API μοντέλου Hy3 χωρίς λογοκρισία

Οι περισσότερες συζητήσεις «ποιο μοντέλο να χρησιμοποιήσω» αφορούν την οροφή: ποιο γράφει τον καλύτερο κώδικα, λύνει τα δυσκολότερα μαθηματικά, κερδίζει το μακρύτερο τρέξιμο πράκτορα. Οι δομημένες ροές δεν δουλεύουν έτσι. Μια δουλειά που εξάγει πεδία από εκατό χιλιάδες έγγραφα τη μέρα δεν χρειάζεται ένα μοντέλο που είναι λαμπρό μία φορά — χρειάζεται ένα που είναι σωστό στο ίδιο σχήμα κάθε φορά, και που δεν επιστρέφει ποτέ μια παράγραφο εκεί που ανήκει ένα αντικείμενο JSON. Αυτή είναι η ιδιότητα για την οποία υπάρχει εδώ το Hy3-W8A16.

01Τι είναι το Hy3 και από πού έρχεται

Το Hy3 είναι ένα μοντέλο συλλογιστικής και αντζεντικής δράσης με ανοιχτά βάρη από την ομάδα Hunyuan της Tencent, που κυκλοφόρησε πλήρως στις 6 Ιουλίου 2026 υπό επιτρεπτική άδεια, με τα βάρη δημοσιευμένα στο Hugging Face. Συνεχίζει την καταγωγή της παλαιότερης δουλειάς Mixture-of-Experts Hunyuan-Large της Tencent. Αρχιτεκτονικά είναι ένα αραιό MoE: 295 δισεκατομμύρια συνολικές παράμετροι, από τις οποίες περίπου 21 δισεκατομμύρια ενεργοποιούνται ανά token μέσω δρομολόγησης top-8 σε 192 ειδικούς, πάνω σε έναν transformer 80 στρωμάτων με grouped-query attention, συν ένα ξεχωριστό στρώμα multi-token-prediction 3,8B για κερδοσκοπική αποκωδικοποίηση. Το εγγενές context είναι 256K — ακριβώς τα 262.144 tokens που εκθέτουμε, όχι περικοπή κάποιου μεγαλύτερου ούτε επέκταση με τέντωμα rope κάποιου μικρότερου.

Αυτός ο λόγος αραιότητας είναι το σημαντικό νούμερο για όποιον πληρώνει ανά token: το Hy3 κουβαλά τη γνώση ενός μοντέλου 295B ενώ κάνει περίπου την αριθμητική ενός 21B ανά εμπρόσθιο πέρασμα. Είναι επίσης ο λόγος που μπορούμε να αντέξουμε να το σερβίρουμε στα 8 bit αντί να το συμπιέσουμε περισσότερο — ένα build 8 bit ενός τόσο αραιού μοντέλου εξακολουθεί να χωρά και να τρέχει γρήγορα στο δικό μας cluster GPU.

Σε τι λέει η Tencent ότι είναι καλό

Οι δημοσιευμένοι πίνακες αξιολόγησης της Tencent τοποθετούν τα δυνατά σημεία του Hy3 ξεκάθαρα στην αντζεντική αναζήτηση, την ενορχήστρωση εργαλείων και την ανάκτηση σε μακρύ context και όχι στον ωμό κώδικα. Τα νούμερα που αναφέρουν:

Δείχνουμε επίτηδες και τις αδύναμες μπάρες. Το Hy3 υστερεί έναντι του GLM-5.2 στον κώδικα στη σύγκριση της ίδιας της Tencent — 78.0 έναντι 84.2 στο SWE-bench Verified, 28.0 έναντι 46.2 στο DeepSWE. Αν ο φόρτος σου είναι αυτόνομη μηχανική λογισμικού σε πολλά αρχεία, διάβασε πρώτα το υπόλοιπο ευρετήριο έρευνας μοντέλων. Αν είναι ανάγνωση κειμένου και παραγωγή δομής, το προφίλ είναι σχεδόν ιδανικό.

Το νούμερο που μετράει περισσότερο για δουλειά σε ροές παραγωγής είναι ένα νούμερο αξιοπιστίας: η Tencent αναφέρει το ποσοστό παραισθήσεων του Hy3 στο 5.4%, από 12.5% στην προηγούμενη γενιά, με τα σφάλματα κοινής λογικής να πέφτουν από 25.4% σε 12.7%. Η δηλωμένη αρχή εκπαίδευσής τους — απάντα όταν υπάρχει τεκμήριο, πες το καθαρά όταν δεν υπάρχει — είναι ακριβώς η διάθεση που θέλεις σε ένα μοντέλο εξαγωγής, που αλλιώς θα εφεύρισκε μια εύλογη τιμή για ένα πεδίο που η πηγή δεν αναφέρει ποτέ.

Όλα τα νούμερα αυτής της ενότητας είναι δηλωμένα από την Tencent από τα δικά της τρεξίματα δοκιμών· ανεξάρτητη επαλήθευση από τρίτους εκκρεμούσε ακόμα τη στιγμή της συγγραφής. Δες τα ως ενδεικτικά, όχι ως οριστικά.

02Τι σημαίνει W8A16 και γιατί μετράει για τη δομημένη έξοδο

Κάθε μοντέλο στο gateway κουβαλά μια κατάληξη κβαντισμού. Δεν είναι διακόσμηση — σου λέει πόσο μακριά κάθονται τα σερβιρισμένα βάρη από το checkpoint που κυκλοφόρησε το εργαστήριο.

Βαθμίδα	Τι κάνει	Πιστότητα
3BIT-REAP	Βάρη 3 bit συν REAP, μια μέθοδο κλαδέματος ειδικών που ρίχνει τους σπάνια δρομολογημένους ειδικούς MoE πριν τον κβαντισμό	Πιο συμπιεσμένη
W4A16-AUTOROUND-REAP	Βάρη 4 bit / ενεργοποιήσεις 16 bit μέσω AutoRound — μαθημένη στρογγυλοποίηση που ανακτά ακρίβεια έναντι της αφελούς στρογγυλοποίησης στο πλησιέστερο — συν κλάδεμα REAP	Μεσαία
W8A16	Βάρη 8 bit / ενεργοποιήσεις 16 bit. Χωρίς κλάδεμα, χωρίς επιδιόρθωση με μαθημένη στρογγυλοποίηση — τα βάρη απλώς κουβαλιούνται στη διπλάσια ακρίβεια	Υψηλότερη

Πού πονάει πραγματικά η παρέκκλιση του κβαντισμού

Το REAP και το AutoRound ανακτούν τα περισσότερα από όσα χάνει η αφελής συμπίεση — αλλά το «τα περισσότερα» κουβαλά βάρος σε αυτή την πρόταση, και το υπόλοιπο δεν προσγειώνεται ομοιόμορφα. Ο κβαντισμός χαμηλών bit εκφυλίζει τις ουρές: τις αποφάσεις χαμηλής πιθανότητας και υψηλής ειδικότητας. Στον πεζό λόγο αυτό είναι σχεδόν αόρατο· ένα διαφορετικό επίθετο εξακολουθεί να δίνει καλή πρόταση. Στη δομημένη έξοδο είναι όλο το παιχνίδι, γιατί ένα σχήμα είναι μια μακριά αλυσίδα αποφάσεων χαμηλής πιθανότητας που πρέπει η καθεμία να είναι ακριβώς σωστή:

• Σύνταξη σε επίπεδο token. Μια αγκύλη κλεισίματος, ένα κόμμα, ένα εισαγωγικό. Το καθένα είναι ένα token, και ένα λάθος token ακυρώνει ολόκληρη την απάντηση.
• Πειθαρχία στα enum. Το σχήμα σου λέει ότι το "status" είναι ένα από τα "open" | "closed" | "pending"· ένα μοντέλο που έχει παρεκκλίνει επιστρέφει "Open" ή "pending review" — σημασιολογικά κοντά, και έγκυρο ως τίποτα από τα δύο.
• Πειθαρχία στους τύπους. Ένα πεδίο number γυρίζει ως "1,240", ένα boolean ως "yes". Και τα δύο αναλύονται ως συμβολοσειρές και κόβονται από το σχήμα.
• Κυριολεξίες της μακριάς ουράς. Σπάνια κύρια ονόματα, κωδικοί ανταλλακτικών, χημικές ονομασίες, μη λατινικά συστήματα γραφής, ακριβείς ημερομηνίες — ακριβώς η περιοχή χαμηλής πιθανότητας που θολώνουν τα βάρη χαμηλών bit.

Τίποτα από αυτά δεν κάνει κακά τα μοντέλα 4 bit ή 3 bit· για συνομιλιακή δουλειά η διαφορά πιστότητας συχνά δεν αξίζει τη διαφορά τιμής. Όταν όμως ο καταναλωτής της εξόδου είναι ένας επικυρωτής και όχι άνθρωπος, η ακρίβεια στις ουρές μετατρέπεται άμεσα σε ποσοστό επιτυχούς ανάλυσης — και το ποσοστό ανάλυσης σε προϋπολογισμό επαναλήψεων και καθυστέρηση p99. Το W8A16 είναι η βαθμίδα όπου παύεις να πληρώνεις αυτόν τον φόρο.

03Δομημένη έξοδος: json_schema και response_format

Το Hy3 υποστηρίζει και τα δύο μισά της επιφάνειας δομημένης εξόδου — αξίζει να ειπωθεί ρητά, γιατί αυτό δεν είναι καθολικό στον κατάλογο:

Μοντέλο	response_format	json_schema
Hy3 · W8A16	Ναι	Ναι
MiMo-V2.5-Pro · W8A16	Ναι	Ναι
inkling · W4A16-AUTOROUND-REAP	Ναι	Όχι
Laguna-S-2.1 · W4A16-AUTOROUND-REAP	Όχι	Όχι

Η διαφορά ανάμεσα στους δύο μηχανισμούς μετράει περισσότερο απ' ό,τι υποθέτει ο κόσμος. Το response_format: {"type": "json_object"} ζητά έγκυρο JSON και τίποτα παραπάνω — το μοντέλο διαλέγει το σχήμα, οπότε δύο κλήσεις μπορούν να επιστρέψουν {"name": ...} και {"full_name": ...} και να είναι και οι δύο σωστές. Το json_schema δίνει το σχήμα εκ των προτέρων: ονομασμένα πεδία, τύπους, enum, λίστες υποχρεωτικών, ένθεση. Αυτό είναι συμβόλαιο πάνω στο οποίο μπορείς να γράψεις κώδικα.

Μια ελάχιστη κλήση στη διάλεκτο που είναι συμβατή με 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"]
      }
    }
  }
}

Πρακτικές σημειώσεις

• Κάνε κάθε πεδίο υποχρεωτικό και επίτρεψε το null. Τα προαιρετικά πεδία προσκαλούν σιωπηλές παραλείψεις· ένα υποχρεωτικό πεδίο που δέχεται null εξαναγκάζει ένα ρητό «δεν υπάρχει», που είναι πληροφορία πάνω στην οποία μπορείς να δράσεις.
• Τα enum νικούν τις ελεύθερες συμβολοσειρές. Όπου μπορείς να κλείσεις το σύνολο τιμών, κλείσ' το — η αλλαγή με τη μεγαλύτερη μόχλευση στο πραγματικό ποσοστό επιτυχίας ενός σχήματος.
• Μείνε κάτω από την οροφή εξόδου των 16.384 tokens. Ένας πίνακας χωρίς όριο θα κοπεί στη μέση ενός αντικειμένου. Βάλε οροφή στα μήκη πινάκων ή τεμάχισε την είσοδο.
• Κράτα το system message. Το σχήμα περιορίζει τη μορφή· το prompt εξακολουθεί να διέπει τη σημασιολογία — τι μετράει ως «critical», ποια ημερομηνία υπερισχύει όταν εμφανίζονται δύο, αν θα κανονικοποιηθούν οι μονάδες.
• Επικύρωσε ούτως ή άλλως. Η υποστήριξη σχήματος ανεβάζει το ποσοστό επιτυχίας· δεν αντικαθιστά έναν επικυρωτή και μια ουρά νεκρών μηνυμάτων.

04Γιατί το «χωρίς λογοκρισία» είναι ιδιότητα αξιοπιστίας, όχι μόνο περιεχομένου

Το Hy3 στο gateway δεν έχει επίπεδο άρνησης ούτε φιλτράρισμα εξόδου. Η συνηθισμένη διατύπωση αφορά το περιεχόμενο: μπορείς να επεξεργαστείς έρευνα ασφάλειας, ανάλυση κακόβουλου λογισμικού, αναφορές exploit, ιατρικά και νομικά σώματα κειμένων, ενήλικο υλικό, τεκμηρίωση μείωσης βλάβης ή απομαγνητοφωνήσεις εχθρικών χρηστών, χωρίς το μοντέλο να αποφασίζει για λογαριασμό σου ότι θα προτιμούσε να μην το κάνει.

Υπάρχει και ένας δεύτερος, πιο μηχανικός λόγος που μετράει. Μια άρνηση είναι παραβίαση σχήματος. Ένα φιλτραρισμένο μοντέλο που αρνείται δεν επιστρέφει το αντικείμενό σου με μια σημαία "unavailable" — επιστρέφει πεζό λόγο. «Δεν μπορώ να βοηθήσω με αυτό το αίτημα.» Αυτή η συμβολοσειρά δεν είναι αντικείμενο incident· κόβεται από τον επικυρωτή σου και προσγειώνεται στην ουρά νεκρών μηνυμάτων δίπλα σε γνήσια σφάλματα ανάλυσης, όπου τώρα πρέπει να ξεχωρίσεις τις αρνήσεις πολιτικής από τις πραγματικές κακοδιαμορφώσεις.

Χειρότερα, οι αρνήσεις συσχετίζονται με το περιεχόμενο αντί να κατανέμονται τυχαία. Αν το 4% του σώματος κειμένων σου είναι αναφορές περιστατικών ασφάλειας και το μοντέλο αρνείται τις περισσότερες, δεν έχεις χάσει το 4% της απόδοσης ομοιόμορφα — έχεις χάσει μία κατηγορία, και το dashboard που χτίστηκε πάνω σε αυτά τα δεδομένα υποαναφέρει αθόρυβα ακριβώς το πράγμα για το οποίο υπάρχει. Οι τρύπες σε σχήμα κατηγορίας κοστίζουν περισσότερο από τον ομοιόμορφο θόρυβο, επειδή τίποτα δεν χτυπά συναγερμό γι' αυτές. Αφαίρεσε το μονοπάτι άρνησης και ό,τι απομένει — κακοδιαμορφώσεις, περικοπές, διφορούμενο κείμενο — είναι ασυσχέτιστο με το θέμα, και άρα μετρήσιμο.

05Context, οροφή εξόδου και πώς να τα προϋπολογίσεις

Κάθε μοντέλο στο gateway μοιράζεται τα ίδια όρια:

Το context είναι κοινός προϋπολογισμός: το prompt συν η έξοδος πρέπει να χωρέσουν μαζί μέσα στα 262.144, οπότε η πρακτική οροφή εισόδου σε μία κλήση είναι περίπου 245.000 tokens, πολύ χονδρικά 180.000 αγγλικές λέξεις. Για δομημένη δουλειά η οροφή εξόδου των 16.384 tokens είναι το σκληρότερο όριο και αυτό που εκπλήσσει τον κόσμο — ένα σχήμα που βγάζει ένα αντικείμενο ανά εγγραφή τη χτυπά πολύ πριν γεμίσει το παράθυρο. Δύο μοτίβα δουλεύουν απέναντι σε αυτό:

• Πλατιά είσοδος, στενή έξοδος. Σπρώξε ένα ολόκληρο συμβόλαιο, μια κατάθεση ή ένα παράθυρο καταγραφών μέσα στο context και ζήτα ένα συμπαγές αντικείμενο. Τα tokens εισόδου κοστίζουν το ένα τέταρτο των tokens εξόδου, οπότε η τιμολόγηση ανταμείβει το να διαβάζεις πολλά και να γράφεις λίγα.
• Τεμάχισε στα όρια εγγραφών, όχι σε πλήθος byte. Χώρισε εκεί όπου το μοντέλο βλέπει τη ραφή. Μια εγγραφή κομμένη στη μέση μιας πρότασης παράγει ένα αντικείμενο σίγουρα λάθος αντί για μια προφανή αποτυχία.

Η δηλωμένη δύναμη του Hy3 στην ανάκτηση από μακρύ context — 73.4 στο AA-LCR και ένα άλμα από 42.9% σε 75.1% στην ανάκληση μακρού διαλόγου MRCR — είναι ακριβώς η ικανότητα από την οποία εξαρτάται το πρώτο μοτίβο, και είναι διαφορετική δεξιότητα από το να γράφεις καλά.

06Τιμολόγηση βάσης και η αριθμητική μιας πραγματικής ροής

Το Hy3 κάθεται στα $0.50 ανά εκατομμύριο tokens εισόδου και $2.00 ανά εκατομμύριο tokens εξόδου — η βάση του καταλόγου, κοινή με τα MiMo-V2.5, MiMo-V2.5-Pro, DeepSeek-V4-Flash-0731 και MiniMax-M3. Δουλεμένη πάνω σε αντιπροσωπευτικά φορτία:

Φόρτος	Είσοδος / κλήση	Έξοδος / κλήση	Κόστος / κλήση	Ανά 1M κλήσεις
Εξαγωγή πεδίων	1,200	300	$0.0012	$1,200
Ταξινόμηση εγγράφων	3,000	120	$0.0018	$1,800
Σύνοψη μακρού εγγράφου σε σχήμα	40,000	900	$0.0218	$21,800
Ανάλυση πλήρους παραθύρου	240,000	2,000	$0.1240	$124,000

Το νούμερο που αλλάζει αποφάσεις δεν είναι η δημοσιευμένη τιμή αλλά η πραγματική τιμή μετά τις επαναλήψεις. Αν δύο μοντέλα κοστίζουν το ίδιο και το ένα αποτυγχάνει στην επικύρωση στο 6% των κλήσεων εκεί που το άλλο αποτυγχάνει στο 1.5%, το μοντέλο με τη μεγάλη παρέκκλιση τρέχει περίπου 4.5% περισσότερες κλήσεις — υποφερτό. Η ζημιά είναι στην ουρά: οι επαναλαμβανόμενες κλήσεις παίρνουν διπλάσιο χρόνο, οπότε η καθυστέρηση p99 περίπου διπλασιάζεται για ένα ορατό κομμάτι της κίνησης, και ό,τι αποτυγχάνει δύο φορές γίνεται χειρωνακτική δουλειά. Στο ένα εκατομμύριο κλήσεις τη μέρα αυτό είναι χιλιάδες εγγραφές που κάποιος πρέπει να διαβάσει.

Εξ ου και το επιχείρημα για τη βαθμίδα 8 bit στην τιμή βάσης: δεν πληρώνεις επασφάλιστρο για πιστότητα εδώ, οπότε η αριθμητική των επαναλήψεων είναι δωρεάν λεφτά. Αν ένα μοντέλο 3 bit ήταν φθηνότερο θα υπήρχε πραγματική ανταλλαγή να ζυγίσεις — το Hy3 κοστίζει όσο το φθηνότερο πράγμα στον κατάλογο.

07Τρεις διάλεκτοι API, ένα μοντέλο

Το Hy3 είναι προσβάσιμο και στις τρεις διαλέκτους του gateway, με streaming στην καθεμία. Ίδιο μοντέλο, ίδια βάρη, ίδια όρια — διάλεξε όποια ταιριάζει στο SDK που ήδη έχεις.

Endpoint	Διάλεκτος	Χρησιμοποίησέ το όταν
/v1/chat/completions	OpenAI	Έχεις SDK της OpenAI, LangChain ή LlamaIndex. Στρέψε το base URL εδώ, άλλαξε το model id.
/v1/messages	Anthropic	Είσαι στο SDK της Anthropic και θέλεις blocks περιεχομένου χωρίς επίπεδο μετάφρασης.
/v1/responses	Responses	Θέλεις τη νεότερη μορφή αιτήματος με τυποποιημένη έξοδο και κατάσταση στην πλευρά του server.

Το Hy3 υποστηρίζει επίσης κλήση εργαλείων και συλλογιστική, συμπεριλαμβανομένου του reasoning_effort. Για δουλειά εξαγωγής η χρήσιμη κίνηση είναι συνήθως να κατεβάσεις τη συλλογιστική: πάνω σε ένα καλά προδιαγεγραμμένο σχήμα και καθαρό κείμενο, τα tokens σκέψης είναι tokens εξόδου που πληρώνεις και καθυστέρηση που περιμένεις, για οριακό κέρδος. Ξόδεψε τον προϋπολογισμό προσπάθειας σε γνήσια διφορούμενη είσοδο αντ' αυτού.

Πλήρης αναφορά αιτημάτων και αποκρίσεων, λίστες παραμέτρων, σημασιολογία streaming και ένα διαδραστικό playground βρίσκονται στην τεκμηρίωση του API.

08Πώς να διαλέξεις ανάμεσα στα τρία μοντέλα W8A16

Τρία μοντέλα κάθονται στη βαθμίδα υψηλότερης πιστότητας, όλα στην τιμή βάσης. Η επιλογή είναι κυρίως θέμα τροπικότητας:

Μοντέλο	Όραση	json_schema	Τιμή in / out	Διάλεξέ το για
Hy3 · W8A16	Όχι	Ναι	$0.50 / $2.00	Δομημένες ροές μόνο κειμένου, ενορχήστρωση εργαλείων, ανάκτηση σε μακρύ context
MiMo-V2.5-Pro · W8A16	Όχι	Ναι	$0.50 / $2.00	Δουλειά μόνο κειμένου όπου θέλεις τη ρύθμιση Pro της σειράς MiMo
MiMo-V2.5 · W8A16	Ναι	Ναι	$0.50 / $2.00	Οτιδήποτε με εικόνες — σαρωμένα έγγραφα, screenshot, φωτογραφίες

Αν οποιοδήποτε μέρος της εισόδου σου είναι εικόνα, η απόφαση έχει παρθεί για σένα: το Hy3 είναι μόνο κειμένου — στείλε σαρωμένα PDF, screenshot και φωτογραφίες στο MiMo-V2.5. Εκεί όπου η είσοδος είναι γνήσια κείμενο, το προφίλ του Hy3 στην αντζεντική χρήση εργαλείων, την ανάκληση σε μακρύ context και το χαμηλό δηλωμένο ποσοστό παραισθήσεων αντιστοιχεί πιο άμεσα στη δουλειά σε ροές παραγωγής. Επειδή και τα τρία κοστίζουν το ίδιο, τρέξε το σχήμα σου σε δύο από αυτά πάνω σε μερικές εκατοντάδες πραγματικές εγγραφές και σύγκρινε τα ποσοστά επιτυχούς ανάλυσης· αυτό το κρίνει καλύτερα από κάθε πίνακα, συμπεριλαμβανομένου αυτού εδώ.

09Πού κερδίζει τη θέση του το Hy3

• Εξαγωγή πεδίων μεγάλου όγκου. Συμβόλαια, καταθέσεις, αναφορές περιστατικών, απομαγνητοφωνήσεις, κλινικές σημειώσεις, δικαστικά αρχεία — παντού όπου ένα τυποποιημένο αντικείμενο ανά έγγραφο είναι το παραδοτέο και ο όγκος κάνει τις επαναλήψεις ακριβές.
• Ταξινόμηση και δρομολόγηση σε κλίμακα. Έξοδοι με κλειστά enum, όπου όλη η αξία του μοντέλου είναι να μην εφευρίσκει ποτέ δέκατη ένατη κατηγορία.
• Σώματα κειμένων ασφάλειας και threat intel. Αναφορές κακόβουλου λογισμικού, αποκαλύψεις exploit και δείγματα phishing — το υλικό που σκοντάφτει τα φιλτραρισμένα μοντέλα σε άρνηση, και όπου μια τρύπα σε σχήμα κατηγορίας ακυρώνει τον σκοπό.
• Πράκτορες κλήσης εργαλείων που δεν πρέπει να κολλάνε. Η πιστότητα ορισμάτων στα 8 bit σημαίνει ότι το JSON που παραδίδεται στις συναρτήσεις σου αναλύεται· μια στραβωμένη κλήση εργαλείου είναι κολλημένος πράκτορας, όχι απλώς λίγο χειρότερη απάντηση.
• Ανάλυση μακρών εγγράφων σε δομή. Ολόκληρη η κατάθεση μέσα, ένα συμπαγές αντικείμενο έξω.
• Εποπτεία περιεχομένου και έρευνα πολιτικής. Η ετικετοποίηση υλικού που ένα φιλτραρισμένο μοντέλο αρνείται να διαβάσει είναι διαρκές πρόβλημα εμπιστοσύνης και ασφάλειας· ένα αφιλτράριστο μοντέλο με αυστηρό σχήμα το λύνει άμεσα.

Και πού όχι: οτιδήποτε με εικόνες (χρησιμοποίησε MiMo-V2.5), και αυτόνομη μηχανική λογισμικού σε πολλά αρχεία, όπου οι ίδιοι οι πίνακες της Tencent βάζουν το Hy3 πίσω από το GLM-5.2 στο SWE-bench Verified και αρκετά πίσω στο DeepSWE.

Τα νούμερα benchmark είναι δηλωμένα από την Tencent, συμπεριλαμβανομένων των νούμερων των ανταγωνιστών· η ανεξάρτητη επαλήθευση εκκρεμούσε τη στιγμή της συγγραφής. Τα νούμερα κόστους υπολογίζονται από τις δημοσιευμένες τιμές μας $0.50 / $2.00. Κανένα νούμερο σε αυτή τη σελίδα δεν είναι benchmark μετρημένο από το Shannon ούτε εκτίμηση.

10Συχνές ερωτήσεις

---

Πηγές: Οδηγοί μοντέλων Tencent Hunyuan · Αποθετήριο Hy3 · Hunyuan-Large: An Open-Source MoE Model (arXiv 2411.02265) · Κάλυψη της κυκλοφορίας Hy3 από το VentureBeat. Τα benchmark του θεμελίου είναι δηλωμένα από την Tencent και προσωρινά, εν αναμονή ανεξάρτητης επαλήθευσης. Το Shannon AI λειτουργεί από τη Shannon Lab LLC, Νέο Μεξικό, ΗΠΑ.