Senzurasız Hy3 Model API

"Hansı modeli işlətməliyəm" mübahisələrinin çoxu tavan haqqındadır: hansı ən yaxşı kodu yazır, ən çətin riyaziyyatı həll edir, ən uzun agent qaçışını udur. Strukturlaşdırılmış boru kəmərləri belə işləmir. Gündə yüz min sənəddən sahə çıxaran iş bir dəfə parlaq olan model istəmir — ona hər dəfə eyni formada düzgün olan və JSON obyektinin yerinə heç vaxt abzas qaytarmayan model lazımdır. Hy3-W8A16 məhz bu xüsusiyyət üçün buradadır.

01Hy3 nədir və haradan gəlir

Hy3 — Tencent-in Hunyuan komandasından gələn açıq çəkili düşünmə və agentik modeldir; tam şəkildə 6 iyul 2026-da güzəştli lisenziya altında buraxılıb, çəkilər Hugging Face-də dərc olunub. O, Tencent-in daha əvvəlki Hunyuan-Large Mixture-of-Experts işinin davamıdır. Arxitektura baxımından bu, seyrək MoE-dir: cəmi 295 milyard parametr, onlardan təxminən 21 milyardı token başına aktivləşir — 192 ekspert üzrə top-8 marşrutlaşdırma ilə, qruplaşdırılmış sorğu diqqəti olan 80 qatlı transformerdə, üstəgəl spekulyativ dekodlaşdırma üçün ayrıca 3.8B çoxtokenli proqnoz qatı. Doğma kontekst 256K-dır — açdığımız 262,144 tokenin tam özü, nə daha böyük bir şeyin kəsilməsi, nə də daha kiçik bir şeyin rope ilə uzadılması.

Token başına ödəyən hər kəs üçün əsas rəqəm həmin seyrəklik nisbətidir: Hy3 295B modelin biliyini daşıyır, amma hər irəli keçiddə təxminən 21B modelin hesabını aparır. Onu daha çox sıxmaq yerinə 8 bitdə verməyə gücümüzün çatmasının səbəbi də budur — bu qədər seyrək modelin 8-bitlik quruluşu öz GPU klasterimizə hələ də sığır və hələ də sürətli işləyir.

Tencent onun nədə güclü olduğunu bildirir

Tencent-in dərc etdiyi qiymətləndirmə cədvəlləri Hy3-ün güclü tərəflərini xam kodlaşdırmada deyil, agentik axtarış, alət orkestrasiyası və uzun kontekstdən axtarıb tapmada yerləşdirir. Onların bildirdiyi rəqəmlər:

Zəif zolaqları qəsdən göstəririk. Tencent-in öz müqayisəsində Hy3 kodlaşdırmada GLM-5.2-dən geri qalır — SWE-bench Verified-də 78.0-a qarşı 84.2, DeepSWE-də 28.0-a qarşı 46.2. İş yükünüz avtonom çoxfayllı proqram mühəndisliyidirsə, əvvəlcə model tədqiqat indeksinin qalanını oxuyun. Əgər iş mətn oxumaq və struktur çıxarmaqdırsa, profil ideala yaxındır.

Boru kəməri işi üçün ən önəmli rəqəm etibarlılıqla bağlıdır: Tencent Hy3-ün halüsinasiya nisbətini 5.4% bildirir — əvvəlki nəsildə 12.5% idi — sağlam düşüncə xətaları isə 25.4%-dən 12.7%-ə düşüb. Onların elan etdiyi öyrətmə prinsipi — dəlil olanda cavab ver, olmayanda açıq de — çıxarma modelində istədiyiniz məhz o xasiyyətdir; əks halda model mənbədə heç vaxt keçməyən sahə üçün inandırıcı dəyər uydurar.

Bu bölmədəki bütün rəqəmlər Tencent-in öz test qaçışlarından bildirdiyi rəqəmlərdir; yazı hazırlananda müstəqil üçüncü tərəf yoxlaması hələ gözlənilirdi. Onlara son söz kimi deyil, istiqamətverici kimi baxın.

02W8A16 nə deməkdir və strukturlaşdırılmış çıxış üçün niyə önəmlidir

Gateway-dəki hər model kvantlama sonluğu daşıyır. Bu, bəzək deyil — verilən çəkilərin laboratoriyanın buraxdığı yoxlama nöqtəsindən nə qədər uzaqda dayandığını bildirir.

Pillə	Nə edir	Dəqiqlik
3BIT-REAP	3-bitlik çəkilər üstəgəl REAP — kvantlamadan əvvəl nadir marşrutlanan MoE ekspertlərini atan ekspert budama metodu	Ən çox sıxılmış
W4A16-AUTOROUND-REAP	AutoRound vasitəsilə 4-bitlik çəkilər / 16-bitlik aktivasiyalar — sadəlövh ən yaxına yuvarlaqlaşdırmaya nisbətdə dəqiqliyi bərpa edən öyrənilmiş yuvarlaqlaşdırma — üstəgəl REAP budaması	Orta
W8A16	8-bitlik çəkilər / 16-bitlik aktivasiyalar. Budama yoxdur, öyrənilmiş yuvarlaqlaşdırma ilə təmir yoxdur — çəkilər sadəcə iki qat dəqiqliklə daşınır	Ən yüksək

Kvantlama sürüşməsi əslində harada zərər verir

REAP və AutoRound sadəlövh sıxılmanın itirdiyinin çoxunu bərpa edir — amma həmin cümlədə iş görən söz "çoxunu"dur və qalıq bərabər düşmür. Aşağı bitli kvantlama quyruqları pisləşdirir: aşağı ehtimallı, yüksək spesifiklikli qərarları. Nəsrdə bu, demək olar ki, görünmür; başqa bir sifət də yaxşı cümlə verir. Strukturlaşdırılmış çıxışda isə bütün oyun budur, çünki sxem hər biri dəqiq düz olmalı olan aşağı ehtimallı qərarların uzun zənciridir:

• Token səviyyəsində sintaksis. Bağlayıcı mötərizə, vergül, dırnaq işarəsi. Hər biri bir tokendir və bir səhv token bütün cavabı etibarsız edir.
• Enum intizamı. Sxeminiz deyir ki, "status" "open" | "closed" | "pending" dəyərlərindən biridir; sürüşmüş model "Open" və ya "pending review" qaytarır — semantik olaraq yaxın, amma heç biri kimi etibarlı deyil.
• Tip intizamı. number sahəsi "1,240" kimi, boolean isə "yes" kimi gəlir. Hər ikisi sətir kimi təhlil olunur və sxemi keçmir.
• Uzunquyruq literallar. Nadir xüsusi adlar, hissə nömrələri, kimyəvi adlar, qeyri-latın yazıları, dəqiq tarixlər — məhz aşağı bitli çəkilərin bulandırdığı aşağı ehtimallı sahə.

Bunların heç biri 4-bitlik və ya 3-bitlik modelləri pis etmir; söhbət işi üçün dəqiqlik fərqi çox vaxt qiymət fərqinə dəymir. Amma çıxışın istehlakçısı insan deyil, doğrulayıcıdırsa, quyruqlardakı dəqiqlik birbaşa təhlil dərəcəsinə çevrilir — təhlil dərəcəsi isə təkrar cəhd büdcəsinə və p99 gecikməsinə. W8A16 həmin vergini ödəməyi dayandırdığınız pillədir.

03Strukturlaşdırılmış çıxış: json_schema və response_format

Hy3 strukturlaşdırılmış çıxış səthinin hər iki yarısını dəstəkləyir — bunu açıq demək lazımdır, çünki kataloqda bu, universal deyil:

Model	response_format	json_schema
Hy3 · W8A16	Bəli	Bəli
MiMo-V2.5-Pro · W8A16	Bəli	Bəli
inkling · W4A16-AUTOROUND-REAP	Bəli	Yox
Laguna-S-2.1 · W4A16-AUTOROUND-REAP	Yox	Yox

İki mexanizm arasındakı fərq insanların düşündüyündən daha önəmlidir. response_format: {"type": "json_object"} yalnız etibarlı JSON istəyir, o qədər — formanı model seçir, deməli iki çağırış {"name": ...} və {"full_name": ...} qaytara bilər və hər ikisi düzgündür. json_schema isə formanı əvvəlcədən verir: adlandırılmış sahələr, tiplər, enumlar, məcburi siyahılar, iç-içəlik. Bu, kod yaza biləcəyiniz müqavilədir.

OpenAI uyğun dialektdə minimal çağırış:

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"]
      }
    }
  }
}

Praktik qeydlər

• Hər sahəni məcburi edin və null-a icazə verin. Seçimli sahələr səssiz düşmələrə yol açır; məcburi, null ola bilən sahə isə açıq "yoxdur" cavabını məcbur edir və bu, üzərində iş görə biləcəyiniz məlumatdır.
• Enumlar sərbəst sətirlərdən üstündür. Dəyər dəstini bağlaya bildiyiniz hər yerdə bağlayın — sxemin real keçid dərəcəsinə ən çox təsir edən dəyişiklik budur.
• 16,384 tokenlik çıxış tavanının altında qalın. Hüdudsuz massiv obyektin ortasında kəsiləcək. Massiv uzunluqlarını məhdudlaşdırın və ya girişi hissələrə bölün.
• Sistem mesajını saxlayın. Sxem formanı məhdudlaşdırır; semantikanı isə hələ də prompt idarə edir — nəyin "critical" sayıldığını, iki tarix çıxanda hansının üstün olduğunu, vahidlərin normallaşdırılıb-normallaşdırılmayacağını.
• Yenə də doğrulayın. Sxem dəstəyi keçid dərəcəsini artırır; doğrulayıcını və ölü məktub növbəsini əvəz etmir.

04"Senzurasız" niyə yalnız məzmun deyil, etibarlılıq xüsusiyyətidir

Gateway-dəki Hy3-ün imtina qatı və çıxış filtri yoxdur. Adi çərçivə məzmun haqqındadır: təhlükəsizlik tədqiqatını, zərərli proqram təhlilini, ekspluatasiya hesabatlarını, tibbi və hüquqi korpusları, yetkin materialı, zərərin azaldılması sənədlərini və ya düşmən istifadəçi transkriptlərini modelin sizin yerinizə "istəmirəm" qərarı vermədən emal edə bilərsiniz.

Bunun ikinci, daha mexaniki səbəbi də var. İmtina sxem pozuntusudur. İmtina edən filtrli model sizin obyektinizi "unavailable" bayrağı ilə qaytarmır — o, nəsr qaytarır. "Bu sorğuda kömək edə bilmərəm." Həmin sətir incident obyekti deyil; o, doğrulayıcınızı keçmir və real formalaşma xətalarının yanında ölü məktub növbəsinə düşür, siz isə indi siyasət imtinalarını real qüsurlardan ayırmalı olursunuz.

Daha pisi, imtinalar təsadüfi paylanmır, məzmunla korrelyasiya edir. Korpusunuzun 4%-i təhlükəsizlik insident hesabatlarıdırsa və model onların çoxundan imtina edirsə, siz buraxma qabiliyyətinin 4%-ni bərabər itirməmisiniz — bir kateqoriyanı itirmisiniz və həmin verinin üzərində qurulan idarə paneli mövcud olduğu şeyi məhz səssizcə əskik göstərir. Kateqoriya formasında boşluqlar bərabər küydən baha başa gəlir, çünki heç nə onlara siqnal vermir. İmtina yolunu çıxarın və qalan — qüsurlar, kəsilmələr, qeyri-müəyyən mətn — mövzu ilə korrelyasiya etmir, deməli ölçülə bilər.

05Kontekst, çıxış tavanı və onlara necə büdcə ayırmalı

Gateway-dəki hər model eyni hədləri paylaşır:

Kontekst paylaşılan büdcədir: prompt üstəgəl çıxış birlikdə 262,144-ün içinə sığmalıdır, deməli bir çağırışda praktik giriş tavanı təxminən 245,000 tokendir, çox təqribi hesabla 180,000 ingilis sözü. Strukturlaşdırılmış iş üçün 16,384 tokenlik çıxış həddi daha ciddi məhdudiyyətdir və insanları təəccübləndirən də odur — hər qeyd üçün bir obyekt çıxaran sxem pəncərə dolmamış həmin həddə çatır. Buna qarşı iki naxış işləyir:

• Geniş giriş, dar çıxış. Bütöv müqaviləni, hesabatı və ya jurnal pəncərəsini kontekstə itələyin və bir yığcam obyekt istəyin. Giriş tokenləri çıxış tokenlərinin dörddə biri qədər tutur, deməli qiymətləndirmə çox oxumağı və az yazmağı mükafatlandırır.
• Bayt sayına görə deyil, qeyd sərhədlərinə görə bölün. Modelin tikişi görə bildiyi yerdən bölün. Cümlənin ortasından kəsilmiş qeyd aşkar nasazlıq yerinə inamla səhv obyekt verir.

Hy3-ün bildirilən uzun kontekstdə axtarıb tapma gücü — AA-LCR-də 73.4 və MRCR uzun dialoq yaddaşında 42.9%-dən 75.1%-ə sıçrayış — birinci naxışın söykəndiyi məhz həmin qabiliyyətdir və yaxşı yazmaqdan fərqli bacarıqdır.

06Döşəmə qiyməti və real boru kəmərinin hesabı

Hy3 milyon giriş tokeni üçün $0.50, milyon çıxış tokeni üçün $2.00 qiymətindədir — kataloq döşəməsi, MiMo-V2.5, MiMo-V2.5-Pro, DeepSeek-V4-Flash-0731 və MiniMax-M3 ilə paylaşılır. Nümunəvi yüklər üzrə hesablanmış halda:

İş yükü	Çağırış başına giriş	Çağırış başına çıxış	Çağırış başına xərc	1M çağırış üçün
Sahə çıxarma	1,200	300	$0.0012	$1,200
Sənəd təsnifatı	3,000	120	$0.0018	$1,800
Uzun sənədi sxemə xülasə etmə	40,000	900	$0.0218	$21,800
Tam pəncərə təhlili	240,000	2,000	$0.1240	$124,000

Qərarları dəyişən rəqəm başlıqdakı tarif deyil, təkrar cəhdlərdən sonrakı effektiv tarifdir. İki model eyni qiymətdədirsə və biri çağırışların 6%-də doğrulamadan keçmirsə, digəri isə 1.5%-də keçmirsə, sürüşməsi çox olan model təxminən 4.5% artıq çağırış işlədir — buna dözmək olar. Zərər quyruqdadır: təkrarlanan çağırışlar iki dəfə uzun çəkir, deməli trafikin görünən hissəsi üçün p99 gecikməsi təxminən iki qat artır, iki dəfə uğursuz olan isə əl işinə çevrilir. Gündə milyon çağırışda bu, kiminsə oxumalı olduğu minlərlə qeyd deməkdir.

Beləliklə, döşəmə qiymətində 8-bitlik pillənin arqumenti belədir: burada dəqiqliyə görə premium ödəmirsiniz, deməli təkrar cəhd hesabı pulsuz qazancdır. 3-bitlik model daha ucuz olsaydı, çəkiləsi real güzəşt olardı — Hy3 isə kataloqdakı ən ucuz şeylə eyni qiymətdədir.

07Üç API dialekti, bir model

Hy3 hər üç gateway dialektində əlçatandır və hər birində axın verir. Eyni model, eyni çəkilər, eyni hədlər — onsuz da işlətdiyiniz SDK-ya uyğun olanı seçin.

Uc nöqtə	Dialekt	Nə vaxt işlətməli
/v1/chat/completions	OpenAI	OpenAI SDK, LangChain və ya LlamaIndex işlədirsinizsə. Baza URL-i buraya yönəldin, model id-sini dəyişin.
/v1/messages	Anthropic	Anthropic SDK-dasınızsa və tərcümə qatı olmadan məzmun blokları istəyirsinizsə.
/v1/responses	Responses	Tipli çıxışı və server tərəfi vəziyyəti olan daha yeni sorğu formasını istəyirsinizsə.

Hy3 həmçinin alət çağırışını və düşünməni dəstəkləyir, reasoning_effort daxil olmaqla. Çıxarma işi üçün adətən faydalı hərəkət düşünməni azaltmaqdır: təmiz mətn üzərində yaxşı təsvir olunmuş sxemdə düşünmə tokenləri ödədiyiniz çıxış tokenləri və gözlədiyiniz gecikmədir, qazanc isə cüzidir. Səy büdcəsini əvəzində həqiqətən qeyri-müəyyən girişə sərf edin.

Tam sorğu və cavab arayışı, parametr siyahıları, axın semantikası və interaktiv sınaq meydançası API sənədlərindədir.

08Üç W8A16 modeli arasında seçim

Ən yüksək dəqiqlik pilləsində üç model dayanır və hamısı döşəmə qiymətindədir. Seçim əsasən modallıqla bağlıdır:

Model	Görmə	json_schema	Qiymət giriş / çıxış	Nə üçün seçməli
Hy3 · W8A16	Yox	Bəli	$0.50 / $2.00	Yalnız mətnlə strukturlaşdırılmış boru kəmərləri, alət orkestrasiyası, uzun kontekstdən axtarıb tapma
MiMo-V2.5-Pro · W8A16	Yox	Bəli	$0.50 / $2.00	MiMo xəttinin Pro tənzimləməsini istədiyiniz yalnız mətn işi
MiMo-V2.5 · W8A16	Bəli	Bəli	$0.50 / $2.00	Şəkilli hər şey — skan edilmiş sənədlər, ekran görüntüləri, fotoşəkillər

Girişinizin hər hansı hissəsi şəkildirsə, qərar sizin yerinizə verilib: Hy3 yalnız mətnlə işləyir — skan edilmiş PDF-ləri, ekran görüntülərini və fotoşəkilləri MiMo-V2.5-ə göndərin. Giriş həqiqətən mətndirsə, Hy3-ün agentik alət istifadəsi, uzun kontekst yaddaşı və aşağı bildirilmiş halüsinasiya profili boru kəməri işinə ən birbaşa uyğun gəlir. Üçü də eyni qiymətdə olduğu üçün sxeminizi onlardan ikisində bir neçə yüz real qeyd üzərində işlədin və təhlil dərəcələrini müqayisə edin; bu, istənilən cədvəldən — bu cədvəl də daxil olmaqla — məsələni daha yaxşı həll edir.

09Hy3 yerini harada qazanır

• Yüksək həcmli sahə çıxarma. Müqavilələr, hesabatlar, insident aktları, transkriptlər, klinik qeydlər, məhkəmə sənədləri — sənəd başına tipli obyektin son məhsul olduğu və həcmin təkrar cəhdləri bahalaşdırdığı hər yer.
• Miqyasda təsnifat və marşrutlaşdırma. Bağlı enum çıxışları, burada modelin bütün dəyəri on doqquzuncu kateqoriyanı heç vaxt uydurmamağıdır.
• Təhlükəsizlik və təhdid kəşfiyyatı korpusları. Zərərli proqram hesabatları, ekspluatasiya açıqlamaları və fişinq nümunələri — filtrli modelləri imtinaya sürükləyən material, üstəlik kateqoriya formasında boşluğun məqsədi puç etdiyi yer.
• Dayanmamalı olan alət çağıran agentlər. 8-bitlik arqument dəqiqliyi funksiyalarınıza verilən JSON-un təhlil olunması deməkdir; korlanmış alət çağırışı bir az pis cavab deyil, dayanmış agentdir.
• Uzun sənədin strukturlu təhlili. Bütöv hesabat girir, bir yığcam obyekt çıxır.
• Məzmun moderasiyası və siyasət tədqiqatı. Filtrli modelin oxumaqdan imtina etdiyi materialı etiketləmək daimi etibar və təhlükəsizlik problemidir; ciddi sxemi olan filtrsiz model onu birbaşa həll edir.

Harada yox: şəkilli hər şey (MiMo-V2.5 işlədin) və avtonom çoxfayllı proqram mühəndisliyi — Tencent-in öz cədvəlləri Hy3-ü SWE-bench Verified-də GLM-5.2-dən geridə, DeepSWE-də isə xeyli geridə yerləşdirir.

Benchmark rəqəmləri Tencent tərəfindən bildirilib, rəqib rəqəmləri də daxil olmaqla; yazı hazırlananda müstəqil yoxlama gözlənilirdi. Xərc rəqəmləri dərc etdiyimiz $0.50 / $2.00 tariflərindən hesablanıb. Bu səhifədəki heç bir rəqəm Shannon-un keçirdiyi benchmark və ya təxmin deyil.

10Tez-tez verilən suallar

---

Mənbələr: Tencent Hunyuan model bələdçiləri · Hy3 repozitoriyası · Hunyuan-Large: An Open-Source MoE Model (arXiv 2411.02265) · Hy3 buraxılışının VentureBeat işıqlandırması. Təməl benchmarkları Tencent tərəfindən bildirilib və müstəqil yoxlanışa qədər ilkin xarakterlidir. Shannon AI-ni Shannon Lab LLC (Nyu-Meksiko, ABŞ) idarə edir.