Առանց ցենզուրայի Hy3 մոդելի API

«Ո՞ր մոդելը պետք է օգտագործեմ» քննարկումների մեծ մասը առաստաղի մասին է. որն է գրում լավագույն կոդը, լուծում ամենադժվար մաթեմատիկան, հաղթում ամենաերկար գործակալային վազքում: Կառուցվածքային խողովակաշարերն այդպես չեն աշխատում: Աշխատանքը, որն արդյունահանում է դաշտեր օրական հարյուր հազար փաստաթղթից, կարիք չունի մոդելի, որը փայլուն է մեկ անգամ. կարիք ունի մոդելի, որը ճիշտ է նույն ձևով ամեն անգամ, և երբեք չի վերադարձնում պարբերություն, որտեղ JSON օբյեկտ է սպասվում: Դա այն հատկությունն է, որի համար Hy3-W8A16-ն այստեղ է:

01Ինչ է Hy3-ը, և որտեղից է գալիս

Hy3-ը բաց-կշիռների դատողական և գործակալային մոդել է Tencent-ի Hunyuan թիմից, ամբողջությամբ թողարկված 2026 թ. հուլիսի 6-ին՝ ազատական լիցենզիայի ներքո, Hugging Face-ում հրապարակված կշիռներով: Այն շարունակում է Tencent-ի ավելի վաղ Hunyuan-Large Mixture-of-Experts աշխատանքի տոհմը: Ճարտարապետորեն դա հազվաբեր MoE է. 295 միլիարդ ընդհանուր պարամետր, որից մոտավորապես 21 միլիարդն ակտիվանում է մեկ տոկենի համար top-8 երթուղավորմամբ 192 էքսպերտի միջով, 80-շերտանոց transformer-ի վրա՝ խմբավորված-հարցումով ուշադրությամբ, գումարած առանձին 3.8B multi-token-prediction շերտ սպեկուլյատիվ վերծանման համար: Բնիկ համատեքստը 256K է — ճիշտ այն 262,144 տոկենը, որը մենք ցուցադրում ենք, ոչ թե ինչ-որ ավելի մեծի կրճատում կամ ինչ-որ ավելի փոքրի rope-ձգված ընդլայնում:

Այդ հազվաբերության հարաբերակցությունը կարևոր թիվ է ամեն ոք ում համար, ով վճարում է մեկ տոկենի հաշվով. Hy3-ը կրում է 295B մոդելի գիտելիքը, մինչդեռ կատարում է մոտավորապես 21B մոդելի թվաբանությունը մեկ առաջընթաց անցման համար: Դա նաև այն պատճառն է, թե ինչու կարող ենք թույլ տալ մատուցել այն 8 բիթում, ոչ թե ավելի ուժեղ սեղմել. այս հազվաբերության մոդելի 8-բիթանոց տարբերակը դեռ տեղավորվում է և արագ աշխատում մեր սեփական GPU կլաստերի վրա:

Ինչում է, ըստ Tencent-ի, ուժեղ

Tencent-ի հրապարակած գնահատման աղյուսակները Hy3-ի ուժեղ կողմերը դնում են ուղիղ գործակալային որոնման, գործիքների համակարգման և երկար-համատեքստ որոնման մեջ, ոչ թե հում կոդավորման: Նրանց հայտարարած թվերը.

Մենք միտումնավոր ցույց ենք տալիս թույլ սյուները: Hy3-ը հետ է մնում GLM-5.2-ից կոդավորման մեջ Tencent-ի սեփական համեմատության մեջ — 78.0-ն ընդդեմ 84.2-ի SWE-bench Verified-ում, 28.0-ն ընդդեմ 46.2-ի DeepSWE-ում: Եթե ձեր բեռն ինքնավար բազմա-ֆայլային ծրագրային ինժեներություն է, նախ կարդացեք մոդելային հետազոտության մնացած ինդեքսը: Եթե դա տեքստ կարդալն է և կառուցվածք արտածելը, պրոֆիլը մոտ է իդեալականին:

Ամենակարևոր թիվը խողովակաշարային աշխատանքի համար հուսալիության մասին է. Tencent-ը հայտնում է Hy3-ի հալյուցինացիայի մակարդակը 5.4%, նախորդ սերնդի 12.5%-ից իջած, ընդհանուր իմաստի սխալներով՝ 25.4%-ից 12.7%-ի իջած: Նրանց հայտարարած վարժեցման սկզբունքը — պատասխանել, երբ կա ապացույց, ասել պարզորեն, երբ չկա — ճիշտ այն տրամադրվածությունն է, որ ուզում եք արդյունահանման մոդելում, որը հակառակ դեպքում կհորինի հավանական արժեք դաշտի համար, որը աղբյուրը երբեք չի հիշատակել:

Այս բաժնի բոլոր թվերը Tencent-ի հայտարարածն են՝ իրենց սեփական թեստային վազքերից. անկախ երրորդ-կողմի ստուգումը գրման պահին դեռ սպասվում էր: Վերաբերվեք դրանց որպես ուղղորդող, ոչ վերջնական:

02Ինչ է նշանակում W8A16, և ինչու է կարևոր կառուցվածքային ելքի համար

Դարպասի ամեն մոդել կրում է քվանտացման վերջածանց: Դա զարդարանք չէ. այն ասում է, թե որքան հեռու է մատուցվող կշիռներից, որը լաբորատորիան թողարկել է:

Մակարդակ	Ինչ է անում	Հավատարմություն
3BIT-REAP	3-բիթանոց կշիռներ գումարած REAP, էքսպերտների կրճատման մեթոդ, որը հեռացնում է հազվադեպ-երթուղավորվող MoE էքսպերտները մինչև քվանտացումը	Ամենասեղմված
W4A16-AUTOROUND-REAP	4-բիթանոց կշիռներ / 16-բիթանոց ակտիվացումներ AutoRound-ով — սովորած կլորացում, որը վերականգնում է ճշգրտությունը միամիտ մոտակա-կլորացման նկատմամբ — գումարած REAP կրճատում	Միջին
W8A16	8-բիթանոց կշիռներ / 16-բիթանոց ակտիվացումներ: Առանց կրճատման, առանց սովորած-կլորացման վերանորոգման — կշիռները պարզապես կրում են երկու անգամ ավելի ճշգրտություն	Ամենաբարձր

Որտեղ քվանտացման շեղումն իրականում վնասում է

REAP-ը և AutoRound-ը վերականգնում են միամիտ սեղմման կորցրածի մեծ մասը — բայց «մեծ մասը» բառը այդ նախադասության մեջ աշխատանք է կատարում, և մնացորդը հավասարաչափ չի իջնում: Ցածր-բիթ քվանտացումը վատթարացնում է պոչերը. ցածր-հավանականության, բարձր-կոնկրետության որոշումները: Արձակում դա գրեթե անտեսանելի է. այլ ածական դեռ լավ նախադասություն է: Կառուցվածքային ելքում դա ամբողջ խաղն է, քանի որ սխեման ցածր-հավանականության որոշումների երկար շղթա է, որոնցից յուրաքանչյուրը պետք է ճշգրիտ ճիշտ լինի.

• Տոկեն-մակարդակի շարահյուսություն: Փակող փակագիծ, ստորակետ, չակերտ նշան: Յուրաքանչյուրը մեկ տոկեն է, և մեկ սխալ տոկենն անվավեր է դարձնում ամբողջ պատասխանը:
• Enum-ի կարգապահություն: Ձեր սխեման ասում է, որ "status"-ը "open" | "closed" | "pending"-ից մեկն է. շեղված մոդելը վերադարձնում է "Open" կամ "pending review" — իմաստով մոտ, և վավեր ոչ մեկը:
• Տիպի կարգապահություն: number դաշտը վերադառնում է որպես "1,240", boolean-ը՝ որպես "yes": Երկուսն էլ վերլուծվում են որպես տողեր և ձախողում սխեման:
• Երկար-պոչի բառացի արժեքներ: Հազվադեպ հատուկ անուններ, մասերի համարներ, քիմիական անուններ, ոչ-լատինական գրեր, ճշգրիտ ամսաթվեր — ճիշտ այն ցածր-հավանականության տիրույթը, որը ցածր-բիթ կշիռները մշուշում են:

Ոչինչ սա 4-բիթանոց կամ 3-բիթանոց մոդելները վատը չի դարձնում. խոսակցային աշխատանքի համար հավատարմության տարբերությունը հաճախ գնային տարբերության չարժե: Բայց երբ ելքի սպառողը վավերացնողն է, ոչ թե մարդը, պոչերում ճշգրտությունը ուղղակիորեն վերածվում է վերլուծության հաջողության տոկոսի — իսկ վերլուծության հաջողության տոկոսը՝ կրկնման բյուջեի և p99 հապաղման: W8A16-ը մակարդակն է, որտեղ դադարում եք վճարել այդ հարկը:

03Կառուցվածքային ելք. json_schema և response_format

Hy3-ն աջակցում է կառուցվածքային-ելքի մակերեսի երկու կեսերին — արժե հստակ ասել, քանի որ դա ընդհանուր չէ ողջ կատալոգում.

Մոդել	response_format	json_schema
Hy3 · W8A16	Այո	Այո
MiMo-V2.5-Pro · W8A16	Այո	Այո
inkling · W4A16-AUTOROUND-REAP	Այո	Ոչ
Laguna-S-2.1 · W4A16-AUTOROUND-REAP	Ոչ	Ոչ

Երկու մեխանիզմների տարբերությունն ավելի կարևոր է, քան մարդիկ ենթադրում են: response_format: {"type": "json_object"}-ը հարցնում է վավեր JSON և ոչ ավելին — մոդելն ընտրում է ձևը, ուստի երկու կանչ կարող են վերադարձնել {"name": ...} և {"full_name": ...}, և երկուսն էլ ճիշտ են: json_schema-ն նախապես տալիս է ձևը. անվանված դաշտեր, տիպեր, enum-ներ, պարտադիր ցուցակներ, ներդրվածություն: Դա պայմանագիր է, որի դեմ կարող եք կոդ գրել:

Նվազագույն կանչ OpenAI-համատեղելի բարբառով.

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"]
      }
    }
  }
}

Գործնական նշումներ

• Դարձրեք ամեն դաշտ պարտադիր և թույլատրեք null: Ընտրովի դաշտերը հրավիրում են լուռ բացթողումներ. պարտադիր nullable դաշտը ստիպում է հստակ «բացակայում է», ինչը տեղեկություն է, որի հիման վրա կարող եք գործել:
• Enum-ները գերազանցում են ազատ տողերին: Որտեղ կարող եք փակել արժեքների բազմությունը, փակեք — ամենաբարձր-լծակով փոփոխությունը սխեմայի իրական-աշխարհի հաջողության տոկոսին:
• Մնացեք 16,384-տոկեն ելքի առաստաղից ցածր: Չսահմանափակված զանգվածը կկրճատվի օբյեկտի մեջտեղում: Սահմանափակեք զանգվածների երկարությունը, կամ բաժանեք մուտքագրումը:
• Պահեք համակարգային հաղորդագրությունը: Սխեման սահմանափակում է ձևը. հուշումը դեռ կառավարում է իմաստը — ինչն է հաշվվում «critical», որ ամսաթիվն է հաղթում, երբ երկուսը հայտնվում են, արդյոք նորմալացնել միավորները:
• Այնուամենայնիվ վավերացրեք: Սխեմայի աջակցությունը բարձրացնում է հաջողության տոկոսը. այն չի փոխարինում վավերացնողին և dead-letter հերթին:

04Ինչու է «առանց ցենզուրայի»-ն հուսալիության հատկություն, ոչ միայն բովանդակության

Դարպասում Hy3-ն ունի ոչ մի մերժման շերտ և ոչ մի ելքի զտում: Սովորական շրջանակումը բովանդակության մասին է. կարող եք մշակել անվտանգության հետազոտություն, չարամիտ ծրագրերի վերլուծություն, շահագործման նկարագրություններ, բժշկական և իրավական կորպուսներ, հասուն նյութեր, վնասի-նվազեցման փաստաթղթավորում կամ թշնամական-օգտատիրոջ արտագրություններ, առանց մոդելի, որը ձեր փոխարեն որոշում է, որ նախընտրում է չանել դա:

Կա երկրորդ, ավելի մեխանիկական պատճառ, թե ինչու է դա կարևոր: Մերժումը սխեմայի խախտում է: Զտված մոդելը, որը հրաժարվում է, չի վերադարձնում ձեր օբյեկտը "unavailable" դրոշով — այն վերադարձնում է արձակ: «Ես չեմ կարող օգնել այս հարցումով»: Այդ տողը incident օբյեկտ չէ. այն ձախողում է ձեր վավերացնողը և ընկնում dead-letter հերթում իրական վերլուծության սխալների կողքին, որտեղ այժմ պետք է առանձնացնեք քաղաքականության մերժումները իրական այլաձևումներից:

Ավելի վատ, մերժումները փոխկապակցվում են բովանդակության հետ, ոչ թե պատահականորեն բաշխվում: Եթե ձեր կորպուսի 4%-ը անվտանգության միջադեպերի հաշվետվություններ են, և մոդելը մերժում է դրանց մեծ մասը, դուք հավասարաչափ չեք կորցրել թողունակության 4%-ը — դուք կորցրել եք մեկ կատեգորիա, և այդ տվյալների վրա կառուցված վահանակը լուռ թերհաշվետու է դառնում հենց այն բանում, որի համար գոյություն ունի: Կատեգորիա-ձևով անցքերն ավելի թանկ են արժենում, քան հավասարաչափ աղմուկը, քանի որ ոչինչ չի ահազանգում դրանց մասին: Հեռացրեք մերժման ուղին, և ինչը մնում է — այլաձևումներ, կրճատումներ, երկիմաստ տեքստ — չի փոխկապակցվում թեմայի հետ, և ուստի չափելի է:

05Համատեքստ, ելքի առաստաղ, և ինչպես բյուջետավորել դրանք

Դարպասի ամեն մոդել կիսում է նույն սահմանափակումները.

Համատեքստը ընդհանուր բյուջե է. հուշումը գումարած ելքը պետք է միասին տեղավորվեն 262,144-ի մեջ, ուստի մեկ կանչի գործնական մուտքային առաստաղը մոտավորապես 245,000 տոկեն է, շատ մոտավորապես 180,000 անգլերեն բառ: Կառուցվածքային աշխատանքի համար 16,384-տոկեն ելքի սահմանաչափն ավելի կոշտ սահմանն է, և այն, որը զարմացնում է մարդկանց — մեկ գրառման հաշվին մեկ օբյեկտ արտածող սխեման դրան հասնում է շատ ավելի շուտ, քան պատուհանը լցվում է: Երկու օրինաչափություն դրա դեմ է աշխատում.

• Լայն մուտք, նեղ ելք: Ամբողջ պայմանագիրը, հայտագրումը կամ մատյանի պատուհանը մղեք համատեքստի մեջ և խնդրեք մեկ կոմպակտ օբյեկտ: Մուտքային տոկենները արժեն ելքային տոկենների մեկ քառորդը, ուստի գնագոյացումը պարգևատրում է շատ կարդալը և քիչ գրելը:
• Բաժանեք գրառումների սահմաններով, ոչ բայթերի քանակով: Բաժանեք այնտեղ, որտեղ մոդելը կարող է տեսնել կարը: Նախադասության մեջտեղում կտրված գրառումը արտադրում է վստահորեն սխալ օբյեկտ, ոչ թե ակնհայտ ձախողում:

Hy3-ի հայտարարած երկար-համատեքստ որոնման ուժը — 73.4 AA-LCR-ում, և թռիչք 42.9%-ից 75.1%-ի MRCR երկար-երկխոսության հիշողության մեջ — ճիշտ այն կարողությունն է, որից կախված է առաջին օրինաչափությունը, և տարբեր հմտություն, քան լավ գրելը:

06Ամենացածր գնագոյացումը, և իրական խողովակաշարի թվաբանությունը

Hy3-ը գտնվում է $0.50 մեկ միլիոն մուտքային տոկենի համար և $2.00 մեկ միլիոն ելքային տոկենի համար — կատալոգի ամենացածր գինը, ընդհանուր MiMo-V2.5-ի, MiMo-V2.5-Pro-ի, DeepSeek-V4-Flash-0731-ի և MiniMax-M3-ի հետ: Հաշվարկված ներկայացուցչական բեռների վրա.

Բեռ	Մուտք / կանչ	Ելք / կանչ	Ծախս / կանչ	1M կանչի համար
Դաշտերի արդյունահանում	1,200	300	$0.0012	$1,200
Փաստաթղթի դասակարգում	3,000	120	$0.0018	$1,800
Երկար-փաստաթղթի ամփոփում սխեմայի	40,000	900	$0.0218	$21,800
Ամբողջ-պատուհանի վերլուծություն	240,000	2,000	$0.1240	$124,000

Թիվը, որը փոխում է որոշումները, վերնագրային տոկոսադրույքը չէ, այլ արդյունավետ տոկոսադրույքը կրկնումներից հետո: Եթե երկու մոդել նույն արժեն, և մեկը ձախողում է վավերացումը կանչերի 6%-ի վրա, մյուսը՝ 1.5%-ի, բարձր-շեղում մոդելը գործարկում է մոտավորապես 4.5% ավելի կանչեր — գոյատևելի: Վնասը պոչում է. կրկնված կանչերը երկու անգամ ավելի երկար են տևում, ուստի p99 հապաղումը մոտավորապես կրկնապատկվում է թրաֆիկի տեսանելի հատվածի համար, և ինչը ձախողվում է երկու անգամ, դառնում է ձեռքով աշխատանք: Օրական մեկ միլիոն կանչի դեպքում դա հազարավոր գրառում է, որը ինչ-որ մեկը պետք է կարդա:

Հետևաբար՝ 8-բիթանոց մակարդակի փաստարկն ամենացածր գնով. դուք հավելավճար չեք վճարում հավատարմության համար այստեղ, ուստի կրկնման թվաբանությունն անվճար գումար է: Եթե 3-բիթանոց մոդելը ավելի էժան լիներ, կլիներ իրական փոխանակում կշռելու. Hy3-ը արժե նույնքան, ինչ կատալոգի ամենաէժան բանը:

07Երեք API բարբառ, մեկ մոդել

Hy3-ը հասանելի է դարպասի բոլոր երեք բարբառներով, հոսքային հաղորդմամբ երեքում էլ: Նույն մոդել, նույն կշիռներ, նույն սահմանափակումներ — ընտրեք ինչը համապատասխանում է ձեր արդեն ունեցած SDK-ին.

Վերջնակետ	Բարբառ	Օգտագործեք, երբ
/v1/chat/completions	OpenAI	Ունեք OpenAI SDK, LangChain կամ LlamaIndex: Ուղղեք base URL-ն այստեղ, փոխեք մոդելի id-ն:
/v1/messages	Anthropic	Դուք Anthropic SDK-ի վրա եք և ուզում եք բովանդակության բլոկներ առանց թարգմանության շերտի:
/v1/responses	Responses	Ուզում եք ավելի նոր հարցման ձևը՝ տիպավորված ելքով և server-side վիճակով:

Hy3-ը նաև աջակցում է գործիքի կանչ և դատողություն, ներառյալ reasoning_effort: Արդյունահանման աշխատանքի համար օգտակար քայլն սովորաբար դատողությունն իջեցնելն է. լավ-սահմանված սխեմայի վրա մաքուր տեքստի համար, մտածողության տոկենները ելքային տոկեններ են, որոնց համար վճարում եք, և հապաղում, որին սպասում եք, աննշան շահույթի դիմաց: Փոխարենը ծախսեք ջանքի բյուջեն իսկապես երկիմաստ մուտքագրման վրա:

Ամբողջական հարցման և պատասխանի հղումը, պարամետրերի ցանկերը, հոսքային հաղորդման իմաստաբանությունը և ինտերակտիվ փորձադաշտը են API փաստաթղթերում:

08Ընտրելով երեք W8A16 մոդելների միջև

Երեք մոդել գտնվում է ամենաբարձր-հավատարմության մակարդակում, բոլորը՝ ամենացածր գնով: Ընտրությունը հիմնականում մոդալության մասին է.

Մոդել	Տեսողություն	json_schema	Գին մուտք / ելք	Ընտրեք սա
Hy3 · W8A16	Ոչ	Այո	$0.50 / $2.00	Միայն-տեքստային կառուցվածքային խողովակաշարերի, գործիքների համակարգման, երկար-համատեքստ որոնման համար
MiMo-V2.5-Pro · W8A16	Ոչ	Այո	$0.50 / $2.00	Միայն-տեքստային աշխատանքի համար, երբ ուզում եք MiMo գծի Pro կարգավորումը
MiMo-V2.5 · W8A16	Այո	Այո	$0.50 / $2.00	Ցանկացած բանի համար՝ պատկերներով — սկանավորված փաստաթղթեր, սքրինշոթներ, լուսանկարներ

Եթե ձեր մուտքագրման որևէ մասը պատկեր է, որոշումն արդեն արված է ձեր փոխարեն. Hy3-ը միայն-տեքստային է — ուղարկեք սկանավորված PDF-ները, սքրինշոթները և լուսանկարները MiMo-V2.5-ին: Որտեղ մուտքագրումն իսկապես տեքստ է, Hy3-ի գործակալային գործիքի օգտագործման, երկար-համատեքստ հիշողության և ցածր հայտարարած հալյուցինացիայի պրոֆիլն ամենաուղղակիորեն համընկնում է խողովակաշարային աշխատանքի հետ: Քանի որ երեքն էլ արժեն նույնը, գործարկեք ձեր սխեման երկուսի վրա մի քանի հարյուր իրական գրառումների վրա և համեմատեք վերլուծության հաջողության տոկոսները. դա ավելի լավ է լուծում, քան ցանկացած աղյուսակ, ներառյալ սա:

09Որտեղ է Hy3-ը վաստակում իր տեղը

• Բարձր-ծավալ դաշտերի արդյունահանում: Պայմանագրեր, հայտագրումներ, միջադեպերի հաշվետվություններ, արտագրություններ, կլինիկական գրառումներ, դատարանի արձանագրություններ — ամեն տեղ, որտեղ մեկ տիպավորված օբյեկտ մեկ փաստաթղթի հաշվին է մատուցումը, և ծավալը կրկնումները թանկացնում է:
• Դասակարգում և երթուղավորում մասշտաբով: Փակ enum ելքեր, որտեղ մոդելի ողջ արժեքն այն է, որ երբեք չի հորինում տասնիններորդ կատեգորիա:
• Անվտանգության և սպառնալիք-հետախուզության կորպուսներ: Չարամիտ ծրագրերի նկարագրություններ, շահագործման բացահայտումներ և ֆիշինգային նմուշներ — նյութը, որը զտված մոդելները մղում է դեպի մերժում, և որտեղ կատեգորիա-ձևով անցքը հակասում է նպատակին:
• Գործիք-կանչող գործակալներ, որոնք չպետք է կանգ առնեն: 8-բիթանոց արգումենտի հավատարմությունը նշանակում է, որ ձեր ֆունկցիաներին հանձնված JSON-ը վերլուծվում է. խեղված գործիքի կանչը կանգ առած գործակալ է, ոչ թե մի փոքր ավելի վատ պատասխան:
• Երկար-փաստաթղթի վերլուծություն կառուցվածքի: Ամբողջ հայտագրումը ներս, մեկ կոմպակտ օբյեկտ դուրս:
• Բովանդակության մոդերացիա և քաղաքականության հետազոտություն: Նյութ պիտակավորելը, որը զտված մոդելը հրաժարվում է կարդալ, կայուն վստահության-և-անվտանգության խնդիր է. չզտված մոդելը խիստ սխեմայով դա լուծում է ուղղակիորեն:

Եվ որտեղ՝ ոչ. ցանկացած բան պատկերներով (օգտագործեք MiMo-V2.5), և ինքնավար բազմա-ֆայլային ծրագրային ինժեներություն, որտեղ Tencent-ի սեփական աղյուսակները դնում են Hy3-ը GLM-5.2-ից հետո SWE-bench Verified-ում և զգալիորեն հետ DeepSWE-ում:

Բենչմարկային թվերը Tencent-ի հայտարարածն են, ներառյալ մրցակիցների թվերը. անկախ ստուգումը գրման պահին սպասվում էր: Ծախսերի թվերը հաշվարկված են մեր հրապարակած $0.50 / $2.00 դրույքաչափերից: Այս էջում ոչ մի թիվ Shannon-ի կողմից գործարկված բենչմարկ կամ գնահատական չէ:

10Հաճախ տրվող հարցեր

---

Աղբյուրներ. Tencent Hunyuan մոդելային քարտեր · Hy3 պահոց · Hunyuan-Large: An Open-Source MoE Model (arXiv 2411.02265) · VentureBeat-ի լուսաբանումը Hy3 թողարկման մասին: Հիմքային մոդելի բենշմարկները Tencent-ի հայտարարածն են և ժամանակավոր՝ մինչև անկախ ստուգումը: Shannon AI-ն կառավարվում է Shannon Lab LLC-ի կողմից, Նյու Մեքսիկո, ԱՄՆ: