.00	خطوط معالجة منظَّمة نصّية فقط، وتنسيق الأدوات، والاسترجاع طويل السياق
MiMo-V2.5-Pro · W8A16	لا	نعم	$0.50 / $2.00	عمل نصّي فقط حين تريد ضبط Pro لسلالة MiMo
MiMo-V2.5 · W8A16	نعم	نعم	$0.50 / $2.00	أي شيء فيه صور — مستندات ممسوحة، ولقطات شاشة، وصور فوتوغرافية

إن كان أي جزء من مدخلاتك صورة فالقرار محسوم لك: Hy3 نصّي فقط — أرسِل ملفات PDF الممسوحة ولقطات الشاشة والصور الفوتوغرافية إلى MiMo-V2.5. أما حين يكون الدخل نصًّا فعلًا، فملمح Hy3 في استخدام الأدوات الوكيل، والاستدعاء طويل السياق، وانخفاض الهلوسة المُبلَّغ، ينطبق مباشرةً على عمل خطوط المعالجة. وبما أن الثلاثة تكلّف الشيء نفسه، شغِّل مخطّطك على اثنين منها على بضع مئات من السجلّات الحقيقية وقارن معدّلات التحليل الناجح؛ فذلك يحسم الأمر أفضل من أي جدول، بما فيه هذا الجدول.

09أين يستحقّ Hy3 مكانه

• استخراج الحقول بحجم كبير. العقود، والإيداعات، وتقارير الحوادث، والنصوص المفرَّغة، والملاحظات السريرية، وسجلّات المحاكم — أينما كان الكائن المصنّف لكل مستند هو المخرَج المطلوب وكان الحجم يجعل إعادة المحاولة مكلفة.
• التصنيف والتوجيه على نطاق واسع. مخرجات تعداد مغلق، حيث تكمن قيمة النموذج كلّها في ألّا يخترع فئةً تاسعة عشرة أبدًا.
• متون الأمن والاستخبارات التهديدية. تقارير البرمجيات الخبيثة، وإفصاحات الثغرات، وعيّنات التصيّد — وهي المادة التي تعثِّر النماذج المرشَّحة في الرفض، وحيث يُبطل ثقبٌ ذو شكل فئوي الغرض كلّه.
• وكلاء استدعاء الأدوات الذين يجب ألّا يتوقّفوا. فوفاء المعاملات بثماني بتّات يعني أن JSON المسلَّم إلى دوالّك يُحلَّل؛ واستدعاء أداة مشوَّه يعني وكيلًا متوقّفًا لا إجابةً أسوأ قليلًا.
• تحليل المستندات الطويلة إلى بنية. إيداع كامل يدخل، وكائن مدمج واحد يخرج.
• الإشراف على المحتوى وأبحاث السياسات. فوسم مادّة يرفض نموذج مرشَّح قراءتها مشكلة قائمة في الثقة والأمان؛ ونموذج غير مرشَّح مع مخطّط صارم يحلّها مباشرةً.

وأين لا يستحقّ: أي شيء فيه صور (استخدم MiMo-V2.5)، وهندسة البرمجيات المستقلّة عبر ملفات متعدّدة، حيث تضع جداول Tencent نفسها Hy3 خلف GLM-5.2 في SWE-bench Verified وخلفه بفارق كبير في DeepSWE.

أرقام مقاييس الأداء مُبلَّغة من Tencent، بما فيها أرقام المنافسين؛ وكان التحقّق المستقلّ معلَّقًا وقت الكتابة. وأرقام الكلفة محسوبة من سعرَينا المنشورَين 0.50$ / 2.00$. ولا رقم على هذه الصفحة مقياس أداء شغّلته Shannon ولا تقديرًا.

10أسئلة شائعة

---

المصادر: بطاقات نماذج Tencent Hunyuan · مستودع Hy3 · Hunyuan-Large: نموذج مزيج خبراء مفتوح المصدر (arXiv 2411.02265) · تغطية VentureBeat لإصدار Hy3. ومقاييس أداء الأساس مُبلَّغة من Tencent ومؤقّتة بانتظار تحقّق مستقلّ. وتُشغَّل Shannon AI بواسطة Shannon Lab LLC، نيومكسيكو، الولايات المتحدة.