Tsenseerimata Hy3 mudeli API

Enamik vaidlusi teemal „millist mudelit kasutada” käib lae üle: kes kirjutab parimat koodi, lahendab raskeima matemaatika, võidab pikima agendijooksu. Struktureeritud torustikud niimoodi ei tööta. Töö, mis eraldab välju sajast tuhandest dokumendist päevas, ei vaja mudelit, kes on korra hiilgav — ta vajab sellist, kes on iga kord samas vormis õige ja kes ei tagasta kunagi lõiku seal, kuhu kuulub JSON-objekt. Just selle omaduse pärast Hy3-W8A16 siin on.

01Mis on Hy3 ja kust ta pärineb

Hy3 on avatud kaaludega arutlus- ja agentmudel Tencenti Hunyuani meeskonnalt, avaldatud täies mahus 6. juulil 2026 lubava litsentsi all, kaaludega Hugging Face'is. Ta jätkab Tencenti varasema Hunyuan-Large Mixture-of-Experts töö liini. Arhitektuurilt on ta hõre MoE: 295 miljardit parameetrit kokku, millest umbes 21 miljardit aktiveerub tokeni kohta top-8 marsruutimise kaudu 192 eksperdi vahel, 80-kihilisel transformeril rühmitatud päringutähelepanuga, pluss eraldi 3.8B mitme tokeni ennustuse kiht spekulatiivseks dekodeerimiseks. Natiivne kontekst on 256K — täpselt need 262,144 tokenit, mida me avame, mitte millegi suurema kärbe ega millegi väiksema rope-venitatud pikendus.

See hõredussuhe on tähtis number igaühele, kes maksab tokeni kaupa: Hy3 kannab 295B mudeli teadmisi, tehes samal ajal ühe edasiläbimise kohta umbes 21B mudeli arvutuse. Just seepärast saame teda endale lubada serveerida 8 bitiga, mitte kõvemini kokku surutuna — nii hõreda mudeli 8-bitine ehitus mahub ikka ära ja jookseb ikka kiiresti meie enda GPU-klastris.

Milles Tencent teatab teda tugev olevat

Tencenti avaldatud hindamistabelid asetavad Hy3 tugevused selgelt agentse otsingu, tööriistade orkestreerimise ja pika konteksti otsingu valdkonda, mitte puhta koodikirjutamise juurde. Nende teatatud näitajad:

Me näitame nõrku tulpasid meelega. Hy3 jääb kodeerimises GLM-5.2-le alla Tencenti enda võrdluses — 78.0 vastu 84.2 SWE-bench Verifiedil, 28.0 vastu 46.2 DeepSWE-l. Kui su töökoormus on autonoomne mitme faili tarkvaraarendus, loe esmalt ülejäänud mudeliuuringute registrit. Kui see on teksti lugemine ja struktuuri väljastamine, on profiil peaaegu ideaalne.

Torustikutöö jaoks kõige olulisem näitaja on usaldusväärsuse oma: Tencent teatab Hy3 hallutsinatsioonimäära 5.4%, langenuna eelmise põlvkonna 12.5%-lt, kusjuures üldmõistuse vead kukkusid 25.4%-lt 12.7%-le. Nende sõnastatud treeningpõhimõte — vasta siis, kui on tõendeid, ja ütle otse, kui neid ei ole — on täpselt see hoiak, mida sa eraldusmudelilt tahad, kes muidu leiutaks usutava väärtuse väljale, mida allikas kordagi ei maini.

Kõik selle jaotise näitajad on Tencenti teatatud nende endi testijooksudest; sõltumatu kolmanda osapoole kontroll oli kirjutamise hetkel veel ootel. Käsitle neid suunda näitavatena, mitte lõplikena.

02Mida W8A16 tähendab ja miks see struktureeritud väljundi jaoks loeb

Igal lüüsi mudelil on kvantiseerimise järelliide. See ei ole kaunistus — see ütleb sulle, kui kaugel serveeritud kaalud asuvad kontrollpunktist, mille labor avaldas.

Tase	Mida ta teeb	Täpsus
3BIT-REAP	3-bitised kaalud pluss REAP, ekspertide kärpimise meetod, mis viskab enne kvantiseerimist välja harva marsruuditud MoE eksperdid	Kõige rohkem kokku surutud
W4A16-AUTOROUND-REAP	4-bitised kaalud / 16-bitised aktivatsioonid AutoRoundi kaudu — õpitud ümardamine, mis taastab täpsust naiivse lähima-täisarvu ümardamise ees — pluss REAP kärpimine	Keskmine
W8A16	8-bitised kaalud / 16-bitised aktivatsioonid. Kärpimist ei ole, õpitud ümardamise remonti ei ole — kaale lihtsalt kantakse kahekordse täpsusega	Kõrgeim

Kus kvantiseerimise triiv tegelikult valus on

REAP ja AutoRound taastavad enamiku sellest, mille naiivne kokkusurumine kaotab — aga „enamik” teeb selles lauses tööd ja jääk ei maandu ühtlaselt. Madala bitiarvuga kvantiseerimine rikub sabad: madala tõenäosusega, kõrge spetsiifilisusega otsused. Proosas on see peaaegu nähtamatu; teine omadussõna on ikka korralik lause. Struktureeritud väljundis on see kogu mäng, sest skeem on pikk ahel madala tõenäosusega otsuseid, millest igaüks peab olema täpselt õige:

• Tokenitasandi süntaks. Sulgev loogeline sulg, koma, jutumärk. Igaüks neist on üks token ja üks vale token muudab kogu vastuse kehtetuks.
• Enumide distsipliin. Su skeem ütleb, et "status" on üks väärtustest "open" | "closed" | "pending"; triivinud mudel tagastab "Open" või "pending review" — semantiliselt lähedal ja kehtiv kummanagi mitte.
• Tüübidistsipliin. number-väli tuleb tagasi kujul "1,240", boolean kujul "yes". Mõlemad parsitakse stringidena ja kukuvad skeemis läbi.
• Pika saba literaalid. Haruldased pärisnimed, artiklinumbrid, keemilised nimetused, ladina tähestikuta kirjad, täpsed kuupäevad — täpselt see madala tõenäosusega piirkond, mille madala bitiarvuga kaalud ära hägustavad.

Miski sellest ei tee 4-bitiseid ega 3-bitiseid mudeleid halvaks; vestlustöö jaoks ei ole täpsusevahe sageli hinnavahet väärt. Aga kui väljundi tarbija on valideerija, mitte inimene, muundub täpsus sabades otse parsimismääraks — ja parsimismäär kordusekatsete eelarveks ja p99 latentsuseks. W8A16 on see tase, kus sa lõpetad selle maksu maksmise.

03Struktureeritud väljund: json_schema ja response_format

Hy3 toetab struktureeritud väljundi pinna mõlemat poolt — seda tasub eraldi öelda, sest see ei ole kataloogis üldine:

Mudel	response_format	json_schema
Hy3 · W8A16	Jah	Jah
MiMo-V2.5-Pro · W8A16	Jah	Jah
inkling · W4A16-AUTOROUND-REAP	Jah	Ei
Laguna-S-2.1 · W4A16-AUTOROUND-REAP	Ei	Ei

Kahe mehhanismi vahe on olulisem, kui inimesed oletavad. response_format: {"type": "json_object"} palub kehtivat JSON-i ja mitte midagi enamat — vormi valib mudel, nii et kaks kutset võivad tagastada {"name": ...} ja {"full_name": ...} ning mõlemad on õiged. json_schema annab vormi ette: nimetatud väljad, tüübid, enumid, kohustuslike loendid, pesastus. See on leping, mille vastu saab koodi kirjutada.

Minimaalne kutse OpenAI-ühilduvas dialektis:

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"]
      }
    }
  }
}

Praktilised märkused

• Tee iga väli kohustuslikuks ja luba null. Valikulised väljad kutsuvad esile vaikseid väljajätte; kohustuslik nullitav väli sunnib peale selgesõnalise „ei ole olemas”, mis on info, millega saab midagi peale hakata.
• Enumid löövad vabu stringe. Kus iganes saad väärtuste hulga sulgeda, sulge see — see on suurima võimendusega muudatus skeemi tegelikus läbimismääras.
• Püsi 16,384-tokenilise väljundilae all. Piiramata massiiv kärbub keset objekti. Piira massiivide pikkust või tükelda sisend.
• Hoia süsteemisõnum alles. Skeem piirab vormi; viip juhib endiselt semantikat — mis loeb „kriitiliseks”, milline kuupäev võidab, kui esineb kaks, kas ühikuid normaliseerida.
• Valideeri ikkagi. Skeemitugi tõstab läbimismäära; ta ei asenda valideerijat ega surnud kirjade järjekorda.

04Miks „tsenseerimata” on usaldusväärsuse, mitte ainult sisu omadus

Hy3-l lüüsis ei ole keeldumiskihti ega väljundi filtreerimist. Tavaline raamistus käib sisu kohta: sa saad töödelda turvauuringuid, pahavaraanalüüsi, ekspluatatsioonikirjeldusi, meditsiini- ja õiguskorpusi, täiskasvanute materjali, kahju vähendamise dokumentatsiooni või vaenulike kasutajate transkriptsioone ilma, et mudel sinu eest otsustaks, et ta pigem ei tahaks.

On veel teine, mehaanilisem põhjus, miks see loeb. Keeldumine on skeemi rikkumine. Filtreeritud mudel, kes ära ütleb, ei tagasta sinu objekti "unavailable" lipuga — ta tagastab proosat. „Ma ei saa selle päringuga aidata.” See string ei ole incident-objekt; ta kukub su valideerijas läbi ja maandub surnud kirjade järjekorda ehtsate parsimisvigade kõrvale, kus sa pead nüüd poliitikakeeldumised päris moonutustest eraldama.

Veelgi hullem: keeldumised korreleeruvad sisuga, mitte ei jaotu juhuslikult. Kui 4% su korpusest on turvaintsidentide raportid ja mudel ütleb enamikust neist ära, ei ole sa kaotanud 4% läbilaskevõimest ühtlaselt — sa oled kaotanud ühe kategooria ja neil andmetel ehitatud töölaud alaraporteerib vaikselt just seda, mille esiletoomiseks ta olemas on. Kategooriakujulised augud maksavad rohkem kui ühtlane müra, sest miski ei anna nende peale häiret. Eemalda keeldumistee ja see, mis järele jääb — moonutused, kärped, mitmeti mõistetav tekst — ei ole teemaga korreleeritud ja on seetõttu mõõdetav.

05Kontekst, väljundilagi ja kuidas neid eelarvestada

Kõigil lüüsi mudelitel on samad piirid:

Kontekst on jagatud eelarve: viip pluss väljund peavad koos 262,144 sisse mahtuma, nii et praktiline sisendilagi ühes kutses on umbes 245,000 tokenit, väga umbkaudselt 180,000 ingliskeelset sõna. Struktureeritud töö jaoks on 16,384-tokeniline väljundipiir raskem ja just see, mis inimesi üllatab — skeem, mis väljastab ühe objekti kirje kohta, jõuab selleni ammu enne, kui aken täis saab. Selle vastu töötab kaks mustrit:

• Lai sisend, kitsas väljund. Suru terve leping, aruanne või logiaken konteksti ja küsi üks kompaktne objekt. Sisendtokenid maksavad veerandi väljundtokenitest, nii et hinnastamine premeerib palju lugemist ja vähe kirjutamist.
• Tükelda kirjepiiridel, mitte baidiarvu järgi. Lõika sealt, kus mudel õmblust näeb. Keset lauset lõigatud kirje toodab enesekindlalt vale objekti, mitte ilmse tõrke.

Hy3 teatatud pika konteksti otsingu tugevus — 73.4 AA-LCR-il ja hüpe 42.9%-lt 75.1%-le MRCR pika dialoogi meenutuses — on täpselt see võimekus, millel esimene muster põhineb, ja hoopis teine oskus kui hea kirjutamine.

06Põrandahind ja päris torustiku aritmeetika

Hy3 asub $0.50 miljoni sisendtokeni ja $2.00 miljoni väljundtokeni kohta — kataloogi põrand, jagatud mudelitega MiMo-V2.5, MiMo-V2.5-Pro, DeepSeek-V4-Flash-0731 ja MiniMax-M3. Läbi arvutatuna esinduslike koormuste peal:

Töökoormus	Sisend / kutse	Väljund / kutse	Hind / kutse	1M kutse kohta
Väljade eraldamine	1,200	300	$0.0012	$1,200
Dokumentide klassifitseerimine	3,000	120	$0.0018	$1,800
Pika dokumendi kokkuvõte skeemi	40,000	900	$0.0218	$21,800
Täisakna analüüs	240,000	2,000	$0.1240	$124,000

Number, mis otsuseid muudab, ei ole pealkirjahind, vaid tegelik hind pärast kordusekatseid. Kui kaks mudelit maksavad sama ja üks kukub valideerimises läbi 6% kutsetest, kus teine kukub 1.5%-l, jooksutab suurema triiviga mudel umbes 4.5% rohkem kutseid — see on üleelatav. Kahju on sabas: korratud kutsed võtavad kaks korda kauem, nii et p99 latentsus umbes kahekordistub nähtava viilu liikluse jaoks, ja see, mis kaks korda läbi kukub, muutub käsitsitööks. Miljoni kutse juures päevas on see tuhandeid kirjeid, mida keegi peab lugema.

Sellest ka argument 8-bitise taseme kasuks põrandahinnaga: sa ei maksa siin täpsuse eest lisatasu, nii et kordusekatsete aritmeetika on tasuta raha. Kui 3-bitine mudel oleks odavam, oleks kaalumiseks päris kompromiss — Hy3 maksab sama palju kui kataloogi kõige odavam asi.

07Kolm API dialekti, üks mudel

Hy3 on kättesaadav kõigis kolmes lüüsi dialektis, igaühes voogedastusega. Sama mudel, samad kaalud, samad piirid — vali see, mis sobib SDK-ga, mis sul juba on.

Otspunkt	Dialekt	Kasuta siis, kui
/v1/chat/completions	OpenAI	Sul on OpenAI SDK, LangChain või LlamaIndex. Suuna baas-URL siia, muuda mudeli id.
/v1/messages	Anthropic	Sa oled Anthropicu SDK peal ja tahad sisuplokke ilma tõlkekihita.
/v1/responses	Responses	Sa tahad uuemat päringuvormi tüübitud väljundi ja serveripoolse olekuga.

Hy3 toetab ka tööriistakutseid ja arutlust, sealhulgas reasoning_effort-i. Eraldustöö puhul on kasulik käik tavaliselt arutlus maha keerata: hästi määratletud skeemi peal puhta teksti kohal on mõttetokenid väljundtokenid, mille eest sa maksad, ja latentsus, mida sa ootad, marginaalse võidu eest. Kuluta arutluseelarve pigem tõeliselt mitmeti mõistetavale sisendile.

Täielik päringu ja vastuse teatmik, parameetrite loendid, voogedastuse semantika ja interaktiivne mänguväljak on API dokumentatsioonis.

08Kolme W8A16 mudeli vahel valimine

Kõrgeima täpsusega tasemel istub kolm mudelit, kõik põrandahinnaga. Valik on enamasti modaalsuse küsimus:

Mudel	Nägemine	json_schema	Hind sisse / välja	Vali ta selleks
Hy3 · W8A16	Ei	Jah	$0.50 / $2.00	Ainult tekstiga struktureeritud torustikud, tööriistade orkestreerimine, pika konteksti otsing
MiMo-V2.5-Pro · W8A16	Ei	Jah	$0.50 / $2.00	Ainult tekstiga töö, kus sa tahad MiMo liini Pro häälestust
MiMo-V2.5 · W8A16	Jah	Jah	$0.50 / $2.00	Kõik, milles on pilte — skannitud dokumendid, ekraanipildid, fotod

Kui mõni osa su sisendist on pilt, on otsus sinu eest tehtud: Hy3 on ainult tekstile — saada skannitud PDF-id, ekraanipildid ja fotod mudelile MiMo-V2.5. Kus sisend on tõesti tekst, kaardub Hy3 profiil — agentne tööriistakasutus, pika konteksti meenutus ja madal teatatud hallutsinatsioonimäär — kõige otsesemalt torustikutööle. Kuna kõik kolm maksavad sama, jooksuta oma skeemi kahe peal paarisaja päris kirje peal ja võrdle parsimismäärasid; see lahendab asja paremini kui ükski tabel, kaasa arvatud see siin.

09Kus Hy3 oma koha välja teenib

• Suure mahuga väljade eraldamine. Lepingud, aruanded, intsidentide raportid, transkriptsioonid, kliinilised märkmed, kohtutoimikud — kõikjal, kus tulemuseks on üks tüübitud objekt dokumendi kohta ja maht teeb kordusekatsed kalliks.
• Klassifitseerimine ja marsruutimine mastaabis. Suletud enumiga väljundid, kus mudeli kogu väärtus on mitte kunagi üheksateistkümnendat kategooriat leiutada.
• Turva- ja ohuluure korpused. Pahavarakirjeldused, ekspluatatsioonide avalikustamised ja andmepüügi näidised — materjal, mis komistab filtreeritud mudelid keeldumisse ja kus kategooriakujuline auk lööb kogu mõtte üle.
• Tööriistakutseid tegevad agendid, kes ei tohi seisma jääda. 8-bitine argumentide täpsus tähendab, et su funktsioonidele antud JSON parsitakse; moonutatud tööriistakutse on seisma jäänud agent, mitte pisut kehvem vastus.
• Pika dokumendi analüüs struktuuriks. Terve toimik sisse, üks kompaktne objekt välja.
• Sisu modereerimine ja poliitikauuringud. Sellise materjali märgendamine, mida filtreeritud mudel keeldub lugemast, on püsiv usalduse ja turvalisuse probleem; filtreerimata mudel range skeemiga lahendab selle otse.

Ja kus ta seda ei tee: kõik, milles on pilte (kasuta MiMo-V2.5), ning autonoomne mitme faili tarkvaraarendus, kus Tencenti enda tabelid asetavad Hy3 SWE-bench Verifiedil GLM-5.2 taha ja DeepSWE-l tublisti taha.

Võrdlustesti näitajad on Tencenti teatatud, kaasa arvatud konkurentide numbrid; sõltumatu kontroll oli kirjutamise hetkel ootel. Kulunäitajad on arvutatud meie avaldatud $0.50 / $2.00 määradest. Ükski number sellel lehel ei ole Shannoni jooksutatud võrdlustest ega hinnang.

10Korduma kippuvad küsimused

---

Allikad: Tencent Hunyuani mudelikaardid · Hy3 repositoorium · Hunyuan-Large: An Open-Source MoE Model (arXiv 2411.02265) · VentureBeati kajastus Hy3 väljalaskest. Vundamendi võrdlustestid on Tencenti teatatud ja esialgsed kuni sõltumatu kontrollini. Shannon AI on Shannon Lab LLC toode, New Mexico, USA.