بغیر سنسر شپ Hy3 ماڈل API

”کون سا ماڈل استعمال کروں“ کے زیادہ تر جھگڑے چھت کے بارے میں ہوتے ہیں: کون بہترین کوڈ لکھتا ہے، سب سے مشکل ریاضی حل کرتا ہے، سب سے طویل ایجنٹی دوڑ جیتتا ہے۔ ساختی پائپ لائنیں اس طرح کام نہیں کرتیں۔ وہ کام جو روزانہ ایک لاکھ دستاویزات سے خانے نکالتا ہے، اُسے ایسا ماڈل نہیں چاہیے جو ایک بار شاندار ہو — اُسے ایسا چاہیے جو ہر بار ایک ہی شکل میں درست ہو، اور جو کبھی وہاں پیراگراف نہ لوٹائے جہاں JSON شے کی جگہ ہے۔ Hy3-W8A16 اسی خاصیت کے لیے یہاں ہے۔

01Hy3 کیا ہے، اور یہ کہاں سے آیا

Hy3 Tencent کی Hunyuan ٹیم کا کھلے وزنوں والا استدلالی اور ایجنٹی ماڈل ہے، جو 6 جولائی 2026 کو ایک فراخ لائسنس کے تحت مکمل جاری ہوا، اور اس کے وزن Hugging Face پر شائع ہوئے۔ یہ Tencent کے پہلے Hunyuan-Large Mixture-of-Experts کام کی نسل کو آگے بڑھاتا ہے۔ ساخت کے لحاظ سے یہ ایک خلوی MoE ہے: کل 295 ارب پیرامیٹر، جن میں سے تقریباً 21 ارب فی ٹوکن فعال ہوتے ہیں، 192 ماہرین پر top-8 راستہ سازی کے ذریعے، ایک 80 تہوں والے ٹرانسفارمر پر جس میں گروہ بند استفسار توجہ ہے، اور ساتھ قیاسی ڈی کوڈنگ کے لیے ایک الگ 3.8B کثیر ٹوکن پیشین گوئی کی تہہ۔ اصل سیاق 256K ہے — بالکل وہی 262,144 ٹوکن جو ہم پیش کرتے ہیں، نہ کسی بڑی چیز کا کٹاؤ اور نہ کسی چھوٹی چیز کی rope سے کھینچی ہوئی توسیع۔

یہ خلوی تناسب ہر اُس شخص کے لیے اہم عدد ہے جو فی ٹوکن ادائیگی کرتا ہے: Hy3 ایک 295B ماڈل کا علم اٹھاتا ہے جبکہ فی پیش رفت تقریباً 21B ماڈل جتنا حساب کرتا ہے۔ اسی لیے ہم اسے مزید سختی سے ترکیب کرنے کے بجائے 8 بٹ پر پیش کرنے کی استطاعت رکھتے ہیں — اتنے خلوی ماڈل کا 8 بٹ بلڈ اب بھی ہمارے اپنے GPU کلسٹر پر سما جاتا ہے اور اب بھی تیز چلتا ہے۔

Tencent کے بقول یہ کس چیز میں اچھا ہے

Tencent کے شائع کردہ جانچی جدول Hy3 کی قوتوں کو صاف طور پر ایجنٹی تلاش، ٹول کی ترتیب کاری اور طویل سیاق سے بازیافت میں رکھتے ہیں، نہ کہ خالص کوڈنگ میں۔ اُن کے بتائے ہوئے اعداد:

ہم کمزور ستون جان بوجھ کر دکھاتے ہیں۔ Tencent کے اپنے موازنے میں Hy3 کوڈنگ میں GLM-5.2 سے پیچھے ہے — SWE-bench Verified پر 78.0 بمقابلہ 84.2، اور DeepSWE پر 28.0 بمقابلہ 46.2۔ اگر آپ کا کام خودمختار، کئی فائلوں والی سافٹ ویئر انجینئرنگ ہے تو پہلے ماڈل تحقیق کی باقی فہرست پڑھیے۔ اگر یہ متن پڑھ کر ساخت نکالنا ہے تو خاکہ تقریباً مثالی ہے۔

پائپ لائن کے کام کے لیے سب سے اہم عدد قابلِ اعتماد ہونے کا ہے: Tencent Hy3 کی خیالی گھڑت کی شرح 5.4% بتاتا ہے، جو پچھلی نسل کے 12.5% سے کم ہے، جبکہ عام فہم کی غلطیاں 25.4% سے گر کر 12.7% ہو گئیں۔ اُن کا بیان کردہ تربیتی اصول — جہاں شہادت ہو وہاں جواب دو، جہاں نہ ہو وہاں صاف کہہ دو — عین وہی مزاج ہے جو آپ کسی استخراجی ماڈل میں چاہتے ہیں، جو ورنہ کسی ایسے خانے کے لیے قابلِ فہم قدر گھڑ لیتا جس کا ماخذ نے ذکر ہی نہ کیا ہو۔

اس باب کے تمام اعداد Tencent کے اپنے آزمائشی دوروں سے اُن کے بتائے ہوئے ہیں؛ لکھنے کے وقت تک آزاد فریقِ ثالث کی تصدیق باقی تھی۔ انہیں سمت نما سمجھیے، طے شدہ نہیں۔

02W8A16 کا مطلب کیا ہے، اور یہ ساختی اخراج کے لیے کیوں اہم ہے

گیٹ وے کے ہر ماڈل کے ساتھ ایک کوانٹائزیشن لاحقہ ہے۔ یہ سجاوٹ نہیں — یہ بتاتا ہے کہ پیش کیے گئے وزن اُس چیک پوائنٹ سے کتنے دور بیٹھے ہیں جو لیبارٹری نے جاری کیا تھا۔

درجہ	یہ کیا کرتا ہے	وفاداری
3BIT-REAP	3 بٹ وزن اور ساتھ REAP، ماہر کٹائی کا ایک طریقہ جو کوانٹائز کرنے سے پہلے کم منتخب ہونے والے MoE ماہرین ہٹا دیتا ہے	سب سے زیادہ ترکیب شدہ
W4A16-AUTOROUND-REAP	AutoRound کے ذریعے 4 بٹ وزن / 16 بٹ ایکٹیویشنز — سیکھا ہوا گول کرنا جو سادہ قریب ترین گول کرنے کی نسبت درستگی بحال کرتا ہے — اور ساتھ REAP کٹائی	درمیانی
W8A16	8 بٹ وزن / 16 بٹ ایکٹیویشنز۔ کوئی کٹائی نہیں، سیکھے ہوئے گول کرنے کی کوئی مرمت نہیں — وزن بس دگنی درستگی پر اٹھائے جاتے ہیں	سب سے زیادہ

کوانٹائزیشن کا بہاؤ دراصل چوٹ کہاں پہنچاتا ہے

REAP اور AutoRound اُس کا زیادہ تر حصہ بحال کر لیتے ہیں جو سادہ ترکیب کھو دیتی ہے — مگر اس جملے میں ”زیادہ تر“ بھاری کام کر رہا ہے، اور بچا ہوا حصہ یکساں نہیں گرتا۔ کم بٹ والی کوانٹائزیشن دُموں کو خراب کرتی ہے: یعنی کم امکان اور زیادہ اختصاص والے فیصلے۔ نثر میں یہ تقریباً غیر مرئی ہے؛ ایک مختلف صفت کے ساتھ بھی جملہ اچھا ہی رہتا ہے۔ ساختی اخراج میں یہی سارا کھیل ہے، کیونکہ اسکیما کم امکان والے فیصلوں کی ایک لمبی زنجیر ہے جن میں سے ہر ایک کا عین درست ہونا ضروری ہے:

• ٹوکن کی سطح کی نحو۔ بند ہونے والا بریکٹ، ایک کوما، ایک واوین۔ ہر ایک ایک ٹوکن ہے، اور ایک غلط ٹوکن پورے جواب کو باطل کر دیتا ہے۔
• Enum کا نظم۔ آپ کا اسکیما کہتا ہے کہ "status" ان میں سے ایک ہے: "open" | "closed" | "pending"؛ بہکا ہوا ماڈل "Open" یا "pending review" لوٹاتا ہے — معنوی طور پر قریب، اور دونوں میں سے کسی کے طور پر بھی درست نہیں۔
• قسم کا نظم۔ کوئی number خانہ "1,240" بن کر واپس آتا ہے، کوئی boolean "yes" بن کر۔ دونوں سٹرنگ کے طور پر پارس ہوتے ہیں اور اسکیما پر ناکام ہو جاتے ہیں۔
• لمبی دُم والے حروفی اجزاء۔ نایاب اسمِ خاص، پرزوں کے نمبر، کیمیائی نام، غیر لاطینی رسم الخط، عین تاریخیں — یعنی وہی کم امکان والا خطہ جسے کم بٹ والے وزن دھندلا کر دیتے ہیں۔

ان میں سے کوئی چیز 4 بٹ یا 3 بٹ ماڈلوں کو برا نہیں بناتی؛ گفتگو والے کام کے لیے وفاداری کا فرق اکثر قیمت کے فرق کے قابل نہیں ہوتا۔ مگر جب اخراج کا صارف انسان کے بجائے کوئی توثیق کار ہو تو دُموں پر درستگی سیدھی پارس کی شرح میں بدل جاتی ہے — اور پارس کی شرح دوبارہ کوششوں کے بجٹ اور p99 تاخیر میں۔ W8A16 وہ درجہ ہے جہاں آپ یہ ٹیکس دینا بند کر دیتے ہیں۔

03ساختی اخراج: json_schema اور response_format

Hy3 ساختی اخراج کی سطح کے دونوں حصوں کی حمایت کرتا ہے — یہ الگ سے کہنا ضروری ہے، کیونکہ پوری فہرست میں یہ عام نہیں:

ماڈل	response_format	json_schema
Hy3 · W8A16	ہاں	ہاں
MiMo-V2.5-Pro · W8A16	ہاں	ہاں
inkling · W4A16-AUTOROUND-REAP	ہاں	نہیں
Laguna-S-2.1 · W4A16-AUTOROUND-REAP	نہیں	نہیں

دونوں طریقوں کا فرق لوگوں کے اندازے سے کہیں زیادہ اہم ہے۔ response_format: {"type": "json_object"} صرف درست JSON مانگتا ہے اور بس — شکل ماڈل چنتا ہے، سو دو کالیں {"name": ...} اور {"full_name": ...} لوٹا سکتی ہیں اور دونوں درست ہیں۔ json_schema شکل پہلے سے دیتا ہے: نامزد خانے، قسمیں، enum، لازمی فہرستیں، تہ در تہ ساخت۔ یہ ایک ایسا معاہدہ ہے جس کے مقابل آپ کوڈ لکھ سکتے ہیں۔

OpenAI ہم آہنگ لہجے پر ایک کم سے کم کال:

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"]
      }
    }
  }
}

عملی نکات

• ہر خانہ لازمی بنائیے اور null کی اجازت دیجیے۔ اختیاری خانے خاموش کٹوتیوں کو دعوت دیتے ہیں؛ ایک لازمی مگر null قبول کرنے والا خانہ صاف صاف ”موجود نہیں“ کہلواتا ہے، اور یہ ایسی معلومات ہے جس پر آپ عمل کر سکتے ہیں۔
• Enum آزاد سٹرنگ سے بہتر ہیں۔ جہاں بھی آپ قدروں کا مجموعہ بند کر سکیں، بند کر دیجیے — کسی اسکیما کی حقیقی کامیابی کی شرح پر یہ سب سے زیادہ اثر والی تبدیلی ہے۔
• 16,384 ٹوکن کی اخراجی حد سے نیچے رہیے۔ بے حد صف کسی شے کے بیچ میں کٹ جائے گی۔ صفوں کی لمبائی محدود کیجیے، یا داخلے کو ٹکڑوں میں بانٹیے۔
• سسٹم پیغام برقرار رکھیے۔ اسکیما شکل کو باندھتا ہے؛ پرامپٹ اب بھی معنی کو چلاتا ہے — کیا ”تشویشناک“ شمار ہوگا، دو تاریخیں آنے پر کون سی جیتے گی، اکائیوں کو یکساں کرنا ہے یا نہیں۔
• پھر بھی توثیق کیجیے۔ اسکیما کی حمایت کامیابی کی شرح بڑھاتی ہے؛ یہ توثیق کار اور ناکام پیغامات کی قطار کا متبادل نہیں۔

04”بغیر سنسر شپ“ اعتبار کی خاصیت کیوں ہے، محض مواد کی نہیں

گیٹ وے پر Hy3 کے ساتھ کوئی انکار کی پرت اور کوئی اخراجی چھلنی نہیں۔ عام پیش کش مواد کے بارے میں ہوتی ہے: آپ سیکیورٹی تحقیق، مالویئر تجزیہ، رخنوں کی تفصیلات، طبی اور قانونی ذخیرے، بالغ مواد، نقصان کم کرنے کی دستاویزات یا دشمنانہ صارفین کے مکالمے کارروائی میں لا سکتے ہیں، بغیر اس کے کہ ماڈل آپ کی طرف سے یہ فیصلہ کرے کہ وہ ایسا نہیں کرنا چاہتا۔

ایک دوسری، زیادہ میکانکی وجہ بھی ہے کہ یہ کیوں اہم ہے۔ انکار اسکیما کی خلاف ورزی ہے۔ چھنا ہوا ماڈل جب منع کرتا ہے تو وہ آپ کی شے کو "unavailable" نشان کے ساتھ نہیں لوٹاتا — وہ نثر لوٹاتا ہے۔ ”میں اس درخواست میں مدد نہیں کر سکتا۔“ یہ سٹرنگ incident شے نہیں ہے؛ یہ آپ کے توثیق کار پر ناکام ہوتی ہے اور حقیقی پارس کی غلطیوں کے ساتھ ناکام پیغامات کی قطار میں جا گرتی ہے، جہاں اب آپ کو پالیسی کے انکار کو اصلی بگاڑ سے الگ کرنا پڑتا ہے۔

اس سے بھی برا یہ کہ انکار بے ترتیبی سے پھیلنے کے بجائے مواد کے ساتھ جڑے ہوتے ہیں۔ اگر آپ کے ذخیرے کا 4% سیکیورٹی واقعات کی رپورٹیں ہیں اور ماڈل ان میں سے زیادہ تر سے انکار کر دیتا ہے تو آپ نے 4% پیداوار یکساں طور پر نہیں کھوئی — آپ نے ایک پورا زمرہ کھو دیا، اور اُس ڈیٹا پر بنا ڈیش بورڈ خاموشی سے عین اُسی چیز کو کم دکھاتا ہے جسے سامنے لانے کے لیے وہ موجود ہے۔ زمرے کی شکل والے سوراخ یکساں شور سے زیادہ مہنگے پڑتے ہیں، کیونکہ ان پر کوئی الارم نہیں بجتا۔ انکار کا راستہ ہٹا دیجیے اور جو باقی بچتا ہے — بگاڑ، کٹاؤ، مبہم متن — وہ موضوع سے جڑا نہیں، اور اسی لیے قابلِ پیمائش ہے۔

05سیاق، اخراجی حد، اور ان کا بجٹ کیسے بنائیں

گیٹ وے کے تمام ماڈلوں کی حدیں ایک جیسی ہیں:

سیاق ایک مشترکہ بجٹ ہے: پرامپٹ اور اخراج کو مل کر 262,144 میں سمانا ہے، سو ایک کال میں عملی داخلی حد تقریباً 245,000 ٹوکن ہے، بہت موٹے اندازے سے 180,000 انگریزی الفاظ۔ ساختی کام کے لیے 16,384 ٹوکن کی اخراجی حد زیادہ سخت رکاوٹ ہے اور یہی لوگوں کو حیران کرتی ہے — ایسا اسکیما جو فی ریکارڈ ایک شے نکالتا ہو، کھڑکی بھرنے سے بہت پہلے اس حد کو چھو لیتا ہے۔ اس کے خلاف دو نمونے کام آتے ہیں:

• چوڑا داخلہ، تنگ اخراج۔ پورا معاہدہ، گوشوارہ یا لاگ کی کھڑکی سیاق میں دھکیلیے اور ایک نپی تلی شے مانگیے۔ داخلی ٹوکن اخراجی ٹوکن کے چوتھائی پر پڑتے ہیں، سو قیمت کا ڈھانچہ بہت پڑھنے اور کم لکھنے کو انعام دیتا ہے۔
• ریکارڈ کی حدوں پر بانٹیے، بائٹ کی گنتی پر نہیں۔ وہاں کاٹیے جہاں ماڈل جوڑ دیکھ سکے۔ جملے کے بیچ میں کٹا ہوا ریکارڈ واضح ناکامی کے بجائے پُراعتماد انداز میں غلط شے پیدا کرتا ہے۔

Hy3 کی بتائی گئی طویل سیاق سے بازیافت کی قوت — AA-LCR پر 73.4، اور MRCR طویل مکالمے کی یاد داشت میں 42.9% سے 75.1% کی چھلانگ — عین وہی صلاحیت ہے جس پر پہلا نمونہ کھڑا ہے، اور یہ اچھا لکھنے سے الگ ہنر ہے۔

06فرش قیمت، اور ایک حقیقی پائپ لائن کا حساب

Hy3 فی ملین داخلی ٹوکن $0.50 اور فی ملین اخراجی ٹوکن $2.00 پر بیٹھا ہے — فہرست کا فرش، جو MiMo-V2.5، MiMo-V2.5-Pro، DeepSeek-V4-Flash-0731 اور MiniMax-M3 کے ساتھ مشترک ہے۔ نمائندہ بوجھ پر حساب لگا کر:

کام	داخل / کال	خارج / کال	لاگت / کال	فی 1M کالیں
خانوں کا استخراج	1,200	300	$0.0012	$1,200
دستاویزات کی درجہ بندی	3,000	120	$0.0018	$1,800
طویل دستاویز کا اسکیما میں خلاصہ	40,000	900	$0.0218	$21,800
پوری کھڑکی کا تجزیہ	240,000	2,000	$0.1240	$124,000

فیصلے بدلنے والا عدد سرخی والا نرخ نہیں بلکہ دوبارہ کوششوں کے بعد کا مؤثر نرخ ہے۔ اگر دو ماڈلوں کی قیمت برابر ہو اور ایک 6% کالوں پر توثیق میں ناکام ہو جہاں دوسرا 1.5% پر ناکام ہوتا ہے، تو زیادہ بہکنے والا ماڈل تقریباً 4.5% زیادہ کالیں چلاتا ہے — یہ برداشت ہو جاتا ہے۔ نقصان دُم پر ہے: دہرائی گئی کالیں دگنا وقت لیتی ہیں، سو ٹریفک کے ایک نمایاں حصے کے لیے p99 تاخیر تقریباً دگنی ہو جاتی ہے، اور جو دو بار ناکام ہو وہ ہاتھ کا کام بن جاتا ہے۔ روزانہ دس لاکھ کالوں پر یہ ہزاروں ریکارڈ ہیں جو کسی نہ کسی کو پڑھنے پڑتے ہیں۔

اسی سے فرش قیمت پر 8 بٹ درجے کے حق میں دلیل بنتی ہے: یہاں آپ وفاداری کے لیے اضافی قیمت نہیں دے رہے، سو دوبارہ کوششوں کا حساب مفت کی کمائی ہے۔ اگر کوئی 3 بٹ ماڈل سستا ہوتا تو تولنے کو ایک حقیقی سودا ہوتا — Hy3 اُتنا ہی مہنگا ہے جتنی فہرست کی سب سے سستی چیز۔

07تین API لہجے، ایک ماڈل

Hy3 گیٹ وے کے تینوں لہجوں پر قابلِ رسائی ہے، ہر ایک پر اسٹریمنگ کے ساتھ۔ وہی ماڈل، وہی وزن، وہی حدیں — جو آپ کے موجودہ SDK سے میل کھائے وہی چنیے۔

اینڈ پوائنٹ	لہجہ	تب استعمال کریں جب
/v1/chat/completions	OpenAI	آپ کے پاس OpenAI SDK، LangChain یا LlamaIndex ہے۔ بنیادی URL یہاں موڑیے اور ماڈل شناخت بدل دیجیے۔
/v1/messages	Anthropic	آپ Anthropic SDK پر ہیں اور بغیر ترجمے کی پرت کے مواد بلاک چاہتے ہیں۔
/v1/responses	Responses	آپ قسم بند اخراج اور سرور کی طرف حالت کے ساتھ نئی درخواستی شکل چاہتے ہیں۔

Hy3 ٹول کالنگ اور استدلال کی بھی حمایت کرتا ہے، بشمول reasoning_effort۔ استخراجی کام کے لیے کارآمد چال عموماً یہ ہے کہ استدلال نیچے کر دیا جائے: صاف متن پر کسی اچھی طرح متعین اسکیما کے ساتھ سوچ کے ٹوکن وہ اخراجی ٹوکن ہیں جن کے آپ پیسے دیتے ہیں اور وہ تاخیر ہیں جس کا آپ انتظار کرتے ہیں، معمولی فائدے کے بدلے۔ استدلال کا بجٹ اس کے بجائے واقعی مبہم داخلے پر خرچ کیجیے۔

درخواست اور جواب کا مکمل حوالہ، پیرامیٹر کی فہرستیں، اسٹریمنگ کے معنی اور ایک تعاملی کھیل کا میدان API دستاویزکاری میں موجود ہیں۔

08تین W8A16 ماڈلوں میں سے چناؤ

سب سے زیادہ وفاداری والے درجے پر تین ماڈل بیٹھے ہیں، سب فرش قیمت پر۔ چناؤ زیادہ تر وسیلے کا معاملہ ہے:

ماڈل	وژن	json_schema	قیمت داخل / خارج	اسے اس کے لیے چنیں
Hy3 · W8A16	نہیں	ہاں	$0.50 / $2.00	صرف متنی ساختی پائپ لائنیں، ٹول کی ترتیب کاری، طویل سیاق سے بازیافت
MiMo-V2.5-Pro · W8A16	نہیں	ہاں	$0.50 / $2.00	صرف متنی کام جہاں آپ کو MiMo قطار کی Pro ٹیوننگ چاہیے
MiMo-V2.5 · W8A16	ہاں	ہاں	$0.50 / $2.00	ہر وہ چیز جس میں تصاویر ہوں — اسکین شدہ دستاویزات، اسکرین شاٹ، تصویریں

اگر آپ کے داخلے کا کوئی بھی حصہ تصویر ہے تو فیصلہ آپ کے لیے ہو چکا: Hy3 صرف متنی ہے — اسکین شدہ PDF، اسکرین شاٹ اور تصویریں MiMo-V2.5 کو بھیجیے۔ جہاں داخلہ واقعی متن ہو، وہاں Hy3 کا خاکہ — ایجنٹی ٹول کا استعمال، طویل سیاق کی یادداشت اور کم بتائی گئی خیالی گھڑت — سب سے سیدھا پائپ لائن کے کام پر بیٹھتا ہے۔ چونکہ تینوں کی قیمت ایک ہے، اپنا اسکیما ان میں سے دو پر چند سو حقیقی ریکارڈوں کے ساتھ چلائیے اور پارس کی شرحیں ملائیے؛ یہ کسی بھی جدول سے بہتر فیصلہ کرے گا، بشمول اسی جدول کے۔

09Hy3 اپنی جگہ کہاں کماتا ہے

• بڑی مقدار میں خانوں کا استخراج۔ معاہدے، گوشوارے، واقعاتی رپورٹیں، مکالموں کے متن، طبی نوٹ، عدالتی ریکارڈ — ہر وہ جگہ جہاں فی دستاویز ایک قسم بند شے ہی مطلوب ہو اور مقدار دوبارہ کوششوں کو مہنگا بنا دے۔
• بڑے پیمانے پر درجہ بندی اور راستہ سازی۔ بند enum والے اخراج، جہاں ماڈل کی ساری قدر یہ ہے کہ وہ کبھی انیسواں زمرہ ایجاد نہ کرے۔
• سیکیورٹی اور خطرے کی معلومات کے ذخیرے۔ مالویئر کی تفصیلات، رخنوں کے انکشافات اور فشنگ کے نمونے — یعنی وہ مواد جو چھنے ہوئے ماڈلوں کو انکار پر مجبور کر دیتا ہے، اور جہاں زمرے کی شکل کا سوراخ سارا مقصد ہی ختم کر دیتا ہے۔
• ٹول پکارنے والے ایجنٹ جنہیں رکنا نہیں چاہیے۔ 8 بٹ دلیلی وفاداری کا مطلب ہے کہ آپ کے فنکشنوں کو دیا گیا JSON پارس ہو جاتا ہے؛ بگڑی ہوئی ٹول کال رکا ہوا ایجنٹ ہے، ذرا سا برا جواب نہیں۔
• طویل دستاویز کا ساخت میں تجزیہ۔ پورا گوشوارہ اندر، ایک نپی تلی شے باہر۔
• مواد کی نگرانی اور پالیسی تحقیق۔ ایسا مواد لیبل کرنا جسے چھنا ہوا ماڈل پڑھنے سے انکار کر دے، اعتماد اور تحفظ کا ایک مستقل مسئلہ ہے؛ سخت اسکیما کے ساتھ بغیر چھلنی ماڈل اسے سیدھا حل کرتا ہے۔

اور یہ کہاں نہیں کرتا: ہر وہ چیز جس میں تصاویر ہوں (MiMo-V2.5 استعمال کریں)، اور خودمختار، کئی فائلوں والی سافٹ ویئر انجینئرنگ، جہاں Tencent کے اپنے جدول Hy3 کو SWE-bench Verified پر GLM-5.2 سے پیچھے اور DeepSWE پر خاصا پیچھے رکھتے ہیں۔

معیاری اعداد Tencent کے بتائے ہوئے ہیں، بشمول حریفوں کے نمبر؛ لکھنے کے وقت تک آزاد تصدیق باقی تھی۔ لاگت کے اعداد ہمارے شائع شدہ $0.50 / $2.00 نرخوں سے نکالے گئے ہیں۔ اس صفحے کا کوئی عدد Shannon کا چلایا ہوا معیاری امتحان یا اندازہ نہیں۔

10اکثر پوچھے جانے والے سوالات

---

مآخذ: Tencent Hunyuan ماڈل کارڈ · Hy3 ریپوزٹری · Hunyuan-Large: An Open-Source MoE Model (arXiv 2411.02265) · Hy3 کے اجرا پر VentureBeat کی کوریج۔ بنیاد کے معیاری اعداد Tencent کے بتائے ہوئے ہیں اور آزاد تصدیق تک عارضی ہیں۔ Shannon AI کو Shannon Lab LLC، نیو میکسیکو، امریکہ چلاتا ہے۔