Hy3 API bez cenzury

Většina sporů o tom, „který model mám použít“, je o stropu: který napíše nejlepší kód, vyřeší nejtěžší matematiku, vyhraje nejdelší běh agenta. Strukturované pipeline tak nefungují. Úloha, která denně vytahuje pole ze sta tisíc dokumentů, nepotřebuje model, který je jednou geniální — potřebuje takový, který je pokaždé správný ve stejném tvaru a nikdy nevrátí odstavec tam, kam patří JSON objekt. Přesně kvůli téhle vlastnosti tu Hy3-W8A16 je.

01Co je Hy3 a odkud pochází

Hy3 je model s otevřenými váhami pro uvažování a agentní práci od týmu Hunyuan v Tencentu, vydaný v plném rozsahu 6. července 2026 pod permisivní licencí, s váhami zveřejněnými na Hugging Face. Navazuje na dřívější práci Tencentu na Mixture-of-Experts v Hunyuan-Large. Architektonicky jde o řídké MoE: 295 miliard celkových parametrů, z nichž se zhruba 21 miliard aktivuje na token přes top-8 routing napříč 192 experty, na 80vrstvém transformeru s grouped-query pozorností, plus samostatná vrstva multi-token predikce s 3,8B parametry pro spekulativní dekódování. Nativní kontext je 256K — tedy přesně těch 262 144 tokenů, které vystavujeme, ne zkrácení něčeho většího ani rope natažení něčeho menšího.

Ten poměr řídkosti je důležité číslo pro každého, kdo platí za token: Hy3 nese znalosti modelu s 295B parametry, přičemž na jeden dopředný průchod odvede zhruba aritmetiku modelu s 21B. To je také důvod, proč si můžeme dovolit servírovat ho na 8 bitech místo tvrdší komprese — 8bitový build takhle řídkého modelu se pořád vejde a pořád běží rychle na našem vlastním GPU clusteru.

V čem je podle Tencentu dobrý

Zveřejněné vyhodnocovací tabulky Tencentu kladou silné stránky Hy3 jednoznačně do agentního vyhledávání, orchestrace nástrojů a vyhledávání v dlouhém kontextu, ne do samotného kódování. Jejich uváděná čísla:

Ty slabé pruhy ukazujeme schválně. Hy3 zaostává za GLM-5.2 v kódování ve vlastním srovnání Tencentu — 78,0 proti 84,2 na SWE-bench Verified, 28,0 proti 46,2 na DeepSWE. Pokud je vaší zátěží autonomní softwarové inženýrství napříč více soubory, přečtěte si nejdřív zbytek výzkumného indexu modelů. Pokud je jí čtení textu a vydávání struktury, je ten profil skoro ideální.

Nejdůležitější číslo pro práci v pipeline se týká spolehlivosti: Tencent uvádí míru halucinací Hy3 na 5,4 %, oproti 12,5 % v předchozí generaci, přičemž chyby ve zdravém rozumu klesly z 25,4 % na 12,7 %. Jejich deklarovaný tréninkový princip — odpovídej, když je důkaz, a rovnou řekni, když není — je přesně ta povaha, kterou u extrakčního modelu chcete, protože jinak by si pro pole, které zdroj nikdy nezmínil, vymyslel věrohodnou hodnotu.

Všechna čísla v této sekci uvádí Tencent z vlastních testovacích běhů; nezávislé ověření třetí stranou v době psaní ještě neproběhlo. Berte je jako orientační, ne jako uzavřená.

02Co znamená W8A16 a proč záleží u strukturovaného výstupu

Každý model na bráně nese kvantizační příponu. Není to dekorace — říká vám, jak daleko leží servírované váhy od checkpointu, který laboratoř vydala.

Tier	Co dělá	Věrnost
3BIT-REAP	3bitové váhy plus REAP, metoda prořezávání expertů, která před kvantizací zahodí zřídka routované MoE experty	Nejvíc komprimovaný
W4A16-AUTOROUND-REAP	4bitové váhy / 16bitové aktivace přes AutoRound — naučené zaokrouhlování, které vrací přesnost oproti naivnímu zaokrouhlení na nejbližší hodnotu — plus prořezání REAPem	Střední
W8A16	8bitové váhy / 16bitové aktivace. Žádné prořezávání, žádná oprava naučeným zaokrouhlením — váhy se prostě nesou v dvojnásobné přesnosti	Nejvyšší

Kde drift z kvantizace opravdu bolí

REAP a AutoRound vrátí většinu toho, co naivní komprese ztratí — ale to „většinu“ v téhle větě odvádí hodně práce a zbytek nedopadá rovnoměrně. Nízkobitová kvantizace degraduje chvosty: rozhodnutí s nízkou pravděpodobností a vysokou specifičností. V próze je to skoro neviditelné; jiné přídavné jméno je pořád dobrá věta. U strukturovaného výstupu je to celá hra, protože schéma je dlouhý řetěz málo pravděpodobných rozhodnutí, z nichž každé musí být přesně správné:

• Syntaxe na úrovni tokenů. Uzavírací závorka, čárka, uvozovka. Každá je jeden token a jediný špatný token zneplatní celou odpověď.
• Kázeň u enumů. Vaše schéma říká, že "status" je jedno z "open" | "closed" | "pending"; posunutý model vrátí "Open" nebo "pending review" — sémanticky blízko, a ani jedno platné.
• Kázeň u typů. Pole typu number se vrátí jako "1,240", boolean jako "yes". Obojí se naparsuje jako řetězec a schématem neprojde.
• Literály z dlouhého chvostu. Vzácná vlastní jména, čísla dílů, chemické názvy, nelatinková písma, přesná data — přesně ta málo pravděpodobná oblast, kterou nízkobitové váhy rozmažou.

Nic z toho nedělá ze 4bitových nebo 3bitových modelů špatné modely; na konverzační práci často ten rozdíl ve věrnosti nestojí za rozdíl v ceně. Ale když je konzumentem výstupu validátor, a ne člověk, přesnost v chvostech se přímo převádí na míru úspěšného parsování — a ta na rozpočet opakování a na p99 latenci. W8A16 je tier, kde tuhle daň přestanete platit.

03Strukturovaný výstup: json_schema a response_format

Hy3 podporuje obě poloviny plochy strukturovaného výstupu — stojí za to to říct výslovně, protože napříč nabídkou to univerzální není:

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

Rozdíl mezi těmi dvěma mechanismy má větší význam, než lidé předpokládají. response_format: {"type": "json_object"} si žádá validní JSON a nic víc — tvar si vybírá model, takže dvě volání můžou vrátit {"name": ...} a {"full_name": ...} a obojí je správně. json_schema dodá tvar dopředu: pojmenovaná pole, typy, enumy, seznamy povinných položek, zanoření. To už je kontrakt, proti kterému můžete psát kód.

Minimální volání v dialektu kompatibilním s 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"]
      }
    }
  }
}

Praktické poznámky

• Udělejte každé pole povinné a povolte null. Volitelná pole zvou k tichému vypadávání; povinné pole připouštějící null vynutí explicitní „není přítomno“, což je informace, se kterou se dá pracovat.
• Enumy poráží volné řetězce. Kdekoli můžete množinu hodnot uzavřít, uzavřete ji — je to změna s největší pákou na reálnou průchodnost schématu.
• Zůstaňte pod stropem 16 384 výstupních tokenů. Neomezené pole se usekne uprostřed objektu. Omezte délky polí, nebo vstup rozdělte.
• Systémovou zprávu si nechte. Schéma omezuje tvar; prompt pořád řídí sémantiku — co se počítá jako „kritické“, které datum vyhrává, když se objeví dvě, jestli normalizovat jednotky.
• Stejně validujte. Podpora schématu zvyšuje průchodnost; nenahrazuje validátor ani frontu nedoručitelných zpráv.

04Proč je „bez cenzury“ vlastnost spolehlivosti, ne jen obsahu

Hy3 na bráně nemá žádnou vrstvu odmítání ani filtrování výstupu. Obvyklé rámování se týká obsahu: můžete zpracovávat bezpečnostní výzkum, analýzu malwaru, rozbory exploitů, lékařské a právní korpusy, materiál pro dospělé, dokumentaci harm reduction nebo přepisy nepřátelských uživatelů, aniž by za vás model rozhodl, že se mu do toho nechce.

Je tu ale i druhý, mechaničtější důvod, proč na tom záleží. Odmítnutí je porušením schématu. Filtrovaný model, který odmítne, nevrátí váš objekt s příznakem "unavailable" — vrátí prózu. „Tohle bohužel nemůžu splnit.“ Takový řetězec není objekt incident; neprojde vaším validátorem a přistane ve frontě nedoručitelných zpráv vedle skutečných chyb parsování, kde teď musíte oddělovat odmítnutí podle politiky od reálných deformací.

Ještě horší je, že odmítnutí korelují s obsahem, místo aby se rozdělovala náhodně. Pokud jsou 4 % vašeho korpusu hlášení bezpečnostních incidentů a model většinu z nich odmítne, nepřišli jste o 4 % propustnosti rovnoměrně — přišli jste o jednu kategorii a dashboard postavený nad těmi daty tiše podhodnocuje přesně to, kvůli čemu existuje. Díry ve tvaru kategorie stojí víc než rovnoměrný šum, protože na ně nic nezaalarmuje. Odstraňte cestu odmítání a to, co zbyde — deformace, useknutí, nejednoznačný text — s tématem nekoreluje, a je tedy měřitelné.

05Kontext, strop výstupu a jak s nimi rozpočtovat

Všechny modely na bráně sdílejí tytéž limity:

Kontext je sdílený rozpočet: prompt plus výstup se musí vejít do 262 144 dohromady, takže praktický strop vstupu v jednom volání je zhruba 245 000 tokenů, velmi hrubě 180 000 anglických slov. U strukturované práce je tvrdším limitem strop 16 384 výstupních tokenů a je to ten, který lidi překvapí — schéma vydávající jeden objekt na záznam na něj narazí dávno předtím, než se okno zaplní. Proti tomu fungují dva vzory:

• Široký vstup, úzký výstup. Nasypte do kontextu celou smlouvu, podání nebo okno logu a požádejte o jeden kompaktní objekt. Vstupní tokeny stojí čtvrtinu toho, co výstupní, takže ceník odměňuje hodně čtení a málo psaní.
• Dělte na hranicích záznamů, ne po bajtech. Rozdělujte tam, kde model ten šev vidí. Záznam useknutý uprostřed věty vyprodukuje sebejistě špatný objekt místo zjevného selhání.

Uváděná síla Hy3 ve vyhledávání v dlouhém kontextu — 73,4 na AA-LCR a skok ze 42,9 % na 75,1 % v MRCR na vybavování z dlouhých dialogů — je přesně ta schopnost, na které první vzor stojí, a je to jiná dovednost než dobře psát.

06Spodní cena a aritmetika reálné pipeline

Hy3 leží na $0.50 za milion vstupních tokenů a $2.00 za milion výstupních tokenů — spodní hranici nabídky, sdílené s MiMo-V2.5, MiMo-V2.5-Pro, DeepSeek-V4-Flash-0731 a MiniMax-M3. Propočteno na reprezentativní zátěže:

Zátěž	Vstup / volání	Výstup / volání	Cena / volání	Za 1M volání
Extrakce polí	1,200	300	$0.0012	$1,200
Klasifikace dokumentů	3,000	120	$0.0018	$1,800
Shrnutí dlouhého dokumentu do schématu	40,000	900	$0.0218	$21,800
Analýza plného okna	240,000	2,000	$0.1240	$124,000

Číslo, které mění rozhodnutí, není ceníková sazba, ale efektivní sazba po opakováních. Pokud dva modely stojí stejně a jeden neprojde validací u 6 % volání tam, kde druhý selže u 1,5 %, model s větším driftem odbaví zhruba o 4,5 % volání víc — to se přežít dá. Škody jsou v chvostu: opakovaná volání trvají dvakrát tak dlouho, takže se p99 latence pro viditelný kus provozu zhruba zdvojnásobí, a co selže dvakrát, stává se ruční prací. Při milionu volání denně jsou to tisíce záznamů, které musí někdo přečíst.

Odtud ten argument pro 8bitový tier za spodní cenu: za věrnost tady neplatíte prémii, takže aritmetika opakování jsou peníze zdarma. Kdyby byl 3bitový model levnější, byl by tu skutečný kompromis ke zvážení — jenže Hy3 stojí tolik co to nejlevnější v nabídce.

07Tři API dialekty, jeden model

Hy3 je dostupný ve všech třech dialektech brány, se streamováním v každém z nich. Stejný model, stejné váhy, stejné limity — vezměte ten, který odpovídá SDK, které už máte.

Endpoint	Dialekt	Použijte, když
/v1/chat/completions	OpenAI	Máte OpenAI SDK, LangChain nebo LlamaIndex. Nasměrujte sem base URL a změňte id modelu.
/v1/messages	Anthropic	Jste na Anthropic SDK a chcete bloky obsahu bez překladové vrstvy.
/v1/responses	Responses	Chcete novější tvar požadavku s typovaným výstupem a stavem na straně serveru.

Hy3 také podporuje volání nástrojů a uvažování, včetně reasoning_effort. U extrakční práce je obvykle užitečné uvažování ztlumit: nad dobře specifikovaným schématem a čistým textem jsou tokeny přemýšlení výstupními tokeny, které platíte, a latencí, kterou čekáte, za marginální přínos. Rozpočet na uvažování raději utraťte na skutečně nejednoznačných vstupech.

Úplnou referenci požadavků a odpovědí, seznamy parametrů, sémantiku streamování a interaktivní hřiště najdete v dokumentaci API.

08Jak vybrat mezi třemi modely W8A16

Na nejvěrnějším tieru sedí tři modely, všechny za spodní cenu. Volba je hlavně o modalitě:

Model	Vidění	json_schema	Cena vstup / výstup	Vezměte ho na
Hy3 · W8A16	Ne	Ano	$0.50 / $2.00	Čistě textové strukturované pipeline, orchestraci nástrojů, vyhledávání v dlouhém kontextu
MiMo-V2.5-Pro · W8A16	Ne	Ano	$0.50 / $2.00	Čistě textovou práci, kde chcete Pro ladění linie MiMo
MiMo-V2.5 · W8A16	Ano	Ano	$0.50 / $2.00	Cokoli s obrázky — naskenované dokumenty, snímky obrazovky, fotky

Pokud je jakákoli část vašeho vstupu obrázek, je rozhodnuto za vás: Hy3 je čistě textový — naskenovaná PDF, snímky obrazovky a fotografie posílejte na MiMo-V2.5. Tam, kde je vstup opravdu text, profil Hy3 s agentním používáním nástrojů, vybavováním z dlouhého kontextu a nízkou uváděnou mírou halucinací sedí na práci v pipeline nejpříměji. Protože všechny tři stojí stejně, pusťte své schéma proti dvěma z nich na několika stovkách reálných záznamů a porovnejte míru úspěšného parsování; to to rozhodne líp než jakákoli tabulka, včetně téhle.

09Kde si Hy3 zaslouží své místo

• Objemová extrakce polí. Smlouvy, podání, hlášení incidentů, přepisy, klinické záznamy, soudní spisy — všude, kde je dodávkou typovaný objekt na dokument a kde objem dělá opakování drahými.
• Klasifikace a routing ve velkém. Uzavřené enum výstupy, kde je celá hodnota modelu v tom, že si nikdy nevymyslí devatenáctou kategorii.
• Bezpečnostní korpusy a threat intel. Rozbory malwaru, zveřejnění exploitů a phishingové vzorky — materiál, na kterém filtrované modely sklouznou k odmítnutí a kde díra ve tvaru kategorie maří celý účel.
• Agenti volající nástroje, kteří se nesmí zaseknout. Osmibitová věrnost argumentů znamená, že JSON předaný vašim funkcím se naparsuje; zdeformované volání nástroje je zaseknutý agent, ne o trochu horší odpověď.
• Analýza dlouhých dokumentů do struktury. Celé podání dovnitř, jeden kompaktní objekt ven.
• Moderace obsahu a výzkum politik. Označování materiálu, který filtrovaný model odmítá číst, je trvalý problém trust and safety; nefiltrovaný model se striktním schématem ho řeší přímo.

A kde ne: cokoli s obrázky (použijte MiMo-V2.5) a autonomní softwarové inženýrství napříč více soubory, kde vlastní tabulky Tencentu staví Hy3 za GLM-5.2 na SWE-bench Verified a hluboko za něj na DeepSWE.

Benchmarková čísla uvádí Tencent, včetně čísel konkurence; nezávislé ověření v době psaní ještě probíhalo. Nákladové údaje jsou spočítané z našich zveřejněných sazeb $0.50 / $2.00. Žádné číslo na této stránce není benchmark měřený Shannonem ani odhad.

10Často kladené otázky

---

Zdroje: karty modelů Tencent Hunyuan · repozitář Hy3 · Hunyuan-Large: An Open-Source MoE Model (arXiv 2411.02265) · pokrytí vydání Hy3 na VentureBeatu. Benchmarky základu uvádí Tencent a jsou předběžné, dokud neproběhne nezávislé ověření. Shannon AI provozuje Shannon Lab LLC, Nové Mexiko, USA.