Hy3

Hy3 是腾讯混元团队于 2026 年 7 月 6 日发布的 Hy3 正式版。腾讯在 4 月底推出 Hy3 Preview 后，从 50 多个业务团队收集反馈，修复任务执行和交互问题，并扩充后训练数据的质量、类型与强化学习规模。正式版继续面向复杂推理、代码开发、智能体工作流和长上下文任务，同时重点改善真实产品中的稳定性与可靠性。

官方已经在 Hugging Face、ModelScope、GitCode 和 CNB 开放模型权重，并在 GitHub 提供推理、微调与部署说明。除 BF16 权重外，官方还提供 Hy3-FP8 量化权重；量化版本不作为独立模型条目收录。

架构与技术规格

Hy3 采用快慢思考融合的混合专家（MoE）架构，总参数量为 295B，每个 token 激活 21B 参数，另包含 3.8B 参数的 MTP 层。模型共有 80 层主网络、192 个路由专家，每层激活 8 个专家，并使用一个常驻共享专家。注意力部分采用 64 个 GQA 查询头和 8 个 KV 头，隐藏维度为 4096，上下文窗口为 256K tokens。

正式版原生支持普通回答和深度思考。官方调用示例通过 reasoning_effort 在 no_think、low 和 high 之间切换，其中 no_think 为默认模式。模型也提供适配 vLLM 与 SGLang 的部署方案，支持工具调用解析、思考内容解析和 MTP 推测解码。

从 Preview 到正式版的改进

腾讯表示，正式版提高了后训练数据的质量和多样性，并扩大强化学习训练规模。在由 270 名不同领域专家参与、包含 312 组有效对比的真实工作流盲测中，Hy3 获得 2.67/4，官方对照中的 GLM-5.1 为 2.51/4；差异主要出现在前端开发、CI/CD、数据与存储任务。

官方 benchmark 附录显示，Hy3 在最高推理强度下取得 SWE-bench Multilingual 75.8、SWE-bench Verified 78.0、SWE-bench Pro 57.9、Terminal-Bench 2.1 71.7、BrowseComp 84.2、MCP-Atlas 79.1、GPQA Diamond 90.4、IMO-AnswerBench 90.0 和 AA-LCR 73.4。HLE 无工具成绩为 37.0，使用工具后为 53.2。

生产可靠性是这次更新的重点。官方报告称，经过针对性数据清洗和训练约束后，内部真实场景中的幻觉率从 12.5% 降至 5.4%，常识错误率从 25.4% 降至 12.7%。在多轮对话测试中，指代、省略恢复与约束继承相关的问题率从 17.4% 降至 7.9%；开源长对话基准 MRCR 的成绩从 42.9% 提升到 75.1%。

Hy3 还修复了输出格式和工具调用方面的基础稳定性问题，减少无效调用导致的循环，并改善错误恢复。腾讯称，同一模型在 CodeBuddy、Cline 和 KiloCode 等不同智能体脚手架上的 SWE-Bench Verified 准确率差异控制在 4% 以内，说明其工具调用行为对运行框架的敏感度有所降低。

API 价格、部署与许可

腾讯云 TokenHub 的 Hy3 采用按输入长度分段的人民币计价：输入长度低于 16K 时，输入、输出和缓存命中分别为 1.2 元、4 元和 0.4 元/百万 tokens；16K–32K 时分别为 1.6 元、6.4 元和 0.6 元；32K 及以上时分别为 2 元、8 元和 0.8 元。正式版沿用 Preview 的同一费率。

Hy3 的主要输入与输出均为文本，适合代码开发、文档处理、金融分析、游戏开发、前端设计、多步工具调用和长上下文任务。官方推荐使用 vLLM 或 SGLang 部署，并建议大型服务使用 8 张 H20-3e 或其他大显存 GPU；完整微调流水线也随仓库一并开放。

Hy3 的代码与模型权重采用 Apache License 2.0。