Цензурасыз Hy3 модель API

«Кайсы моделди колдонсом болот» деген талаштардын көбү чек тууралуу: кайсынысы эң мыкты кодду жазат, эң оор математиканы чечет, эң узун агент айлампасын утат. Структураланган түтүктөр андай иштебейт. Күнүнө жүз миң документтен талааларды чыгарган жумушка бир жолу гениалдуу модель эмес, ар дайым бирдей формада туура болгон жана JSON объекти турушу керек жерде эч качан абзац кайтарбаган модель керек. Hy3-W8A16 так ошол касиет үчүн бул жерде.

01Hy3 деген эмне жана ал кайдан келген

Hy3 — Tencent'тин Hunyuan командасынан чыккан ачык салмактуу ой жүгүртүү жана агенттик модель, 2026-жылдын 6-июлунда эркин лицензия алдында толук чыгарылган, салмактары Hugging Face'те жарыяланган. Ал Tencent'тин мурунку Hunyuan-Large эксперттер аралашмасы ишинин тегин улантат. Архитектуралык жактан бул — сейрек MoE: жалпысынан 295 миллиард параметр, алардын болжол менен 21 миллиарды токенге активдешет, 192 эксперт боюнча топ-8 маршруттоо аркылуу, топтолгон суроолуу көңүл буруусу бар 80 катмарлуу трансформерде, плюс спекулятивдик декоддоо үчүн өзүнчө 3,8B көп токенди алдын ала айтуу катмары. Өзүнөн контексти — 256K, б.а. так биз ачкан 262 144 токен: чоңураактын кыркылганы да, кичирээктин ROPE менен созулганы да эмес.

Ошол сейректик катышы токен боюнча төлөгөн ар бир адам үчүн маанилүү сан: Hy3 295B моделдин билимин алып жүрөт, ал эми ар бир алдыга өтүштө болжол менен 21B'дин арифметикасын жасайт. Дал ошондуктан аны катуураак кысуунун ордуна 8 битте тейлөөгө чамабыз жетет — мынчалык сейрек моделдин 8 биттик курулушу дагы эле батат жана өз GPU кластерибизде дагы эле тез иштейт.

Tencent аны эмнеге жакшы деп билдирет

Tencent'тин жарыяланган баалоо таблицалары Hy3'түн күчтүү жактарын таза код жазууда эмес, агенттик издөөдө, куралдарды оркестрлөөдө жана узун контексттен алууда так көрсөтөт. Алардын билдирген сандары:

Алсыз тилкелерди атайын көрсөтөбүз. Tencent'тин өз салыштыруусунда Hy3 код жазууда GLM-5.2'ден артта калат — SWE-bench Verified'де 84,2ге каршы 78,0, DeepSWE'де 46,2ге каршы 28,0. Эгер жүгүңүз автономдуу көп файлдуу программалык инженерия болсо, адегенде модель изилдөө индексинин калганын окуңуз. Эгер ал текст окуп, структура чыгаруу болсо, профили идеалга жакын.

Түтүк иши үчүн эң маанилүү сан — ишенимдүүлүк саны: Tencent Hy3'түн галлюцинация деңгээлин 5,4% деп билдирет, мурунку муундагы 12,5%дан түшүп, ал эми жалпы акылга сыярлык каталар 25,4%дан 12,7%га түшкөн. Алардын жарыяланган үйрөтүү принциби — далил болгондо жооп бер, болбогондо түз айт — булак эч качан айтпаган талаага ынандырарлык маани ойлоп чыгара турган чыгарып алуу моделинде так каалаган бейим.

Бул бөлүмдөгү бардык сандар Tencent тарабынан өз сынактарынан билдирилген; жазылып жаткан учурда көзкарандысыз үчүнчү тараптын текшерүүсү дагы эле күтүлүп жаткан. Аларды чечилген эмес, багыт берүүчү сандар катары кабыл алыңыз.

02W8A16 эмнени билдирет жана ал структураланган чыгуу үчүн эмне үчүн маанилүү

Шлюздагы ар бир модель кванттоо кошумчасын алып жүрөт. Ал жасалга эмес — тейленген салмактар лаборатория чыгарган чекпоинттен канчалык алыс турганын айтат.

Деңгээл	Ал эмне кылат	Тактыгы
3BIT-REAP	3 биттик салмактар плюс REAP — кванттоодон мурун сейрек маршруттолгон MoE эксперттерин алып салган эксперт кыскартуу ыкмасы	Эң кысылганы
W4A16-AUTOROUND-REAP	AutoRound аркылуу 4 биттик салмактар / 16 биттик активациялар — эң жакынга түз тегеректөөгө караганда тактыкты калыбына келтирген үйрөнүлгөн тегеректөө — плюс REAP кыскартуусу	Ортоңку
W8A16	8 биттик салмактар / 16 биттик активациялар. Кыскартуу жок, үйрөнүлгөн тегеректөө менен оңдоо жок — салмактар жөн гана эки эсе жогору тактыкта алып жүрүлөт	Эң жогоркусу

Кванттоо четтөөсү чындыгында кайда оорутат

REAP менен AutoRound жөнөкөй кысуу жоготкондун көбүн калыбына келтирет — бирок ошол сүйлөмдө «көбү» деген сөз иштеп турат, ал эми калдык бирдей түшпөйт. Төмөн биттик кванттоо куйруктарды начарлатат: ыктымалдыгы төмөн, тактыгы жогору чечимдерди. Прозада бул дээрлик көрүнбөйт; башка сын атооч дагы эле жакшы сүйлөм. Структураланган чыгууда бул — бүткүл оюн, анткени схема — ар бири так туура болушу керек болгон ыктымалдыгы төмөн чечимдердин узун чынжыры:

• Токен деңгээлиндеги синтаксис. Жабуучу кашаа, үтүр, тырмакча белгиси. Ар бири бир токен, ал эми бир туура эмес токен бүт жоопту жараксыз кылат.
• Санамак тартиби. Схемаңыз "status" — "open" | "closed" | "pending"'дин бири дейт; четтеген модель "Open" же "pending review" кайтарат — маани жагынан жакын, бирок экөө катары тең жараксыз.
• Тип тартиби. number талаасы "1,240" болуп, boolean болсо "yes" болуп келет. Экөө тең сап катары талданат жана схемадан өтпөйт.
• Узун куйруктагы литералдар. Сейрек ат атоочтор, деталь номерлери, химиялык аттар, латын эмес жазуулар, так даталар — так эле төмөн биттик салмактар бүдөмүктөгөн ыктымалдыгы төмөн аймак.

Мунун бири да 4 биттик же 3 биттик моделдерди жаман кылбайт; маектешүү иши үчүн тактыктын айырмасы көбүнчө баанын айырмасына арзыбайт. Бирок чыгууну керектөөчү адам эмес, текшергич болгондо куйруктагы тактык түздөн-түз талдоо деңгээлине айланат — ал эми талдоо деңгээли кайра аракет бюджетине жана p99 кечигүүсүнө. W8A16 — ошол салыкты төлөөнү токтоткон деңгээл.

03Структураланган чыгуу: json_schema жана response_format

Hy3 структураланган чыгуу бетинин эки жарымын тең колдойт — муну ачык айтууга арзыйт, анткени бул каталог боюнча жалпыга бирдей эмес:

Модель	response_format	json_schema
Hy3 · W8A16	Ооба	Ооба
MiMo-V2.5-Pro · W8A16	Ооба	Ооба
inkling · W4A16-AUTOROUND-REAP	Ооба	Жок
Laguna-S-2.1 · W4A16-AUTOROUND-REAP	Жок	Жок

Эки механизмдин ортосундагы айырма адамдар ойлогондон маанилүүрөөк. response_format: {"type": "json_object"} жарактуу JSON сурайт, андан ары эч нерсе эмес — форманы модель тандайт, ошондуктан эки чакыруу {"name": ...} жана {"full_name": ...} кайтарып, экөө тең туура болушу мүмкүн. json_schema форманы алдын ала берет: аталган талаалар, типтер, санамактар, талап кылынган тизмелер, уялоо. Бул — кодуңузду каршы жаза турган келишим.

OpenAI'ге шайкеш диалектеги минималдуу чакыруу:

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"]
      }
    }
  }
}

Практикалык эскертүүлөр

• Ар бир талааны талап кылынган кылып, null'га уруксат бериңиз. Милдеттүү эмес талаалар үнсүз түшүп калууга чакырат; талап кылынган, null болушу мүмкүн талаа ачык «жок» дегенди мажбурлайт, ал эми бул — иштей ала турган маалымат.
• Санамактар эркин саптардан артык. Маанилер топтомун жаба ала турган жерде жабыңыз — схеманын чыныгы дүйнөдөгү өтүү деңгээлине эң күчтүү таасир этүүчү өзгөрүү.
• 16 384 токендик чыгуу чегинен ашпаңыз. Чектелбеген массив объекттин ортосунда кыркылат. Массивдин узундугун чектеңиз же киришти бөлүңүз.
• Системалык билдирүүнү сактаңыз. Схема форманы чектейт; промпт дагы эле маанини жөнгө салат — эмне «критикалык» деп эсептелерин, эки дата кездешкенде кайсынысы утаарын, бирдиктерди нормалдаштыруу керекпи же жокпу.
• Баары бир текшериңиз. Схема колдоосу өтүү деңгээлин жогорулатат; ал текшергичти жана өлүк каттар кезегин алмаштырбайт.

04«Цензурасыз» эмне үчүн жөн гана мазмун эмес, ишенимдүүлүк касиети

Шлюздагы Hy3'тө баш тартуу катмары жана чыгуу чыпкасы жок. Кадимки чагылдыруу мазмун тууралуу: коопсуздук изилдөөсүн, зыяндуу программаны талдоону, эксплойт сыпаттамаларын, медициналык жана укуктук корпустарды, чоңдорго арналган материалды, зыянды азайтуу документтерин же кастык колдонуучулардын транскрипттерин модель сиздин ордуңузга «жакшысы жок» деп чечпей туруп иштете аласыз.

Экинчи, механикалуураак себеби да бар. Баш тартуу — схеманын бузулушу. Баш тарткан чыпкаланган модель объектиңизди "unavailable" желекчеси менен кайтарбайт — ал проза кайтарат. «I'm not able to help with that request.» Ошол сап incident объекти эмес; ал текшергичиңизден өтпөйт жана чыныгы талдоо каталарынын жанындагы өлүк каттар кезегине түшөт, ал жерде сиз эми саясат баш тартууларын чыныгы бузулуулардан ажыратышыңыз керек.

Андан жаманы, баш тартуулар кокус жайылбастан, мазмун менен корреляцияланат. Эгер корпусуңуздун 4%ы коопсуздук инциденттеринин отчеттору болсо жана модель алардын көбүн четке какса, сиз өткөрүмдүүлүктүн 4%ын бирдей жоготкон жоксуз — бир категорияны жоготтуңуз, ал эми ошол маалыматтын үстүнө курулган панель так өзү көрсөтүү үчүн бар нерсени үнсүз кем көрсөтөт. Категория формасындагы тешиктер бирдей ызы-чуудан кымбатыраак турат, анткени аларга эч нерсе эскертүү бербейт. Баш тартуу жолун алып салыңыз, ошондо калганы — бузулуулар, кыркылуулар, эки маанилүү текст — тема менен корреляцияланбайт, демек өлчөнөт.

05Контекст, чыгуу чеги жана аларды кантип бюджеттөө керек

Шлюздагы ар бир модель ошол эле чектерди бөлүшөт:

Контекст — жалпы бюджет: промпт менен чыгуу 262 144'кө чогуу батышы керек, ошондуктан бир чакыруудагы практикалык кириш чеги болжол менен 245 000 токен, өтө болжол менен 180 000 англис сөзү. Структураланган иш үчүн 16 384 токендик чыгуу чеги катуураак чектөө жана адамдарды таң калтырганы: жазууга бир объект чыгарган схема ага терезе толгонго чейин эле жетет. Буга каршы эки үлгү иштейт:

• Кең кириш, тар чыгуу. Бүтүндөй келишимди, өтүнмөнү же лог терезесин контекстке салып, бир жыйнактуу объект сураңыз. Кирүү токендери чыгуу токендеринин төрттөн бирине турат, ошондуктан баа көп окуп, аз жазууну сыйлайт.
• Байт саны боюнча эмес, жазуунун чегинде бөлүңүз. Модель тигишти көрө ала турган жерден бөлүңүз. Сүйлөмдүн ортосунан кесилген жазуу ачык бузулуунун ордуна ишенимдүү жаңылыш объект берет.

Hy3'түн узун контексттен алуудагы билдирилген күчү — AA-LCR боюнча 73,4 жана MRCR узун диалог эстөөсүндө 42,9%дан 75,1%га секирүү — так эле биринчи үлгү таянган мүмкүнчүлүк, жана бул жакшы жазуудан башка жөндөм.

06Түп баа жана чыныгы түтүктүн арифметикасы

Hy3 миллион кирүү токенине $0.50 жана миллион чыгуу токенине $2.00 баада турат — каталогдун түбү, аны MiMo-V2.5, MiMo-V2.5-Pro, DeepSeek-V4-Flash-0731 жана MiniMax-M3 бөлүшөт. Мисал жүктөр боюнча эсептелген:

Жүк	Чакырууга кирүү	Чакырууга чыгуу	Чакырууга баасы	1M чакырууга
Талаа чыгарып алуу	1,200	300	$0.0012	$1,200
Документтерди классификациялоо	3,000	120	$0.0018	$1,800
Узун документти схемага жыйынтыктоо	40,000	900	$0.0218	$21,800
Толук терезени талдоо	240,000	2,000	$0.1240	$124,000

Чечимдерди өзгөрткөн сан — башкы тариф эмес, кайра аракеттерден кийинки натыйжалуу тариф. Эгер эки модель бирдей турса жана бирөө чакыруулардын 6%ында текшерүүдөн өтпөй, экинчиси 1,5%ында өтпөсө, четтөөсү жогору модель болжол менен 4,5% көп чакыруу иштетет — чыдаса болот. Зыян куйрукта: кайра аракет кылынган чакыруулар эки эсе узак кетет, ошондуктан трафиктин көрүнөө үлүшү үчүн p99 кечигүүсү болжол менен эки эсеге өсөт, ал эми эки жолу бузулган нерсе кол эмгегине айланат. Күнүнө миллион чакырууда бул бирөө окушу керек болгон миңдеген жазуу.

Ошондон улам түп баадагы 8 биттик деңгээлдин пайдасына аргумент: бул жерде тактык үчүн кошумча төлөбөйсүз, ошондуктан кайра аракет арифметикасы — бекер акча. Эгер 3 биттик модель арзаныраак болсо, таразалай турган чыныгы алмашуу болмок — Hy3 каталогдогу эң арзан нерсе менен бирдей турат.

07Үч API диалекти, бир модель

Hy3'кө шлюздун үч диалектинин баарында, ар биринде агымдуу берүү менен жетүүгө болот. Ошол эле модель, ошол эле салмактар, ошол эле чектер — учтагы SDK'ңызга кайсынысы дал келсе, ошону тандаңыз.

Уч	Диалект	Качан колдонуу керек
/v1/chat/completions	OpenAI	Сизде OpenAI SDK, LangChain же LlamaIndex бар. Базалык URL'ди бул жакка багыттап, модель id'син өзгөртүңүз.
/v1/messages	Anthropic	Сиз Anthropic SDK'дасыз жана котормо катмарысыз мазмун блокторун каалайсыз.
/v1/responses	Responses	Типтелген чыгуусу жана сервер тарабындагы абалы бар жаңыраак сурам формасын каалайсыз.

Hy3 ошондой эле курал чакырууну жана ой жүгүртүүнү, анын ичинде reasoning_effort'ту колдойт. Чыгарып алуу иши үчүн пайдалуу кадам адатта ой жүгүртүүнү төмөндөтүү: таза текст үстүндөгү жакшы аныкталган схемада ой жүгүртүү токендери — сиз төлөгөн чыгуу токендери жана күткөн кечигүү, ал эми утушу араң билинет. Аракет бюджетин анын ордуна чындап эки маанилүү киришке жумшаңыз.

Сурам менен жооптун толук справкасы, параметрлер тизмеси, агымдуу берүү семантикасы жана интерактивдүү аянтча API документтеринде.

08Үч W8A16 моделинин арасынан тандоо

Эң жогорку тактыктагы деңгээлде үч модель турат, баары түп баада. Тандоо негизинен модалдуулук боюнча:

Модель	Көрүү	json_schema	Кирүү / чыгуу баасы	Аны эмне үчүн тандоо керек
Hy3 · W8A16	Жок	Ооба	$0.50 / $2.00	Текст гана структураланган түтүктөр, куралдарды оркестрлөө, узун контексттен алуу
MiMo-V2.5-Pro · W8A16	Жок	Ооба	$0.50 / $2.00	MiMo тегинин Pro тууралоосу керек болгон текст гана иш
MiMo-V2.5 · W8A16	Ооба	Ооба	$0.50 / $2.00	Сүрөттөрү бар нерсенин баары — сканерленген документтер, скриншоттор, сүрөттөр

Эгер киришиңиздин кайсы бир бөлүгү сүрөт болсо, чечим сиз үчүн чыгарылган: Hy3 — текст гана; сканерленген PDF'терди, скриншотторду жана сүрөттөрдү MiMo-V2.5'ке жөнөтүңүз. Кириш чындап текст болгон жерде Hy3'түн агенттик курал колдонуу, узун контексттен эстөө жана билдирилген төмөн галлюцинация профили түтүк ишине эң түз дал келет. Үчөө тең бирдей турат, ошондуктан схемаңызды бир нече жүз чыныгы жазууда алардын экөөндө иштетип, талдоо деңгээлин салыштырыңыз; бул маселени ушул таблицаны кошуп алганда каалаган таблицадан жакшыраак чечет.

09Hy3 өз ордун кайда актайт

• Көлөмдүү талаа чыгарып алуу. Келишимдер, өтүнмөлөр, инцидент отчеттору, транскрипттер, клиникалык жазуулар, сот материалдары — документке бир типтелген объект жеткирилүүчү нерсе болгон жана көлөм кайра аракеттерди кымбаттаткан жерлердин баары.
• Масштабдагы классификация жана багыттоо. Жабык санамактуу чыгуулар, анда моделдин бүткүл наркы — он тогузунчу категорияны эч качан ойлоп чыгарбоо.
• Коопсуздук жана коркунуч чалгындоо корпустары. Зыяндуу программа сыпаттамалары, эксплойт ачыктоолору жана фишинг үлгүлөрү — чыпкаланган моделдерди баш тартууга алып келген материал жана категория формасындагы тешик максатты жок кылган жер.
• Токтоп калбашы керек болгон курал чакыруучу агенттер. 8 биттик аргумент тактыгы функцияларыңызга берилген JSON'дун талданаарын билдирет; бузулган курал чакыруусу бир аз начарыраак жооп эмес, токтоп калган агент.
• Узун документти структурага талдоо. Бүтүндөй өтүнмө кирет, бир жыйнактуу объект чыгат.
• Мазмун модерациясы жана саясат изилдөөсү. Чыпкаланган модель окуудан баш тарткан материалды белгилөө — ишеним жана коопсуздук боюнча туруктуу көйгөй; катаң схемасы бар чыпкаланбаган модель аны түз чечет.

Ал эми кайда актабайт: сүрөтү бар нерсенин баары (MiMo-V2.5 колдонуңуз) жана автономдуу көп файлдуу программалык инженерия, анда Tencent'тин өз таблицалары Hy3'тү SWE-bench Verified'де GLM-5.2'ден артта, DeepSWE'де болсо кыйла артта коёт.

Бенчмарк сандары, атаандаштардын сандарын кошкондо, Tencent тарабынан билдирилген; жазылып жаткан учурда көзкарандысыз текшерүү күтүлүп жаткан. Чыгым сандары биздин жарыяланган $0.50 / $2.00 тарифтеринен эсептелген. Бул барактагы бир да сан Shannon иштеткен бенчмарк же болжол эмес.

10Көп берилүүчү суроолор

---

Булактар: Tencent Hunyuan модель карточкалары · Hy3 репозиторийи · Hunyuan-Large: An Open-Source MoE Model (arXiv 2411.02265) · Hy3 чыгарылышы боюнча VentureBeat материалы. Негиздин бенчмарктары Tencent билдирген жана көзкарандысыз текшерүүгө чейин алдын ала. Shannon AI'ды Shannon Lab LLC (Нью-Мексико, АКШ) тейлейт.