Hy3 ist das produktionsreife Mixture-of-Experts-Modell von Tencent Hunyuan – 295B Gesamtparameter mit nur 21B aktiven pro Durchlauf (192 Experten, Top-8-Routing), das verbesserte Release aufbauend auf der Hy3-preview-Linie. Es erweitert den RL-Trainingsumfang und die Qualität der Post-Training-Daten für weitere Fortschritte bei Reasoning, langen Kontexten und agentischen Aufgaben und erreicht Ergebnisse, die mit Flaggschiffmodellen vergleichbar sind, die ein Vielfaches seiner Parametergröße haben. Es bedient ein 256K-Token-Kontextfenster (Texteingabe, Textausgabe) mit konfigurierbarem Reasoning-Aufwand und ist für reale Coding-, Tool-Use- und mehrstufige Agent-Workflows mit einem starken Qualitäts-Kosten-Verhältnis ausgelegt.
Tencent Hy3 ist ein reines Text-Sprachmodell, das von Tencent entwickelt wurde. Es ist dafür ausgelegt, Text mit einem Kontextfenster von 262.144 Token zu verarbeiten und zu generieren, wodurch es…
Tencent Hy3 zeichnet sich bei jeder Aufgabe aus, die die Verarbeitung großer Textmengen in einem einzigen Kontext erfordert. Dazu gehört das Zusammenfassen ganzer Bücher, das Extrahieren von Informationen aus langen Berichten, die vollständige Analyse von Rechtsverträgen und die Überprüfung großer Softwarecodebasen auf Fehler oder Verbesserungen. Es ist auch stark in der Aufrechterhaltung der Kohärenz bei Langform-Generierungsaufgaben wie dem Schreiben detaillierter Artikel oder mehrteiligen Dialogen mit umfangreichem Verlauf. Sein BrowseComp-Wert deutet darauf hin, dass es besonders gut bei Aufgaben ist, die das Navigieren und Verstehen großer Mengen textueller Informationen erfordern, ähnlich dem Durchsuchen einer Dokumentsammlung.
Sie sollten Tencent Hy3 wählen, wenn Ihre Aufgabe ein großes Kontextfenster erfordert, das kleinere Modelle ohne Aufteilung nicht bewältigen können. Zum Beispiel, wenn Sie ein 200-seitiges Dokument auf einmal analysieren oder den Gesprächskontext über hunderte von Runden hinweg beibehalten müssen. Für einfachere Aufgaben wie die Klassifizierung oder Übersetzung eines einzelnen Absatzes wäre ein kleineres, günstigeres Modell kosteneffizienter. Tencent Hy3 ist auch eine gute Wahl, wenn Sie eine vorhersehbare, transparente Preisgestaltung ohne zusätzliche Kosten benötigen. Falls Ihre Aufgabe multimodal ist, benötigen Sie ein anderes Modell, das Bilder oder Audio unterstützt.
Die Hauptstärke des Modells liegt in seiner Fähigkeit, bis zu 262.144 Token in einem einzigen Prompt zu verarbeiten, was einen der größten verfügbaren Kontextfenster darstellt. Dies macht komplexe Aufteilungsstrategien für viele lange Dokumente überflüssig. Es erreichte 84,2 Punkte im BrowseComp und zeigt damit eine robuste Leistung bei Aufgaben, die das Durchsuchen und Extrahieren von Informationen aus langen Textsequenzen erfordern. Das Modell dürfte über sehr lange Eingaben hinweg Genauigkeit und Kohärenz bewahren, auch wenn für andere Aufgaben keine genauen Leistungsbenchmarks angegeben sind. Seine Stärken kommen am besten in Szenarien zur Geltung, in denen das gesamte Dokument auf einmal betrachtet werden muss.
BrowseComp ist ein Benchmark, der entwickelt wurde, um die Fähigkeit eines Modells zu bewerten, große Textmengen zu durchsuchen und zu verstehen, wobei Aufgaben wie das Suchen nach spezifischen Informationen in mehreren Dokumenten oder langen Abschnitten simuliert werden. Eine Punktzahl von 84,2 deutet auf eine starke Leistung bei diesen Aufgaben hin. Obwohl die genaue Metrik nicht detailliert ist, deutet dies darauf hin, dass Tencent Hy3 effektiv Informationen aus langen Kontexten abrufen und synthetisieren kann. Zum Vergleich: Eine Punktzahl über 80 gilt allgemein als sehr gut. Dieser Benchmark ist besonders relevant für Anwendungen wie Recherche-Assistenten und Dokumentenanalyse.
Konkrete Latenzwerte für Tencent Hy3 werden nicht angegeben. Als großes Modell mit einem 262k-Kontextfenster hängt die Inferenzzeit von der Länge der Eingabe- und Ausgabetoken, der Hardware und der aktuellen Auslastung ab. Generell erhöhen längere Eingaben die Verarbeitungszeit. Benutzer sollten bei sehr langen Dokumenten im Vergleich zu kleineren Modellen eine höhere Latenz erwarten. Die API von OrcaRouter bietet möglicherweise verschiedene Endpunkte mit unterschiedlichen Geschwindigkeiten. Für Echtzeitanwendungen wird empfohlen, mit repräsentativen Eingaben zu testen. Der Geschwindigkeits-Genauigkeits-Kompromiss des Modells ist für seine Größe typisch.
Der einzige bereitgestellte Benchmark ist BrowseComp, wo es 84,2 erreichte, was auf starke Langkontext-Navigation und Verständnis hinweist. Zu den Stärken zählen vermutlich das genaue Abrufen von Informationen aus langen Texten und die Aufrechterhaltung des Kontexts über viele Tokens hinweg. Schwächen werden nicht explizit genannt, aber als reines Textmodell fehlen ihm multimodale Fähigkeiten. Andere Benchmark-Ergebnisse werden nicht bereitgestellt, daher können wir keine Vergleiche bei standardmäßigen LLM-Aufgaben wie logischem Denken oder Mathematik anstellen. Sein großer Kontext kann im Vergleich zu kleineren Modellen zu höherer Latenz und höheren Rechenkosten führen. Das Modell ist eher für textintensive Aufgaben als für allgemeine Chat-Anwendungen ausgelegt.
Mit einem Kontextfenster von 262.144 Token ist Tencent Hy3 darauf ausgelegt, lange Sequenzen in einem einzigen Durchlauf zu verarbeiten. Das bedeutet, dass Informationen am Anfang eines langen Dokuments auch bei der Generierung der Ausgabe am Ende noch verfügbar sein können, wodurch die bei Chunking üblichen Retrieval-Fehler reduziert werden. Der BrowseComp-Wert von 84,2 deutet darauf hin, dass das Modell bei Aufgaben gut abschneidet, die Aufmerksamkeit auf Details erfordern, die über einen langen Text verteilt sind. Die Verarbeitung sehr langer Sequenzen erfordert möglicherweise dennoch ein sorgfältiges Prompt-Design, um eine Überlastung des Modells zu vermeiden, aber das große Fenster bietet für die meisten praktischen Anwendungsfälle mit langen Dokumenten ausreichend Spielraum.
Über OrcaRouter ist die Abrechnung transparent und basiert ausschließlich auf der Token-Nutzung. Sie zahlen 0,18 $ pro einer Million Token, die an das Modell gesendet werden (Eingabe), und 0,59 $ pro einer Million Token, die vom Modell generiert werden (Ausgabe). Diese Preise entsprechen genau dem, was der Anbieter berechnet, ohne Aufschlag durch OrcaRouter. Die Token-Anzahl wird von Tencent’s Tokenizer berechnet. Es gibt keine Abonnementgebühren oder Mindestnutzungsanforderungen. Die Gebühren erscheinen auf Ihrer OrcaRouter-Rechnung. Diese einfache Struktur ermöglicht es Ihnen, die Kosten für Aufgaben bekannter Länge vorherzusagen.
Bei Aufgaben mit langem Kontext ist die Preisgestaltung von Tencent Hy3 für die Kontextfenstergröße wettbewerbsfähig. Viele Modelle mit ähnlichen Kontextfenstern haben höhere Kosten pro Token. Wenn Ihre Aufgabe jedoch nur einen kleinen Kontext erfordert, wäre ein günstigeres Modell wirtschaftlicher. Die Null-Aufschlag-Politik bedeutet, dass Sie nicht zusätzlich für die Plattform zahlen. Die Kosten pro Million Token sind festgelegt, sodass die Verarbeitung eines 262k-Token-Eingabe etwa $0,047 für die Eingabe kostet (da 262k = 0,262M, Eingabekosten 0,262 * 0,18 = $0,047). Ausgabetoken werden proportional hinzugefügt. Dies macht es für viele Anwendungen erschwinglich.
Für Tencent Hy3 über OrcaRouter werden keine spezifischen Rabatte oder Caching-Mechanismen erwähnt. Die Preisgestaltung erfolgt pro Anfrage basierend auf der Token-Anzahl, ohne dass Mengenrabatte angekündigt wurden. Ein Caching von Prompts oder Antworten wird nicht beschrieben; jede Anfrage wird wahrscheinlich unabhängig verarbeitet. Nutzer sollten davon ausgehen, dass es keine speziellen Preisoptimierungen über den Basistarif hinaus gibt. Bei hohem Nutzungsvolumen könnte es sich lohnen, OrcaRouter für mögliche individuelle Vereinbarungen zu kontaktieren, jedoch sind diese nicht garantiert. Die beworbenen 0,18 $/0,59 $ pro Million Tokens sind der öffentliche Standardtarif.
Um Tencent Hy3 aufzurufen, setzen Sie die Basis-URL auf https://api.orcarouter.ai/v1 und verwenden Sie die Modellkennung "tencent/hy3". Die API ist vollständig OpenAI-kompatibel, sodass Sie den OpenAI Python-Client oder einen beliebigen HTTP-Client verwenden können, der den Chat Completions-Endpunkt unterstützt. Zum Beispiel setzen Sie mit der OpenAI Python-Bibliothek openai.api_base = "https://api.orcarouter.ai/v1" und fügen Sie Ihren API-Schlüssel hinzu. Erstellen Sie dann eine Chat Completion mit model="tencent/hy3". Das Anforderungsformat ist identisch mit dem von OpenAI, mit messages-Array, temperature, max_tokens usw. Es sind keine speziellen Parameter außer dem Modellnamen erforderlich.
Die API unterstützt alle Standardparameter des OpenAI Chat Completions-Endpunkts. Dazu gehören 'messages' (erforderlich), 'temperature' (0–2, Standard 0.7), 'max_tokens' (Begrenzung der Ausgabelänge), 'top_p', 'frequency_penalty', 'presence_penalty', 'stop' und 'stream' für tokenweise Ausgabe. Sie können auch 'seed' für deterministisches Sampling setzen, falls gewünscht. Die API respektiert das Kontextlimit von 262.144 Token; Eingabeaufforderungen, die dieses überschreiten, werden abgeschnitten oder abgelehnt. Es gibt keinen speziellen 'multimodal'-Parameter, da das Modell nur Text unterstützt. Das Antwortformat folgt der Struktur von OpenAI.
Ja, die Migration von einem anderen Text-LLM zu Tencent Hy3 über OrcaRouter ist aufgrund der OpenAI-kompatiblen API unkompliziert. Sie müssen lediglich die Modellkennung von Ihrem vorherigen Modell (z.B. "some-other-model") auf "tencent/hy3" ändern und die Basis-URL auf https://api.orcarouter.ai/v1 aktualisieren. Die Request- und Response-Schemata sind identisch. Möglicherweise müssen Sie die Prompt-Formatierung anpassen, wenn das vorherige Modell ein anderes Verhalten aufwies, aber normalerweise sind keine Code-Änderungen außer dem Modellnamen erforderlich. Es ist empfehlenswert, mit repräsentativen Eingaben zu testen, um die Ausgabequalität zu bestätigen.
Die Authentifizierung erfolgt über einen API-Schlüssel, der von OrcaRouter bereitgestellt wird. Sie müssen diesen Schlüssel bei Anfragen im Authorization-Header als „Bearer YOUR_API_KEY“ angeben. Der API-Schlüssel sollte geheim gehalten und nicht weitergegeben werden. OrcaRouter bietet möglicherweise verschiedene Schlüsselstufen mit unterschiedlichen Ratenbegrenzungen an. Für den OpenAI-Python-Client setzen Sie openai.api_key = "your-key". Es ist keine weitere Authentifizierung erforderlich. Stellen Sie sicher, dass Sie die korrekte Basis-URL (https://api.orcarouter.ai/v1) verwenden und dass der Schlüssel die Berechtigung hat, auf das Modell „tencent/hy3“ zuzugreifen.
Im Vergleich zu Modellen mit kleineren Kontextfenstern (z. B. 4k, 8k, 32k) bietet Tencent Hy3 eine wesentlich größere Kapazität von 262k Token, sodass es ganze Dokumente ohne Aufteilung verarbeiten kann. Dies kann zu einer höheren Genauigkeit bei Aufgaben führen, die einen globalen Kontext erfordern. Kleinere Modelle sind jedoch in der Regel günstiger pro Token, haben eine geringere Latenz und können bei kurzen Eingaben effizienter sein. Beispielsweise kann ein Modell mit einem 4k-Kontext zu einem niedrigeren Preis besser für einfache Abfragen geeignet sein. Die Kosten von Tencent Hy3 pro Million Token sind relativ niedrig für seine Kontextgröße, was es zu einer guten Option für Aufgaben mit langem Kontext macht.
Tencent Hy3 ist rein textbasiert, daher kann es keine Bilder, Audio oder Video verarbeiten. Multimodale Modelle wie OpenAI's GPT-4o können solche Eingaben akzeptieren, haben aber möglicherweise kleinere Textkontextfenster oder höhere Kosten. Bei textlastigen Aufgaben könnte Tencent Hy3 kosteneffizienter sein. Wenn Ihr Anwendungsfall das Verstehen visueller Inhalte erfordert, benötigen Sie ein multimodales Modell. Der Vergleich hängt davon ab, ob die hinzugefügte Modalität den Kompromiss rechtfertigt. Das große Kontextfenster von Tencent Hy3 ist ein deutlicher Vorteil für rein textliche Aufgaben, die lange Dokumente umfassen.
Tencent Hy3 sticht im Katalog von OrcaRouter durch die Kombination eines sehr großen Kontextfensters (262k Tokens) und wettbewerbsfähiger Preisgestaltung ($0,18/$0,59 pro Million Tokens) hervor. Es ist eines der wenigen Modelle, die einen so großen Kontext zu Kosten von unter 1 $ pro Ausgabetoken bieten. Das Modell ist rein textbasiert, was seinen Nutzen auf Dokumentenanalyse und -generierung konzentriert. Die Nullaufschlag-Durchleitungspreise gewährleisten keine Überraschungsgebühren. Dies macht es zu einer attraktiven Option für Entwickler und Unternehmen, die lange Texte verarbeiten müssen, ohne ihr Budget zu sprengen, insbesondere im Vergleich zu anderen Modellen mit großem Kontext, die möglicherweise höhere Kosten pro Token haben.
OpenAI-kompatibel — behalte dein bisheriges SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="tencent/hy3",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)frequency_penaltyinclude_reasoninglogit_biasmax_tokensmin_ppresence_penaltyreasoningreasoning_effortrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_ktop_p| Eingabe / 1M Tokens | $0.180 |
| Ausgabe / 1M Tokens | $0.590 |
| Cache-Lesen / 1M | $0.059 |
| Währung | USD |
Schätzung auf Basis des Listenpreises
Nur eine Schätzung — die tatsächliche Token-Anzahl hängt vom Tokenizer des Anbieters ab.
GET /api/public/models/tencent/hy3Öffnen @misc{orcarouter_hy3,
title = {Hy3 API},
author = {Tencent},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/tencent/hy3}
}Tencent. (2026). Hy3 API. OrcaRouter. https://www.orcarouter.ai/models/tencent/hy3