API Model Hy3 Heb Sensoriaeth

Mae'r rhan fwyaf o ddadleuon "pa fodel ddylwn i ei ddefnyddio" yn ymwneud â'r nenfwd: pa un sy'n ysgrifennu'r cod gorau, yn datrys y fathemateg anoddaf, yn ennill y rhediad asiant hiraf. Nid yw piblinellau strwythuredig yn gweithio felly. Nid oes angen model sy'n wych unwaith ar swydd sy'n echdynnu meysydd o gan mil o ddogfennau'r dydd — mae angen un sy'n gywir yn yr un siâp bob tro, ac nad yw byth yn dychwelyd paragraff lle dylai gwrthrych JSON fod. Dyna'r eiddo y mae Hy3-W8A16 yma ar ei gyfer.

01Beth yw Hy3, ac o ble mae'n dod

Model rhesymu ac asiantaidd pwysau agored gan dîm Hunyuan Tencent yw Hy3, a ryddhawyd yn llawn ar 6 Gorffennaf 2026 o dan drwydded ganiataol, gyda'r pwysau wedi'u cyhoeddi ar Hugging Face. Mae'n parhau llinach gwaith Cymysgedd-o-Arbenigwyr cynharach Tencent, Hunyuan-Large. Yn bensaernïol mae'n MoE tenau: 295 biliwn o baramedrau i gyd, ac o'r rheini mae tua 21 biliwn yn actifadu fesul tocyn trwy lwybro top-8 ar draws 192 o arbenigwyr, ar drawsnewidydd 80 haen gyda sylw grŵp-ymholiad, ynghyd â haen rhagfynegi aml-docyn 3.8B ar wahân ar gyfer datgodio dyfaliadol. Y cyd-destun brodorol yw 256K — yn union y 262,144 o docynnau a ddatgelwn, nid tocio rhywbeth mwy nac ymestyniad rhaff o rywbeth llai.

Y gymhareb teneurwydd honno yw'r rhif pwysig i unrhyw un sy'n talu fesul tocyn: mae Hy3 yn cario gwybodaeth model 295B tra'n gwneud tua rhifyddeg model 21B fesul pas ymlaen. Dyna hefyd pam y gallwn fforddio ei weini ar 8 did yn hytrach na'i gywasgu'n galetach — mae adeiladwaith 8-did o fodel mor denau'n dal i ffitio ac yn dal i redeg yn gyflym ar ein clwstwr GPU ein hunain.

Beth mae Tencent yn ei adrodd y mae'n dda arno

Mae tablau gwerthuso cyhoeddedig Tencent yn gosod cryfderau Hy3 yn gadarn mewn chwilio asiantaidd, cerddori offer, ac adalw cyd-destun hir yn hytrach nag mewn codio crai. Eu ffigurau adroddedig:

Rydym yn dangos y bariau gwan o fwriad. Mae Hy3 y tu ôl i GLM-5.2 ar godio yng nghymhariaeth Tencent eu hunain — 78.0 yn erbyn 84.2 ar SWE-bench Verified, 28.0 yn erbyn 46.2 ar DeepSWE. Os mai peirianneg meddalwedd amlffeil ymreolaethol yw eich llwyth gwaith, darllenwch weddill y mynegai ymchwil modelau yn gyntaf. Os darllen testun ac allyrru strwythur ydyw, mae'r proffil bron yn ddelfrydol.

Y ffigur sydd bwysicaf i waith piblinell yw un dibynadwyedd: mae Tencent yn adrodd cyfradd rithweledigaeth Hy3 ar 5.4%, i lawr o 12.5% yn y genhedlaeth flaenorol, gyda gwallau synnwyr cyffredin yn gostwng o 25.4% i 12.7%. Eu hegwyddor hyfforddi ddatganedig — atebwch pan fo tystiolaeth, dywedwch yn blaen pan nad oes — yw'n union yr anian a fynnwch mewn model echdynnu a fyddai fel arall yn dyfeisio gwerth credadwy ar gyfer maes na chrybwyllodd y ffynhonnell erioed.

Ffigurau a adroddwyd gan Tencent o'u rhediadau prawf eu hunain yw pob ffigur yn yr adran hon; roedd gwirio annibynnol gan drydydd parti'n dal i fod ar y gweill adeg ysgrifennu. Triniwch nhw fel rhai cyfeiriadol, nid rhai terfynol.

02Beth mae W8A16 yn ei olygu, a pham mae o bwys i allbwn strwythuredig

Mae pob model ar y porth yn cario ôl-ddodiad cwanteiddio. Nid addurn ydyw — mae'n dweud wrthych pa mor bell y mae'r pwysau a weinir yn eistedd oddi wrth y pwynt gwirio a ryddhaodd y labordy.

Haen	Beth mae'n ei wneud	Ffyddlondeb
3BIT-REAP	Pwysau 3-did ynghyd â REAP, dull tocio arbenigwyr sy'n gollwng arbenigwyr MoE a lwybrir yn brin cyn cwanteiddio	Mwyaf cywasgedig
W4A16-AUTOROUND-REAP	Pwysau 4-did / actifadau 16-did trwy AutoRound — talgrynnu wedi'i ddysgu sy'n adfer cywirdeb dros dalgrynnu naïf i'r agosaf — ynghyd â thocio REAP	Canol
W8A16	Pwysau 8-did / actifadau 16-did. Dim tocio, dim atgyweirio trwy dalgrynnu wedi'i ddysgu — dim ond cario'r pwysau ar ddwywaith y manwl gywirdeb	Uchaf

Ble mae drifft cwanteiddio'n brifo mewn gwirionedd

Mae REAP ac AutoRound yn adfer y rhan fwyaf o'r hyn a gollir gan gywasgu naïf — ond mae "y rhan fwyaf" yn gwneud gwaith yn y frawddeg honno, ac nid yw'r gweddillion yn glanio'n gyfartal. Mae cwanteiddio did isel yn diraddio'r cynffonnau: y penderfyniadau tebygolrwydd isel, penodolrwydd uchel. Mewn rhyddiaith mae hynny bron yn anweledig; mae ansoddair gwahanol yn dal yn frawddeg iawn. Mewn allbwn strwythuredig dyna'r gêm gyfan, oherwydd bod sgema'n gadwyn hir o benderfyniadau tebygolrwydd isel y mae'n rhaid i bob un ohonynt fod yn union gywir:

• Cystrawen ar lefel tocyn. Cromfach gau, coma, nod dyfynnu. Un tocyn yw pob un, ac mae un tocyn anghywir yn annilysu'r ymateb cyfan.
• Disgyblaeth enum. Mae eich sgema'n dweud bod "status" yn un o "open" | "closed" | "pending"; mae model sydd wedi drifftio'n dychwelyd "Open" neu "pending review" — yn agos yn semantaidd, ac yn ddilys fel yr un o'r ddau.
• Disgyblaeth math. Daw maes number yn ôl fel "1,240", a boolean fel "yes". Mae'r ddau'n dosrannu fel llinynnau ac yn methu'r sgema.
• Llythrennolion cynffon hir. Enwau priod prin, rhifau rhannau, enwau cemegol, sgriptiau anlatinaidd, dyddiadau manwl — yn union y rhanbarth tebygolrwydd isel y mae pwysau did isel yn ei bylu.

Nid yw dim o hyn yn gwneud modelau 4-did na 3-did yn wael; ar gyfer gwaith sgwrsio nid yw'r gwahaniaeth ffyddlondeb yn werth y gwahaniaeth pris yn aml. Ond pan mai dilysydd yn hytrach na pherson yw defnyddiwr yr allbwn, mae manwl gywirdeb ar y cynffonnau'n trosi'n uniongyrchol yn gyfradd ddosrannu — a'r gyfradd ddosrannu'n gyllideb ailgeisio ac yn hwyrni p99. W8A16 yw'r haen lle rydych yn peidio â thalu'r dreth honno.

03Allbwn strwythuredig: json_schema a response_format

Mae Hy3 yn cefnogi y ddau hanner o arwyneb yr allbwn strwythuredig — mae'n werth dweud hynny'n glir, oherwydd nid yw hynny'n gyffredinol ar draws y catalog:

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

Mae'r gwahaniaeth rhwng y ddau fecanwaith o fwy o bwys nag y mae pobl yn tybio. Mae response_format: {"type": "json_object"} yn gofyn am JSON dilys a dim mwy — y model sy'n dewis y siâp, felly gall dwy alwad ddychwelyd {"name": ...} a {"full_name": ...} ac mae'r ddau'n gywir. Mae json_schema yn cyflenwi'r siâp ymlaen llaw: meysydd wedi'u henwi, mathau, enumau, rhestrau gofynnol, nythu. Mae hwnnw'n gontract y gallwch ysgrifennu cod yn ei erbyn.

Galwad ofynnol ar y dafodiaith gydnaws ag 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"]
      }
    }
  }
}

Nodiadau ymarferol

• Gwnewch bob maes yn ofynnol a chaniatáu null. Mae meysydd dewisol yn gwahodd colledion tawel; mae maes gofynnol y gellir ei osod yn null yn gorfodi "ddim yn bresennol" penodol, sy'n wybodaeth y gallwch weithredu arni.
• Mae enumau'n curo llinynnau rhydd. Ble bynnag y gallwch gau'r set werthoedd, caewch hi — dyma'r newid mwyaf effeithiol i gyfradd basio go iawn sgema.
• Arhoswch o dan y nenfwd allbwn o 16,384 tocyn. Bydd arae anghyfyngedig yn torri'n fyr ar ganol gwrthrych. Cyfyngwch hyd yr araeau, neu rhannwch y mewnbwn.
• Cadwch y neges system. Mae'r sgema'n cyfyngu'r siâp; mae'r anogaeth yn dal i lywodraethu'r semanteg — beth sy'n cyfrif fel "critical", pa ddyddiad sy'n ennill pan ymddengys dau, ac a ddylid normaleiddio unedau.
• Dilyswch beth bynnag. Mae cefnogaeth sgema'n codi'r gyfradd basio; nid yw'n disodli dilysydd a chiw llythyrau marw.

04Pam mae "heb sensoriaeth" yn eiddo dibynadwyedd, nid dim ond un cynnwys

Nid oes gan Hy3 ar y porth haen wrthod na hidlo allbwn. Mae'r fframio arferol yn ymwneud â chynnwys: gallwch brosesu ymchwil diogelwch, dadansoddi meddalwedd maleisus, adroddiadau ecsbloetio, corpysau meddygol a chyfreithiol, deunydd i oedolion, dogfennaeth lleihau niwed neu drawsgrifiadau defnyddwyr gelyniaethus heb i'r model benderfynu ar eich rhan y byddai'n well ganddo beidio.

Mae ail reswm, mwy mecanyddol, pam mae o bwys. Mae gwrthodiad yn doriad sgema. Nid yw model wedi'i hidlo sy'n gwrthod yn dychwelyd eich gwrthrych gyda baner "unavailable" — mae'n dychwelyd rhyddiaith. "Ni allaf helpu gyda'r cais hwnnw." Nid gwrthrych incident yw'r llinyn hwnnw; mae'n methu eich dilysydd ac yn glanio yn y ciw llythyrau marw wrth ymyl gwallau dosrannu go iawn, lle mae'n rhaid i chi bellach wahanu gwrthodiadau polisi oddi wrth gamffurfiadau go iawn.

Yn waeth, mae gwrthodiadau'n cydberthyn â chynnwys yn hytrach na dosbarthu ar hap. Os yw 4% o'ch corpws yn adroddiadau digwyddiad diogelwch a bod y model yn gwrthod y rhan fwyaf ohonynt, nid ydych wedi colli 4% o'r trwybwn yn gyfartal — rydych wedi colli un categori, ac mae'r dangosfwrdd a adeiladwyd ar y data hwnnw'n tanadrodd yn dawel yr union beth y mae'n bodoli i'w ddangos. Mae tyllau ar ffurf categori'n costio mwy na sŵn unffurf oherwydd nad oes dim yn rhybuddio amdanynt. Tynnwch y llwybr gwrthod ac mae'r hyn sy'n weddill — camffurfiadau, toriadau, testun amwys — heb ei gydberthyn â phwnc, ac felly'n fesuradwy.

05Cyd-destun, nenfwd allbwn, a sut i'w cyllidebu

Mae pob model ar y porth yn rhannu'r un terfynau:

Cyllideb a rennir yw'r cyd-destun: rhaid i'r anogaeth a'r allbwn ffitio y tu mewn i 262,144 gyda'i gilydd, felly mae'r nenfwd mewnbwn ymarferol mewn un alwad tua 245,000 o docynnau, yn fras iawn 180,000 o eiriau Saesneg. Ar gyfer gwaith strwythuredig y cap allbwn o 16,384 tocyn yw'r terfyn anos a'r un sy'n synnu pobl — mae sgema sy'n allyrru un gwrthrych fesul cofnod yn ei daro ymhell cyn i'r ffenestr lenwi. Mae dau batrwm yn gweithio yn erbyn hynny:

• Mewnbwn llydan, allbwn cul. Gwthiwch gontract cyfan, ffeilio neu ffenestr log i mewn i'r cyd-destun a gofyn am un gwrthrych cryno. Mae tocynnau mewnbwn yn costio chwarter tocynnau allbwn, felly mae'r prisio'n gwobrwyo darllen llawer ac ysgrifennu ychydig.
• Rhannwch ar ffiniau cofnodion, nid ar gyfrif beitiau. Holltwch lle gall y model weld y wnïad. Mae cofnod a dorrir ar ganol brawddeg yn cynhyrchu gwrthrych anghywir yn hyderus yn hytrach na methiant amlwg.

Cryfder adalw cyd-destun hir adroddedig Hy3 — 73.4 ar AA-LCR, a naid o 42.9% i 75.1% ar adalw deialog hir MRCR — yw'n union y gallu y mae'r patrwm cyntaf yn dibynnu arno, a sgil gwahanol i ysgrifennu'n dda.

06Prisio llawr, a rhifyddeg piblinell go iawn

Mae Hy3 ar $0.50 fesul miliwn tocyn mewnbwn a $2.00 fesul miliwn tocyn allbwn — llawr y catalog, a rennir gyda MiMo-V2.5, MiMo-V2.5-Pro, DeepSeek-V4-Flash-0731 a MiniMax-M3. Wedi'i weithio trwy lwythi cynrychioliadol:

Llwyth gwaith	Mewnbwn / galwad	Allbwn / galwad	Cost / galwad	Fesul 1M galwad
Echdynnu meysydd	1,200	300	$0.0012	$1,200
Dosbarthu dogfennau	3,000	120	$0.0018	$1,800
Crynhoi dogfen hir i sgema	40,000	900	$0.0218	$21,800
Dadansoddiad ffenestr lawn	240,000	2,000	$0.1240	$124,000

Nid y gyfradd bennawd yw'r rhif sy'n newid penderfyniadau ond y gyfradd effeithiol ar ôl ailgeisiadau. Os yw dau fodel yn costio'r un peth ac un yn methu dilysu ar 6% o'r galwadau lle mae'r llall yn methu ar 1.5%, mae'r model drifft uchel yn rhedeg tua 4.5% yn fwy o alwadau — goroesadwy. Y difrod sydd ar y gynffon: mae galwadau a ailgeisir yn cymryd dwywaith cyhyd, felly mae hwyrni p99 tua dyblu i sleisen weladwy o'r traffig, ac mae beth bynnag sy'n methu ddwywaith yn dod yn waith llaw. Ar filiwn o alwadau'r dydd mae hynny'n filoedd o gofnodion y mae'n rhaid i rywun eu darllen.

Dyna'r achos dros yr haen 8-did am bris llawr: nid ydych yn talu premiwm am ffyddlondeb yma, felly mae rhifyddeg yr ailgeisiadau'n arian am ddim. Petai model 3-did yn rhatach byddai masnach go iawn i'w phwyso — mae Hy3 yn costio'r un peth â'r peth rhataf yn y catalog.

07Tair tafodiaith API, un model

Mae Hy3 yn gyraeddadwy ar y tair tafodiaith porth gyda ffrydio ar bob un. Yr un model, yr un pwysau, yr un terfynau — dewiswch pa un bynnag sy'n cyfateb i'r SDK sydd gennych eisoes.

Pwynt terfyn	Tafodiaith	Defnyddiwch pan
/v1/chat/completions	OpenAI	Mae gennych SDK OpenAI, LangChain neu LlamaIndex. Cyfeiriwch yr URL sylfaen yma, newidiwch y model id.
/v1/messages	Anthropic	Rydych ar SDK Anthropic ac eisiau blociau cynnwys heb haen gyfieithu.
/v1/responses	Responses	Rydych am y siâp cais mwy newydd gydag allbwn wedi'i deipio a chyflwr ochr-gweinydd.

Mae Hy3 hefyd yn cefnogi galw offer a rhesymu, gan gynnwys reasoning_effort. Ar gyfer gwaith echdynnu, y symudiad defnyddiol fel arfer yw troi'r rhesymu i lawr: ar sgema wedi'i nodi'n dda dros destun glân, tocynnau allbwn y talwch amdanynt a hwyrni y byddwch yn aros amdano yw tocynnau meddwl, am ennill ymylol. Gwariwch y gyllideb ymdrech ar fewnbwn gwirioneddol amwys yn lle hynny.

Mae'r cyfeirlyfr cais ac ymateb llawn, y rhestrau paramedrau, y semanteg ffrydio a maes chwarae rhyngweithiol yn byw yn dogfennaeth yr API.

08Dewis ymhlith y tri model W8A16

Mae tri model yn eistedd ar yr haen ffyddlonaf, i gyd am bris llawr. Moddoldeb yw'r dewis gan mwyaf:

Model	Gweledol	json_schema	Pris i mewn / allan	Dewiswch ef ar gyfer
Hy3 · W8A16	Na	Ie	$0.50 / $2.00	Piblinellau strwythuredig testun-yn-unig, cerddori offer, adalw cyd-destun hir
MiMo-V2.5-Pro · W8A16	Na	Ie	$0.50 / $2.00	Gwaith testun-yn-unig lle rydych am diwnio Pro y llinell MiMo
MiMo-V2.5 · W8A16	Ie	Ie	$0.50 / $2.00	Unrhyw beth â delweddau — dogfennau wedi'u sganio, sgrinluniau, lluniau

Os yw unrhyw ran o'ch mewnbwn yn ddelwedd mae'r penderfyniad wedi'i wneud drosoch: testun yn unig yw Hy3 — anfonwch PDFs wedi'u sganio, sgrinluniau a lluniau at MiMo-V2.5. Lle mae'r mewnbwn yn wirioneddol destun, mae proffil Hy3 o ddefnyddio offer asiantaidd, adalw cyd-destun hir a rhithweledigaeth adroddedig isel yn mapio'n fwyaf uniongyrchol ar waith piblinell. Gan fod y tri'n costio'r un peth, rhedwch eich sgema yn erbyn dau ohonynt ar ychydig gannoedd o gofnodion go iawn a chymharu'r cyfraddau dosrannu; mae hynny'n setlo'r peth yn well nag unrhyw dabl, gan gynnwys hwn.

09Ble mae Hy3 yn ennill ei le

• Echdynnu meysydd cyfaint uchel. Contractau, ffeiliadau, adroddiadau digwyddiad, trawsgrifiadau, nodiadau clinigol, cofnodion llys — unrhyw le lle mae gwrthrych wedi'i deipio fesul dogfen yn gynnyrch a lle mae cyfaint yn gwneud ailgeisiadau'n ddrud.
• Dosbarthu a llwybro ar raddfa. Allbynnau enum caeedig, lle mai gwerth cyfan y model yw peidio byth â dyfeisio pedwerydd categori ar bymtheg.
• Corpysau diogelwch a chudd-wybodaeth bygythiadau. Adroddiadau meddalwedd faleisus, datgeliadau ecsbloetio a samplau gwe-rwydo — y deunydd sy'n baglu modelau wedi'u hidlo i wrthod, a lle mae twll ar ffurf categori'n trechu'r pwrpas.
• Asiantau galw offer na chânt stopio. Mae ffyddlondeb dadleuon 8-did yn golygu bod y JSON a roddir i'ch ffwythiannau'n dosrannu; asiant wedi stopio yw galwad offeryn wedi'i llurgunio, nid ateb ychydig yn waeth.
• Dadansoddi dogfennau hir yn strwythur. Ffeilio cyfan i mewn, un gwrthrych cryno allan.
• Cymedroli cynnwys ac ymchwil polisi. Mae labelu deunydd y mae model wedi'i hidlo'n gwrthod ei ddarllen yn broblem barhaus i dimau ymddiriedaeth a diogelwch; mae model heb hidlydd gyda sgema lym yn ei datrys yn uniongyrchol.

A ble nad yw: unrhyw beth â delweddau (defnyddiwch MiMo-V2.5), a pheirianneg meddalwedd amlffeil ymreolaethol, lle mae tablau Tencent eu hunain yn gosod Hy3 y tu ôl i GLM-5.2 ar SWE-bench Verified ac ymhell y tu ôl ar DeepSWE.

Adroddwyd y ffigurau meincnod gan Tencent, gan gynnwys rhifau'r cystadleuwyr; roedd gwirio annibynnol ar y gweill adeg ysgrifennu. Cyfrifir y ffigurau cost o'n cyfraddau cyhoeddedig o $0.50 / $2.00. Nid oes yr un rhif ar y dudalen hon yn feincnod a redwyd gan Shannon nac yn amcangyfrif.

10Cwestiynau cyffredin

---

Ffynonellau: cardiau model Tencent Hunyuan · storfa Hy3 · Hunyuan-Large: An Open-Source MoE Model (arXiv 2411.02265) · sylw VentureBeat ar ryddhad Hy3. Adroddwyd meincnodau'r sylfaen gan Tencent ac maent yn ddarpariaethol nes eu gwirio'n annibynnol. Gweithredir Shannon AI gan Shannon Lab LLC, New Mexico, UDA.