Hy3 Pre 是什么模型?
Hy3 Pre 是腾讯AI实验室于 2026-04-23 发布的推理大模型。支持文本输入和文本输出,上下文窗口为 256K,主要能力包括推理大模型、多语言。页面已收录官方资料,便于核对规格和使用成本。
Tencent HunYuan 3 Preview
腾讯混元团队于 2026 年 4 月 23 日发布并开源的模型,是团队重建预训练和强化学习基础设施后交出的首份答卷,定位「实用主义」。架构为快慢思考融合的 MoE:2950 亿总参数、每次推理激活 210 亿,另含 38 亿参数的 MTP 层,最大支持 256K 上下文。核心能力在复杂推理、指令遵循、上下文学习、代码生成和智能体方向均有提升,SWE-bench Verified 74.4%、Terminal-Bench 2.0 54.4%,并在 FrontierScience-Olympiad、IMO-AnswerBench 以及清华大学求真书院 2026 年春数学博士资格考试中表现突出。已在腾讯元宝、CodeBuddy、WorkBuddy、QQ 等业务首发上线,可通过腾讯云 TokenHub 调用,输入 1.2 元 / 输出 4 元每百万 tokens。注意它是 Preview 版——正式版 Hy3 已于 2026 年 7 月 6 日发布,采用 Apache 2.0 许可,新项目应优先考虑正式版。
数据优先来自官方发布(GitHub、Hugging Face、论文),其次为评测基准官方结果,最后为第三方评测机构数据。 了解数据收集方法
Hy3 Pre 当前已收录的代表性评测结果包括 τ²-Bench - Telecom(51 / 264,得分 92.70)、GPQA Diamond(137 / 461,得分 86.70)、Terminal Bench Hard(82 / 244,得分 34.10)。 本页还汇总了参数规模、上下文长度与 API 价格,便于结合评测结果与部署约束一起判断模型适配度。
Hy3 Preview 是腾讯混元团队于2026年4月23日发布并开源的第一款大语言模型,也是团队重建预训练和强化学习基础设施后交出的首份答卷[reference:0]。作为混元系列的最新基座,该模型定位为“实用主义”,旨在通过体系化的能力、真实的评测和极致的性价比,有效解决真实世界中的复杂问题[reference:1]。
在技术架构上,Hy3 Preview 采用了快慢思考融合的混合专家(MoE)架构,总参数量为2950亿(295B),每次推理仅激活210亿(21B)参数,并包含38亿参数的多模态预测(MTP)层,最大支持256K上下文窗口[reference:2][reference:3]。这种设计使其在处理长文本和复杂任务时,兼具强大的处理能力和较低的推理成本。
该模型在复杂推理、指令遵循、上下文学习、代码生成和智能体(Agent)等核心能力上均有大幅提升[reference:4]。其在多项权威基准测试中表现出色,尤其是在体现智能体能力的SWE-bench Verified(74.4%)和Terminal-Bench 2.0(54.4%)等评测中取得了具有竞争力的结果[reference:5][reference:6]。在数学和科学推理方面,Hy3 Preview 在FrontierScience-Olympiad、IMOAnswerBench等任务中表现突出,并在清华大学求真书院数学博士资格考试(2026年春)中取得优异成绩[reference:7]。
目前,Hy3 Preview 已在腾讯元宝、CodeBuddy、WorkBuddy、QQ等多项主营业务中首发上线,并支持通过腾讯云TokenHub平台进行API调用[reference:8]。其输入价格为1.2元/百万tokens,输出价格为4元/百万tokens,致力于让智能应用更便宜、更易用[reference:9]。
Hy3 Pre 是腾讯AI实验室于 2026-04-23 发布的推理大模型。支持文本输入和文本输出,上下文窗口为 256K,主要能力包括推理大模型、多语言。页面已收录官方资料,便于核对规格和使用成本。
当前官方资料记录其支持文本输入,并生成文本输出。
上下文窗口为 256K。未公开或无法确认的规格不做推测。
根据已收录的官方能力标签,它适合推理大模型、多语言相关任务;实际效果应结合具体工作流验证。
代码与模型权重按 TENCENT HUNYUAN COMMUNITY LICENSE AGREEMENT 记录;使用前仍应核对官方许可原文。
The checkpoint is listed under the Tencent Hunyuan Community License Agreement license, with the license link included in the model references. Review the linked license text before commercial or derivative use.
欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送
