Tencent revela o modelo open source Hy3
(hy.tencent.com)- Busca desempenho superior ao de modelos de tamanho semelhante e um nível capaz de competir até com modelos open source flagship com 2 a 5 vezes mais parâmetros
- Na avaliação cega baseada em trabalho real de 270 especialistas, o Hy3 obteve 2,67/4, superando os 2,51/4 do GLM-5.1, com diferenças maiores em desenvolvimento frontend, dados e armazenamento, e CI/CD
- Com melhorias baseadas em feedback de produtos, a taxa de alucinação caiu de 12,5% para 5,4%, a taxa de erros de senso comum de 25,4% para 12,7%, e a taxa de problemas em testes internos multirrodadas de 17,4% para 7,9%
- Foi disponibilizado sob licença Apache 2.0 no GitHub, HuggingFace, ModelScope e AtomGit, e o preço da API é de 1 RMB por 1 milhão de tokens de entrada, 4 RMB de saída e 0,25 RMB de entrada em cache
- Após o Hy3 preview no fim de abril, a Tencent lançou o Hy3 oficial incorporando feedback de mais de 50 produtos e dados de pós-treinamento de alta qualidade
Lançamento do Hy3 e desempenho em agentes
- Após lançar o Hy3 preview no fim de abril, a Tencent reuniu feedback de mais de 50 produtos e ampliou o pós-treinamento com dados de maior qualidade para lançar o Hy3
- O novo modelo entrega desempenho superior ao de modelos de tamanho semelhante e é avaliado como capaz de competir com modelos open source flagship com 2 a 5 vezes mais parâmetros
- Depois do preview, aumentou a qualidade e a diversidade dos dados de pós-treinamento e expandiu o treinamento de RL
- Houve melhorias em raciocínio, tarefas com agentes e tarefas de contexto longo
- O objetivo é atingir um nível competitivo com modelos flagship maiores
- Em tarefas de produtividade, houve avanços em programação, trabalho de escritório, modelagem financeira, design frontend e desenvolvimento de jogos
- Na avaliação cega com tarefas reais conduzida por 270 especialistas, o Hy3 registrou 2,67/4
- O GLM-5.1 registrou 2,51/4
- A vantagem do Hy3 foi maior em desenvolvimento frontend, dados e armazenamento, e tarefas de CI/CD
Confiabilidade do produto, custo e forma de disponibilização
- Considerando que apenas benchmarks têm dificuldade para capturar plenamente a utilidade de um modelo, vários problemas foram corrigidos com base em feedback real de produtos
- Houve melhora na chamada de ferramentas e na estabilidade do formato de saída
- Foram corrigidos problemas básicos de confiabilidade para atender a padrões de nível de produção em configuração de ferramentas e restrições de saída
- A recuperação de erros em chamadas de ferramentas e a eficiência geral melhoraram
- Em diferentes scaffolds de agentes, como CodeBuddy, Cline e KiloCode, a variação de precisão no SWE-Bench Verified permaneceu dentro de 4%
- Foi reforçada a base de conhecimento e a prevenção de alucinações
- Foram aplicados critérios de limpeza de dados e restrições de treinamento para responder quando houver base, dizer que não há evidência quando não houver, e não misturar fontes nem manipular dados
- Em avaliações internas com cenários reais, a taxa de alucinação caiu de 12,5% para 5,4%
- A taxa de erros de senso comum caiu de 25,4% para 12,7%
- Houve redução de confusão factual, fabricação e contradições lógicas
- Houve melhora na manutenção de contexto complexo e no rastreamento de intenção em múltiplas rodadas
- Com a otimização conjunta de SFT e RL, foram tratados problemas operacionais como interpretação do alvo da instrução, restauração de omissões e herança de restrições entre múltiplas rodadas
- A taxa de problemas em testes internos abrangentes multirrodadas caiu de 17,4% para 7,9%
- Também houve melhora em avaliações de conversas longas, como MRCR
- Mesmo em interações longas, a intenção complexa deixou de enfraquecer ou se desviar, e as saídas ficaram mais concisas
- Em testes internos do WorkBuddy, o Hy3 melhorou a taxa de sucesso das tarefas e o tempo de conclusão em relação ao preview
- A taxa de sucesso das tarefas subiu de 72% no Hy3 preview para 90% no Hy3
- O tempo médio de conclusão caiu 34%
- Houve melhorias em processamento de dados, trabalho com documentos e análise de relatórios de pesquisa
- Em algumas tarefas gerais comparadas ao GLM-5.2, o Hy3 apresentou maior eficiência de tokens
- Usou 47,4% menos tokens no processamento de documentos
- Usou 49% menos tokens na geração de apresentações
- O Hy3 foi disponibilizado sob licença Apache 2.0
- A otimização conjunta de hardware e software reduziu o preço da API
- Entrada por 1 milhão de tokens: 1 RMB
- Saída por 1 milhão de tokens: 4 RMB
- Entrada em cache por 1 milhão de tokens: 0,25 RMB
- A Tencent passou por um loop de desenvolvimento de modelo end-to-end em menos de 6 meses, da reconstrução da infraestrutura no fim de janeiro ao Hy3 preview em abril, chegando agora ao lançamento do Hy3 e à implantação em produtos
- Daqui para frente, a empresa planeja continuar expandindo o treinamento, melhorando a qualidade dos dados e otimizando detalhes da experiência do usuário
1 comentários
Comentários do Hacker News
Resultado do Pelican de alguns dias atrás: https://simonwillison.net/2026/Jul/6/hy3/ — eu estava usando a camada gratuita do OpenRouter, que expirou em 21 de julho
Há 41 dias, quando testei com o modelo preview, saiu um pelicano com um botão "change pelican color": https://static.simonwillison.net/static/2026/hy3-preview-pelican.html
É muito legal ver o quanto os modelos melhoraram no pelicano SVG
Está escrito
tencent/Hy3. New Apache 2.0 licensed model from Tencent in China, mas o laboratório de pesquisa em IA da Tencent existe em outras regiões também? Por exemplo, que relação a MiniMax tem com a Tencent?Não gosto muito de LLMs, mas por sua causa percebi que meus sentimentos eram irracionais e que a profissão da qual eu gostava, na forma anterior, praticamente acabou, então preciso aceitar isso e me juntar ao lado que faz isso por dinheiro e atenção
Mesmo assim, nos meus projetos pessoais pretendo continuar codando à mão sempre que possível e não usar LLM
Não sei o quão útil o meme do pelicano realmente é, mas acho legal que tenha começado nem que seja pelo aspecto estético
Há um mês escrevi um post dizendo que ninguém falava do Hy3, embora ele estivesse no topo do ranking do OpenRouter: https://news.ycombinator.com/item?id=48317294
Hoje ele caiu para algo como 8º ou 9º lugar, e não vejo muito motivo para usar isso em vez dos modelos concorrentes
Ainda assim, a estrutura de preços é meio confusa, mas no momento o preço efetivo de entrada do Hy3 via OpenRouter ficou igual ao do DeepSeek Flash V4 hospedado pela DeepSeek
https://openrouter.ai/tencent/hy3-preview
https://openrouter.ai/deepseek/deepseek-v4-flash
A queda no ranking provavelmente foi por causa disso, parecia que eles não estavam dando conta da demanda
Continua sendo um modelo pequeno, mas pelo menos os scores de benchmark subiram bastante, inclusive no DeepSWE
O preço é igual ao do Flash, mas os benchmarks ficam próximos dos do Pro ou até acima em alguns casos
Claro, benchmark em geral vale pouco; o benchmark de verdade é o trabalho real que você entrega a ele
Para o tamanho, o conhecimento de mundo também é muito bom, e eu o considero melhor que o DS4 Flash
A Novita está oferecendo uso gratuito do Hy3 no OpenRouter até 21 de julho
https://openrouter.ai/tencent/hy3:free
https://x.com/novita_labs/status/2074158304159510819
Como o tamanho é bem parecido, tenho curiosidade de saber como as pessoas o percebem em comparação com o DS4 Flash
Também queria saber o quanto ele aguenta sob quantização pesada
O DS4 Flash atualmente roda muito bem em sistemas com cerca de 96 GB de RAM ou mais, mas não sei se o Hy3 consegue competir nessa faixa
Achei o DS4 Flash bastante temperamental quando usado pelo Claude Code
A velocidade é excelente, mas muitas vezes ele forma um modelo mental completamente errado e sai correndo na direção errada, então eu precisava controlá-lo com frequência, além de ter que comprimir o histórico, o que reduz a vantagem de preço do cache
O Hy3 não é tão rápido, mas até agora mantém a direção de forma muito mais estável do que o DS4 Flash
Também parece se degradar menos em contexto longo, e embora eu não saiba o preço real, me passa a impressão de ser um modelo muito competitivo
Separadamente, também testei o LongCat 2.0 comprando um pacote de 50 milhões de tokens; não é grátis, mas é tão barato que parece quase distribuído de graça
Isso também é bem impressionante e parece mais ou menos comparável ao Hy3
Não é inteligência de ponta, mas está mais para um trabalhador confiável que navega bem por uma base de código e executa de forma estável o que você manda
Quando o llama.cpp der suporte total ao lightning indexer, o contexto inteiro de 1M vai precisar de apenas uns 6 GB de RAM
Então, mesmo que o tamanho seja parecido, nesse aspecto a DeepSeek deve ser muito mais eficiente
Se o Hy3 vai conseguir competir depende muito de quão bem ele aguenta quantização
O DSV4 continua utilizável até com quantização de 2 bits
Talvez seja melhor simplesmente rodar o Qwen3.6-27B em Q8
O DSv4 Flash, rodando em duas DGX Spark, ainda tem memória sobrando para colocar 3M tokens de cache KV, enquanto o Hy3, mesmo quantizado em FP4, só comporta cerca de 130K tokens de cache KV
Este modelo é surpreendentemente pequeno para o desempenho que entrega
É um pouco maior que o deepseekV4 flash, mas em alguns benchmarks parece ser tão bom quanto o V4 pro ou até melhor, então não seria surpresa se virasse um modelo local popular
O GLM-5.2 também tem metade do tamanho do DeepSeek V4 Pro, mas custa aproximadamente o dobro
Dei uma olhada na arquitetura do DeepSeek, e o foco central parecia ser reduzir custos ao máximo
Eles economizaram bastante no mecanismo de atenção e, graças a isso, conseguiram oferecer preços absurdamente baixos mesmo com contextos enormes, mas parece que houve sacrifício de desempenho
Pelo menos, ao ver que modelos menores custam mais e performam melhor, fico pensando: “será que a atenção é mais densa?”
Hy3 has 295B parameters in total. To serve it on 8 GPUs, we recommend using H20-3e or other GPUs with larger memory capacity.Eu também acho que ele pode virar um modelo local popular
Testei o modelo e ele é muito bom, ~~gpt5.4~~ parece melhor que o gpt-5.4-mini
O desempenho também ficou suficientemente perto do sonnet 5, a ponto de eu não notar grande diferença
Não é nível gpt 5.5 e provavelmente fica abaixo do glm 5.2, mas na maioria das tarefas que eu testei ele simplesmente funcionou bem e é muito barato
Se você precisa de um modelo FOSS, não vejo motivo para não usar
Correção: não era o gpt-5.4 base, era o gpt-5.4-mini
No post do blog do Hy3 há muitos benchmarks que parecem contaminados, então é preciso fazer testes reais
Como muitos modelos chineses, a sensação é forte de que houve muita otimização para benchmark
Se for gpt-5.4, provavelmente ainda não existe nenhum modelo open source no mesmo nível, e talvez leve mais 1 ano
Usar o Hy3 me faz sentir que eu estou ficando maluco
Não sei se ele foi otimizado para benchmark de forma extrema ou se o problema é o meu jeito de usar, mas eu preferiria usar um Gemma denso
Não lembro de outro modelo recente que tenha desperdiçado tanto o meu tempo
O 31B ficou claramente na frente, e o MoE também foi um pouco melhor mesmo usando quantização de 4 bits na versão QAT
O Qwen 3.6 27B também foi melhor que o Hy3
Vou testar de novo agora que saiu do preview e recebeu mais pós-treinamento
Não deve ter piorado, então talvez tenha melhorado o suficiente para competir com modelos 31B
Achei que era um novo lançamento da linguagem Hy: https://hylang.org
O que realmente precisamos é de um avanço em inferência ou arquitetura de LLM
Um modelo do nível do GLM-5.2 precisa rodar em algo do tamanho de um Qwen 3.6 27b ou menor, em dispositivos de consumo como um Macbook Pro de 48GB, a pelo menos 100 tokens por segundo
Minha hipótese é que, se você combinar modelos menores, menos inteligentes, mas rápidos, com um bom executor, dá para deixá-los rodando por mais tempo e resolver na força bruta problemas que um modelo grande resolveria de uma vez só
Seria parecido com colocar amortecedores de vibração em várias estruturas mecânicas
Não consigo acessar o site
Não conecta em https://hy.tencent.com/research/hy3