Hy3 model API bez cenzure

Većina rasprava o tome „koji model da koristim“ tiče se plafona: ko piše najbolji kod, rešava najtežu matematiku, pobeđuje u najdužoj agentskoj sesiji. Strukturirani cevovodi ne rade tako. Poslu koji izvlači polja iz sto hiljada dokumenata dnevno ne treba model koji je genijalan jednom — treba mu onaj koji je tačan u istom obliku svaki put i koji nikada ne vraća pasus tamo gde treba da stoji JSON objekat. To je svojstvo zbog kog je Hy3-W8A16 ovde.

01Šta je Hy3 i odakle dolazi

Hy3 je model za rezonovanje i agentski rad sa otvorenim težinama iz Tencent-ovog Hunyuan tima, objavljen u celini 6. jula 2026. pod dozvoljavajućom licencom, sa težinama objavljenim na Hugging Face-u. Nastavlja lozu ranijeg Tencent rada na Hunyuan-Large Mixture-of-Experts modelima. Arhitektonski je redak MoE: 295 milijardi parametara ukupno, od kojih se otprilike 21 milijarda aktivira po tokenu kroz top-8 rutiranje preko 192 eksperta, na transformeru od 80 slojeva sa grupisanom upitnom pažnjom, plus poseban sloj od 3.8B za predviđanje više tokena radi spekulativnog dekodiranja. Izvorni kontekst je 256K — tačno onih 262,144 tokena koje izlažemo, a ne odsečak nečeg većeg niti rope-rastegnuto proširenje nečeg manjeg.

Taj odnos retkosti je važan broj za svakoga ko plaća po tokenu: Hy3 nosi znanje modela od 295B, a po prolazu unapred radi otprilike računicu modela od 21B. To je i razlog zbog kog možemo da priuštimo da ga serviramo na 8 bita umesto da ga sabijemo jače — 8-bitna verzija ovako retkog modela i dalje staje i dalje radi brzo na našem sopstvenom GPU klasteru.

U čemu Tencent kaže da je dobar

Objavljene tabele evaluacije od Tencent-a smeštaju snage Hy3 jasno u agentsku pretragu, orkestraciju alata i pretraživanje u dugom kontekstu, a ne u čisto pisanje koda. Njihove prijavljene brojke:

Slabe trake pokazujemo namerno. Hy3 zaostaje za GLM-5.2 na kodu u Tencent-ovom sopstvenom poređenju — 78.0 naspram 84.2 na SWE-bench Verified, 28.0 naspram 46.2 na DeepSWE. Ako je vaš posao autonomni softverski inženjering preko više fajlova, prvo pročitajte ostatak indeksa istraživanja modela. Ako je posao čitanje teksta i izbacivanje strukture, profil je blizak idealnom.

Brojka koja najviše znači za rad sa cevovodima tiče se pouzdanosti: Tencent navodi stopu halucinacija za Hy3 od 5.4%, naniže sa 12.5% u prethodnoj generaciji, dok su greške u zdravorazumskom rasuđivanju pale sa 25.4% na 12.7%. Njihov izneti princip treninga — odgovori kada postoji dokaz, otvoreno reci kada ga nema — upravo je stav koji želite u modelu za ekstrakciju koji bi inače izmislio uverljivu vrednost za polje koje izvor nikada ne pominje.

Sve brojke u ovom odeljku prijavio je Tencent iz sopstvenih testova; nezavisna provera treće strane još je bila u toku u trenutku pisanja. Uzmite ih kao smernicu, a ne kao presudu.

02Šta znači W8A16 i zašto je bitno za strukturirani izlaz

Svaki model na gejtveju nosi sufiks kvantizacije. To nije ukras — govori vam koliko daleko servirane težine stoje od kontrolne tačke koju je laboratorija objavila.

Nivo	Šta radi	Vernost
3BIT-REAP	3-bitne težine plus REAP, metod orezivanja eksperata koji izbacuje retko rutirane MoE eksperte pre kvantizacije	Najsabijeniji
W4A16-AUTOROUND-REAP	4-bitne težine / 16-bitne aktivacije preko AutoRound-a — naučenog zaokruživanja koje vraća tačnost u odnosu na naivno zaokruživanje na najbližu vrednost — plus REAP orezivanje	Sredina
W8A16	8-bitne težine / 16-bitne aktivacije. Bez orezivanja, bez popravke naučenim zaokruživanjem — težine se prosto nose sa dvostrukom preciznošću	Najviša

Gde skretanje od kvantizacije zaista boli

REAP i AutoRound vraćaju veći deo onoga što naivno sabijanje izgubi — ali „veći deo“ nosi težinu u toj rečenici, a ostatak ne pada ravnomerno. Kvantizacija na malo bitova kvari repove: odluke male verovatnoće i velike specifičnosti. U prozi je to skoro nevidljivo; drugačiji pridev i dalje je dobra rečenica. U strukturiranom izlazu to je cela igra, jer je šema dugačak lanac odluka male verovatnoće od kojih svaka mora da bude tačno ispravna:

• Sintaksa na nivou tokena. Zatvorena vitičasta zagrada, zarez, navodnik. Svako od njih je jedan token, a jedan pogrešan token poništava ceo odgovor.
• Disciplina enuma. Vaša šema kaže da je "status" jedno od "open" | "closed" | "pending"; model koji je skrenuo vraća "Open" ili "pending review" — semantički blizu, a ispravno ni kao jedno ni kao drugo.
• Disciplina tipova. Polje tipa number vraća se kao "1,240", boolean kao "yes". Oba se parsiraju kao stringovi i padaju na šemi.
• Doslovni podaci iz dugog repa. Retka vlastita imena, brojevi delova, hemijski nazivi, pisma van latinice, tačni datumi — upravo područje male verovatnoće koje težine sa malo bitova zamute.

Ništa od ovoga ne čini 4-bitne ili 3-bitne modele lošim; za razgovorni posao razlika u vernosti često nije vredna razlike u ceni. Ali kada je potrošač izlaza validator, a ne čovek, preciznost u repovima direktno se pretvara u stopu uspešnog parsiranja — a ta stopa u budžet za ponovne pokušaje i u p99 kašnjenje. W8A16 je nivo na kom prestajete da plaćate taj porez.

03Strukturirani izlaz: json_schema i response_format

Hy3 podržava obe polovine površine za strukturirani izlaz — vredi to izričito reći, jer u katalogu to nije univerzalno:

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

Razlika između ta dva mehanizma važnija je nego što ljudi pretpostavljaju. response_format: {"type": "json_object"} traži ispravan JSON i ništa više — model bira oblik, pa dva poziva mogu da vrate {"name": ...} i {"full_name": ...} i oba su ispravna. json_schema zadaje oblik unapred: imenovana polja, tipove, enume, spiskove obaveznih ključeva, ugnežđivanje. To je ugovor prema kom možete da pišete kod.

Minimalan poziv na dijalektu kompatibilnom sa 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"]
      }
    }
  }
}

Praktične napomene

• Neka svako polje bude obavezno i neka dozvoljava null. Opciona polja pozivaju na tiho ispuštanje; obavezno polje koje sme da bude null iznuđuje izričito „nije prisutno“, što je informacija na koju možete da reagujete.
• Enumi pobeđuju slobodne stringove. Gde god možete da zatvorite skup vrednosti, zatvorite ga — to je izmena šeme sa najvećim učinkom na stvarnu stopu prolaznosti.
• Ostanite ispod gornje granice izlaza od 16,384 tokena. Neograničen niz odseći će se usred objekta. Ograničite dužinu nizova ili podelite ulaz.
• Zadržite sistemsku poruku. Šema ograničava oblik; prompt i dalje upravlja značenjem — šta se računa kao „kritično“, koji datum pobeđuje kada se pojave dva, da li normalizovati jedinice.
• Ipak proverite. Podrška za šemu podiže stopu prolaznosti; ona ne zamenjuje validator i red za neisporučene poruke.

04Zašto je „bez cenzure“ svojstvo pouzdanosti, a ne samo sadržaja

Hy3 na gejtveju nema ni sloj odbijanja ni filtriranje izlaza. Uobičajeni okvir tiče se sadržaja: možete da obrađujete bezbednosna istraživanja, analizu malvera, opise iskorišćavanja ranjivosti, medicinske i pravne korpuse, materijal za odrasle, dokumentaciju o smanjenju štete ili transkripte neprijateljski nastrojenih korisnika bez da model umesto vas odluči da bi radije to preskočio.

Postoji i drugi, mehaničkiji razlog zašto je to bitno. Odbijanje je kršenje šeme. Filtriran model koji odbije ne vraća vaš objekat sa oznakom "unavailable" — vraća prozu. „Ne mogu da pomognem sa tim zahtevom.“ Taj string nije objekat incident; pada na vašem validatoru i završava u redu neisporučenih poruka pored stvarnih grešaka parsiranja, gde sada morate da razdvajate odbijanja po pravilima od stvarnih iskrivljenja.

Gore od toga, odbijanja koreliraju sa sadržajem umesto da se raspoređuju nasumično. Ako je 4% vašeg korpusa izveštaji o bezbednosnim incidentima, a model odbije većinu njih, niste ravnomerno izgubili 4% propusnosti — izgubili ste jednu kategoriju, a komandna tabla građena na tim podacima tiho podbacuje baš u onome zbog čega postoji. Rupe u obliku kategorije koštaju više od ravnomernog šuma, jer na njih ništa ne alarmira. Uklonite put odbijanja i ono što ostane — iskrivljenja, odsecanja, dvosmislen tekst — nije u korelaciji sa temom, pa je stoga merljivo.

05Kontekst, gornja granica izlaza i kako ih rasporediti

Svi modeli na gejtveju dele iste granice:

Kontekst je zajednički budžet: prompt i izlaz moraju zajedno da stanu u 262,144, pa je praktična gornja granica ulaza u jednom pozivu oko 245,000 tokena, vrlo grubo 180,000 engleskih reči. Za strukturirani posao teža granica je onih 16,384 tokena izlaza, i baš ona iznenađuje ljude — šema koja izbacuje po jedan objekat na zapis dostiže je mnogo pre nego što se prozor napuni. Dva obrasca rade protiv toga:

• Širok ulaz, uzak izlaz. Ugurajte ceo ugovor, prijavu ili prozor loga u kontekst i tražite jedan sažet objekat. Ulazni tokeni koštaju četvrtinu izlaznih, pa cenovnik nagrađuje mnogo čitanja i malo pisanja.
• Delite po granicama zapisa, a ne po broju bajtova. Secite tamo gde model vidi šav. Zapis presečen usred rečenice proizvodi samouvereno pogrešan objekat umesto očiglednog otkaza.

Prijavljena snaga Hy3 u pretraživanju dugog konteksta — 73.4 na AA-LCR i skok sa 42.9% na 75.1% na MRCR prisećanju iz dugog dijaloga — upravo je sposobnost od koje prvi obrazac zavisi, i drugačija veština od dobrog pisanja.

06Najniža cena i računica stvarnog cevovoda

Hy3 stoji na $0.50 na milion ulaznih tokena i $2.00 na milion izlaznih tokena — dno kataloga, deljeno sa MiMo-V2.5, MiMo-V2.5-Pro, DeepSeek-V4-Flash-0731 i MiniMax-M3. Provučeno kroz reprezentativna opterećenja:

Posao	Ulaz / poziv	Izlaz / poziv	Cena / poziv	Na 1M poziva
Izvlačenje polja	1,200	300	$0.0012	$1,200
Klasifikacija dokumenata	3,000	120	$0.0018	$1,800
Sažimanje dugog dokumenta u šemu	40,000	900	$0.0218	$21,800
Analiza celog prozora	240,000	2,000	$0.1240	$124,000

Broj koji menja odluke nije naslovna cena nego efektivna cena posle ponovnih pokušaja. Ako dva modela koštaju isto, a jedan pada na proveri na 6% poziva dok drugi pada na 1.5%, model sa većim skretanjem izvrši oko 4.5% više poziva — to se preživi. Šteta je u repu: ponovljeni pozivi traju dvostruko duže, pa se p99 kašnjenje otprilike udvostručuje za vidljiv deo saobraćaja, a ono što padne dvaput postaje ručni rad. Na milion poziva dnevno to su hiljade zapisa koje neko mora da pročita.

Otuda i argument za 8-bitni nivo po najnižoj ceni: ovde ne plaćate premiju za vernost, pa je računica oko ponovnih pokušaja besplatan novac. Da je 3-bitni model jeftiniji, postojala bi stvarna razmena za vaganje — Hy3 košta isto koliko i najjeftinija stvar u katalogu.

07Tri API dijalekta, jedan model

Hy3 je dostupan na sva tri dijalekta gejtveja, uz striming na svakom. Isti model, iste težine, iste granice — izaberite onaj koji odgovara SDK-u koji već imate.

Endpoint	Dijalekat	Koristite kada
/v1/chat/completions	OpenAI	Imate OpenAI SDK, LangChain ili LlamaIndex. Usmerite bazni URL ovamo i promenite identifikator modela.
/v1/messages	Anthropic	Na Anthropic SDK-u ste i želite blokove sadržaja bez sloja prevođenja.
/v1/responses	Responses	Želite noviji oblik zahteva sa tipiziranim izlazom i stanjem na strani servera.

Hy3 podržava i pozivanje alata i rezonovanje, uključujući reasoning_effort. Za posao ekstrakcije koristan potez obično je spustiti rezonovanje: na dobro zadatoj šemi nad čistim tekstom tokeni razmišljanja su izlazni tokeni koje plaćate i kašnjenje koje čekate, za marginalan dobitak. Potrošite budžet napora radije na stvarno dvosmislen ulaz.

Potpun pregled zahteva i odgovora, spiskovi parametara, semantika strimovanja i interaktivno igralište nalaze se u API dokumentaciji.

08Biranje između tri W8A16 modela

Tri modela stoje na nivou najveće vernosti, svi po najnižoj ceni. Izbor je uglavnom pitanje modaliteta:

Model	Vizija	json_schema	Cena ulaz / izlaz	Izaberite ga za
Hy3 · W8A16	Ne	Da	$0.50 / $2.00	Strukturirane cevovode samo sa tekstom, orkestraciju alata, pretraživanje u dugom kontekstu
MiMo-V2.5-Pro · W8A16	Ne	Da	$0.50 / $2.00	Posao samo sa tekstom gde želite Pro štimovanje MiMo loze
MiMo-V2.5 · W8A16	Da	Da	$0.50 / $2.00	Sve što sadrži slike — skenirane dokumente, snimke ekrana, fotografije

Ako je bilo koji deo vašeg ulaza slika, odluka je doneta umesto vas: Hy3 radi samo sa tekstom — skenirane PDF-ove, snimke ekrana i fotografije šaljite na MiMo-V2.5. Tamo gde je ulaz zaista tekst, profil Hy3 — agentska upotreba alata, prisećanje iz dugog konteksta i niska prijavljena stopa halucinacija — najdirektnije se poklapa sa radom na cevovodima. Pošto sva tri koštaju isto, pustite svoju šemu kroz dva od njih na nekoliko stotina stvarnih zapisa i uporedite stope parsiranja; to rešava pitanje bolje od bilo koje tabele, uključujući i ovu.

09Gde Hy3 zaslužuje svoje mesto

• Izvlačenje polja u velikom obimu. Ugovori, prijave, izveštaji o incidentima, transkripti, klinički zapisi, sudski spisi — svuda gde je isporuka jedan tipiziran objekat po dokumentu, a obim čini ponovne pokušaje skupim.
• Klasifikacija i rutiranje u velikoj razmeri. Izlazi sa zatvorenim enumom, gde je cela vrednost modela u tome da nikada ne izmisli devetnaestu kategoriju.
• Korpusi o bezbednosti i obaveštajnim podacima o pretnjama. Opisi malvera, objave ranjivosti i fišing uzorci — materijal koji filtrirane modele gura u odbijanje, i gde rupa u obliku kategorije poništava celu svrhu.
• Agenti koji pozivaju alate i ne smeju da zastanu. Osmobitna vernost argumenata znači da se JSON predat vašim funkcijama parsira; iskrivljen poziv alata je zaustavljen agent, a ne malo lošiji odgovor.
• Analiza dugih dokumenata u strukturu. Cela prijava unutra, jedan sažet objekat napolje.
• Moderacija sadržaja i istraživanje pravila. Označavanje materijala koji filtriran model odbija da pročita stalni je problem poverenja i bezbednosti; nefiltriran model sa strogom šemom rešava ga direktno.

A gde ne zaslužuje: sve što sadrži slike (koristite MiMo-V2.5), i autonomni softverski inženjering preko više fajlova, gde Tencent-ove sopstvene tabele stavljaju Hy3 iza GLM-5.2 na SWE-bench Verified i znatno iza na DeepSWE.

Brojke sa merila prijavio je Tencent, uključujući i brojke konkurenata; nezavisna provera bila je u toku u trenutku pisanja. Cene su izračunate iz naših objavljenih tarifa od $0.50 / $2.00. Nijedan broj na ovoj strani nije merilo koje je pokrenuo Shannon niti procena.

10Često postavljana pitanja

---

Izvori: Kartice modela Tencent Hunyuan · Repozitorijum Hy3 · Hunyuan-Large: An Open-Source MoE Model (arXiv 2411.02265) · VentureBeat izveštaj o izdanju Hy3. Merila temelja prijavio je Tencent i privremena su do nezavisne provere. Shannon AI vodi Shannon Lab LLC, Nju Meksiko, SAD.