Hy3 adalah model Mixture-of-Experts produksi milik Tencent Hunyuan — total 295B parameter dengan hanya 21B aktif per langkah (192 expert, routing top-8), rilis yang ditingkatkan berdasarkan lini Hy3-preview. Model ini memperluas skala pelatihan RL dan kualitas data pasca-pelatihan untuk peningkatan lebih lanjut dalam penalaran, konteks panjang, dan tugas agen, mencapai hasil yang sebanding dengan model unggulan yang beberapa kali lebih besar ukuran parameternya. Model ini menyediakan jendela konteks 256K token (teks masuk, teks keluar) dengan upaya penalaran yang dapat dikonfigurasi, dan dirancang untuk pengkodean dunia nyata, penggunaan alat, dan alur kerja agen multi-langkah dengan rasio kualitas terhadap biaya yang kuat.
Tencent Hy3 adalah model bahasa besar berbasis teks yang dikembangkan oleh Tencent. Model ini dirancang untuk memproses dan menghasilkan teks dengan jendela konteks sebanyak 262,144 token,…
Tencent Hy3 unggul dalam tugas apa pun yang melibatkan pemrosesan teks dalam jumlah besar dalam satu konteks. Ini termasuk merangkum seluruh buku, mengekstrak informasi dari laporan panjang, menganalisis kontrak hukum dari awal hingga akhir, dan meninjau basis kode perangkat lunak besar untuk mencari bug atau perbaikan. Ia juga kuat dalam menjaga koherensi dalam tugas generasi teks panjang seperti menulis artikel mendetail atau dialog multi-putaran dengan riwayat yang ekstensif. Skor BrowseComp-nya menunjukkan bahwa ia sangat baik dalam tugas-tugas yang memerlukan navigasi dan pemahaman informasi tekstual dalam jumlah besar, mirip dengan menjelajahi kumpulan dokumen.
Anda harus memilih Tencent Hy3 ketika tugas Anda memerlukan jendela konteks besar yang tidak dapat ditangani oleh model yang lebih kecil tanpa pemotongan. Misalnya, jika Anda perlu menganalisis dokumen 200 halaman sekaligus atau mempertahankan konteks percakapan selama ratusan giliran. Untuk tugas yang lebih sederhana seperti klasifikasi paragraf tunggal atau terjemahan, model yang lebih kecil dan lebih murah akan lebih hemat biaya. Tencent Hy3 juga merupakan pilihan yang baik ketika Anda membutuhkan harga yang dapat diprediksi dan transparan tanpa biaya tambahan. Jika tugas Anda multimodal, Anda akan memerlukan model yang berbeda yang mendukung gambar atau audio.
Kekuatan utama model ini adalah kemampuannya menangani hingga 262.144 token dalam satu perintah, yang merupakan salah satu jendela konteks terbesar yang tersedia. Ini menghilangkan kebutuhan akan strategi pemotongan yang rumit untuk banyak dokumen panjang. Model ini mendapat skor 84,2 pada BrowseComp, yang menunjukkan kinerja yang kuat pada tugas-tugas yang melibatkan penelusuran dan ekstraksi informasi dari rangkaian teks yang panjang. Model ini kemungkinan besar akan mempertahankan akurasi dan koherensi pada input yang sangat panjang, meskipun tolok ukur kinerja yang tepat untuk tugas-tugas lain tidak disediakan. Kekuatannya paling baik direalisasikan dalam skenario di mana keseluruhan dokumen harus dipertimbangkan sekaligus.
BrowseComp adalah tolok ukur yang dirancang untuk mengevaluasi kemampuan suatu model dalam menjelajah dan memahami sejumlah besar teks, mensimulasikan tugas seperti mencari informasi spesifik di berbagai dokumen atau bagian yang panjang. Skor 84.2 menunjukkan performa yang kuat dalam jenis tugas ini. Meskipun metrik yang tepat tidak dirinci, hal ini menunjukkan bahwa Tencent Hy3 efektif dalam mengambil dan mensintesis informasi dari konteks yang panjang. Sebagai perbandingan, skor di atas 80 umumnya dianggap sangat baik. Tolok ukur ini sangat relevan untuk aplikasi seperti asisten riset dan analisis dokumen.
Angka latensi spesifik untuk Tencent Hy3 tidak disediakan. Sebagai model besar dengan jendela konteks 262k, waktu inferensi akan tergantung pada panjang token input dan output, perangkat keras, dan beban saat ini. Pada umumnya, input yang lebih panjang meningkatkan waktu pemrosesan. Pengguna harus memperkirakan latensi yang lebih tinggi dibandingkan model yang lebih kecil untuk dokumen yang sangat panjang. API OrcaRouter mungkin menawarkan endpoint yang berbeda dengan kecepatan yang bervariasi. Untuk aplikasi real-time, disarankan untuk menguji dengan input yang representatif. Trade-off kecepatan-akurasi model ini tipikal untuk ukurannya.
Satu-satunya tolok ukur yang disediakan adalah BrowseComp, di mana ia mendapat skor 84.2, menunjukkan kemampuan browsing dan pemahaman konteks panjang yang kuat. Kelebihan mungkin termasuk pengambilan informasi akurat dari teks panjang dan mempertahankan konteks dalam banyak token. Kelemahan tidak diberikan secara eksplisit, tetapi sebagai model teks saja, ia tidak memiliki kemampuan multimodal. Skor tolok ukur lainnya tidak disediakan, sehingga kita tidak dapat membandingkan pada tugas LLM standar seperti penalaran atau matematika. Konteksnya yang besar dapat menyebabkan latensi dan biaya komputasi lebih tinggi dibandingkan model yang lebih kecil. Model ini dirancang untuk tugas-tugas yang intensif teks, bukan obrolan tujuan umum.
Dengan jendela konteks 262.144 token, Tencent Hy3 dibangun untuk memproses urutan panjang dalam satu kali lintasan. Ini berarti bahwa informasi di awal dokumen panjang masih dapat tersedia saat menghasilkan keluaran di akhir, mengurangi kesalahan pengambilan yang umum terjadi dengan pemotongan (chunking). Skor BrowseComp 84.2 menunjukkan bahwa model ini bekerja dengan baik pada tugas-tugas yang memerlukan perhatian terhadap detail yang tersebar di seluruh teks panjang. Menangani urutan yang sangat panjang mungkin masih memerlukan desain prompt yang hati-hati untuk menghindari kelebihan beban pada model, tetapi jendela yang besar menyediakan ruang kepala yang signifikan untuk sebagian besar kasus penggunaan dokumen panjang yang praktis.
Melalui OrcaRouter, penagihan bersifat transparan dan hanya berdasarkan penggunaan token. Anda membayar $0.18 per satu juta token yang dikirim ke model (input) dan $0.59 per satu juta token yang dihasilkan oleh model (output). Tarif ini persis sama dengan yang dikenakan oleh penyedia, tanpa markup tambahan dari OrcaRouter. Jumlah token dihitung oleh tokenizer Tencent. Tidak ada biaya berlangganan atau persyaratan penggunaan minimum. Biaya akan muncul di faktur OrcaRouter Anda. Struktur sederhana ini memungkinkan Anda memprediksi biaya untuk tugas dengan panjang yang diketahui.
Untuk tugas dengan konteks panjang, harga Tencent Hy3 kompetitif untuk ukuran jendela konteks. Banyak model dengan jendela konteks serupa memiliki biaya per-token yang lebih tinggi. Namun, jika tugas Anda hanya memerlukan konteks kecil, model yang lebih murah akan lebih ekonomis. Kebijakan tanpa markup berarti Anda tidak membayar ekstra untuk platform. Biaya per juta token tetap, sehingga memproses input 262k token membutuhkan biaya sekitar $0.047 untuk input (karena 262k adalah 0.262M, biaya input 0.262 * 0.18 = $0.047). Token output ditambahkan secara proporsional. Ini membuatnya terjangkau untuk banyak aplikasi.
Tidak ada diskon khusus atau mekanisme caching yang disebutkan untuk Tencent Hy3 melalui OrcaRouter. Harga didasarkan pada per-permintaan berdasarkan jumlah token, tanpa adanya diskon volume yang diumumkan. Caching untuk prompt atau respons tidak dijelaskan; setiap permintaan kemungkinan diproses secara independen. Pengguna harus menganggap tidak ada optimasi harga khusus di luar tarif dasar. Untuk penggunaan volume tinggi, ada baiknya menghubungi OrcaRouter untuk kemungkinan pengaturan khusus, tetapi tidak ada jaminan. Tarif yang diiklankan sebesar $0.18/$0.59 per juta token adalah tarif publik standar.
Untuk memanggil Tencent Hy3, atur base URL ke https://api.orcarouter.ai/v1 dan gunakan pengenal model "tencent/hy3". API ini sepenuhnya kompatibel dengan OpenAI, sehingga Anda dapat menggunakan klien Python OpenAI atau klien HTTP apa pun yang mendukung titik akhir Chat Completions. Misalnya, dengan pustaka Python OpenAI, atur openai.api_base = "https://api.orcarouter.ai/v1" dan sertakan kunci API Anda. Kemudian buat chat completion menggunakan model="tencent/hy3". Format permintaannya identik dengan OpenAI, dengan array messages, temperature, max_tokens, dll. Tidak ada parameter khusus yang diperlukan selain nama model.
API mendukung semua parameter standar dari endpoint OpenAI Chat Completions. Parameter tersebut mencakup 'messages' (wajib), 'temperature' (0–2, default 0,7), 'max_tokens' (batas panjang output), 'top_p', 'frequency_penalty', 'presence_penalty', 'stop', dan 'stream' untuk output token per token. Anda juga dapat mengatur 'seed' untuk sampling deterministik jika diinginkan. API akan mematuhi batas konteks 262.144 token; prompt yang melebihi batas tersebut akan dipotong atau ditolak. Tidak ada parameter 'multimodal' khusus karena model hanya teks. Format respons mengikuti struktur OpenAI.
Ya, migrasi dari LLM teks lain ke Tencent Hy3 melalui OrcaRouter mudah dilakukan karena API-nya kompatibel dengan OpenAI. Anda hanya perlu mengganti identifier model dari model sebelumnya (misalnya, "some-other-model") menjadi "tencent/hy3" dan memperbarui base URL menjadi https://api.orcarouter.ai/v1. Skema permintaan dan respons identik. Anda mungkin perlu menyesuaikan format prompt jika model sebelumnya memiliki perilaku yang berbeda, tetapi biasanya tidak diperlukan perubahan kode selain nama model. Disarankan untuk menguji dengan input yang representatif untuk memastikan kualitas keluaran.
Otentikasi menggunakan kunci API yang disediakan oleh OrcaRouter. Anda harus menyertakan kunci ini di header Authorization sebagai "Bearer YOUR_API_KEY" saat membuat permintaan. Kunci API harus dijaga kerahasiaannya dan tidak dibagikan. OrcaRouter mungkin menawarkan tingkatan kunci yang berbeda dengan batas permintaan yang bervariasi. Untuk klien Python OpenAI, atur openai.api_key = "your-key". Tidak diperlukan otentikasi lainnya. Pastikan Anda menggunakan base URL yang benar (https://api.orcarouter.ai/v1) dan kunci memiliki izin untuk mengakses model "tencent/hy3".
Dibandingkan dengan model dengan jendela konteks yang lebih kecil (misalnya, 4k, 8k, 32k), Tencent Hy3 menawarkan kapasitas yang jauh lebih besar yaitu 262k token, memungkinkannya memproses seluruh dokumen tanpa perlu dipotong-potong. Hal ini dapat menghasilkan akurasi yang lebih tinggi pada tugas-tugas yang memerlukan konteks global. Namun, model yang lebih kecil biasanya lebih murah per token, memiliki latensi yang lebih rendah, dan mungkin lebih efisien untuk input pendek. Misalnya, model dengan konteks 4k dengan harga lebih rendah mungkin lebih baik untuk pertanyaan sederhana. Biaya Tencent Hy3 per juta token relatif rendah untuk ukuran konteksnya, menjadikannya pilihan yang baik untuk tugas-tugas dengan konteks panjang.
Tencent Hy3 hanya teks, sehingga tidak dapat memproses gambar, audio, atau video. Model multimodal seperti OpenAI’s GPT-4o dapat menerima input tersebut tetapi mungkin memiliki jendela konteks teks yang lebih kecil atau biaya lebih tinggi. Untuk tugas yang berat teks, Tencent Hy3 mungkin lebih hemat biaya. Jika kasus penggunaan Anda memerlukan pemahaman konten visual, Anda akan memerlukan model multimodal. Perbandingan tergantung pada apakah modalitas tambahan tersebut membenarkan trade-off. Jendela konteks besar Tencent Hy3 merupakan keunggulan tersendiri untuk tugas-tugas tekstual murni yang melibatkan dokumen panjang.
Tencent Hy3 menonjol dalam katalog OrcaRouter karena kombinasi jendela konteks yang sangat besar (262k token) dan harga yang kompetitif ($0,18/$0,59 per juta token). Ini adalah salah satu dari sedikit model yang menawarkan konteks sebesar itu dengan biaya token output di bawah $1. Model ini hanya berupa teks, sehingga fokus kegunaannya pada analisis dan pembuatan dokumen. Harga pass-through tanpa markup memastikan tidak ada biaya tersembunyi. Hal ini menjadikannya pilihan menarik bagi pengembang dan bisnis yang perlu memproses teks panjang tanpa mengeluarkan biaya besar, terutama dibandingkan dengan model konteks besar lainnya yang mungkin memiliki biaya per token lebih tinggi.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| Input / 1M token | $0.180 |
| Output / 1M token | $0.590 |
| Baca cache / 1M | $0.059 |
| Mata uang | USD |
Perkiraan berdasarkan harga daftar
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
GET /api/public/models/tencent/hy3Buka @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