Hy3はTencent HunyuanのプロダクショングレードのMixture-of-Expertsモデルです。総パラメータ数295B、パスあたりアクティブなのはわずか21B（192エキスパート、トップ8ルーティング）で、Hy3-previewラインに基づくアップグレード版リリースです。推論、長文脈、エージェントタスクでのさらなる向上のために、RLトレーニングの規模とポストトレーニングデータの品質を拡大しており、パラメータサイズが数倍あるフラッグシップモデルに匹敵する結果を達成しています。256Kトークンのコンテキストウィンドウ（テキスト入力、テキスト出力）を提供し、推論の努力量を設定可能で、実世界のコーディング、ツール使用、マルチステップのエージェントワークフロー向けに、強力な品質対コスト比で構築されています。
Tencent Hy3は、Tencentが開発したテキスト専用の大規模言語モデルです。262,144トークンのコンテキストウィンドウを持ち、非常に長いドキュメントや広範な会話を処理・生成することができます。このモデルは、ブラウジングと長文理解を評価するBrowseCompベンチマークで84.2点を記録しました。OrcaRouterのOpenAI互換APIを通じて、モデルID「tencent/hy3…
Tencent Hy3は、大量のテキストを単一コンテキストで処理するあらゆるタスクに優れています。これには、書籍全体の要約、長文レポートからの情報抽出、法務契約のエンドツーエンド分析、大規模ソフトウェアコードベースのバグや改善点のレビューが含まれます。また、詳細な記事の作成や長い履歴を持つマルチターン対話など、長文生成タスクで一貫性を維持する能力にも優れています。そのBrowseCompスコアは、文書コレクションを閲覧するように、大量のテキスト情報をナビゲートして理解する必要があるタスクに特に適していることを示しています。
タスクが小規模モデルではチャンクなしで対応できない大きなコンテキストウィンドウを必要とする場合、Tencent Hy3を選択すべきです。例えば、200ページの文書を一度に分析する必要がある場合や、数百回にわたる会話のコンテキストを維持する必要がある場合です。単一パラグラフの分類や翻訳のような単純なタスクでは、より小型で安価なモデルの方がコスト効率が高くなります。Tencent Hy3は、オーバーヘッドのない予測可能で透明な料金体系が必要な場合にも適した選択肢です。タスクがマルチモーダルな場合は、画像や音声をサポートする別のモデルが必要になります。
このモデルの主な強みは、1回のプロンプトで最大262,144トークンを処理できる点にあり、これは利用可能なコンテキストウィンドウの中でも最大級のものです。これにより、多くの長文書に対して複雑なチャンク分割戦略が不要となります。BrowseCompでは84.2というスコアを記録し、長いテキストシーケンスを閲覧・情報抽出するタスクにおいて堅牢な性能を示しています。このモデルは非常に長い入力に対しても精度と一貫性を維持する可能性が高いですが、他のタスクにおける正確な性能ベンチマークは提供されていません。その強みは、文書全体を一度に考慮する必要があるシナリオで最も発揮されます。
BrowseCompは、モデルが大量のテキストを閲覧・理解する能力を評価するためのベンチマークであり、複数のドキュメントや長いセクションにわたって特定の情報を検索するなどのタスクをシミュレートします。84.2というスコアは、これらのタスクでの強力なパフォーマンスを示しています。正確な指標は詳細に説明されていませんが、これはTencent Hy3が長いコンテキストから情報を取得し統合するのに効果的であることを示唆しています。比較として、80を超えるスコアは一般的に非常に良いと見なされます。このベンチマークは、リサーチアシスタントやドキュメント分析のようなアプリケーションに特に関連性があります。
Tencent Hy3の具体的なレイテンシ数値は提供されていません。262kのコンテキストウィンドウを持つ大規模モデルとして、推論時間は入力および出力トークン長、ハードウェア、現在の負荷に依存します。一般に、入力が長くなると処理時間が増加します。ユーザーは非常に長いドキュメントの場合、小規模モデルと比較してレイテンシが高くなることを想定する必要があります。OrcaRouterのAPIは、異なる速度のエンドポイントを提供する可能性があります。リアルタイムアプリケーションでは、代表的な入力を使用してテストすることを推奨します。このモデルの速度と精度のトレードオフは、そのサイズとしては標準的です。
唯一提供されているベンチマークはBrowseCompで、スコアは84.2であり、強力な長文コンテキストでのブラウジングと理解力を示しています。強みとしては、長文からの正確な情報検索や、多くのトークンにわたってコンテキストを維持することが挙げられます。弱点は明示的に示されていませんが、テキストのみのモデルであるため、マルチモーダル機能を欠いています。他のベンチマークスコアは提供されていないため、推論や数学などの標準的なLLMタスクで比較することはできません。その大きなコンテキストは、小規模モデルと比較して高いレイテンシと計算コストをもたらす可能性があります。このモデルは、汎用的なチャットではなく、テキスト集中型タスク向けに設計されています。
262,144トークンのコンテキストウィンドウを備えたTencent Hy3は、長いシーケンスを一度に処理するように設計されています。これは、長い文書の先頭にある情報が最後に出力を生成する際にも利用可能であることを意味し、チャンキングにありがちな検索エラーを低減します。84.2のBrowseCompスコアは、長いテキスト全体に散在する詳細に注意を払う必要があるタスクにおいて、このモデルが優れた性能を発揮することを示唆しています。非常に長いシーケンスを扱う場合には、モデルに過負荷をかけないように注意深いプロンプト設計が必要となるかもしれませんが、大きなウィンドウにより、ほとんどの実用的な長文書ユースケースに対して十分な余裕が提供されます。
OrcaRouter を通じて、課金は透明であり、トークン使用量のみに基づいています。モデルに送信されるトークン (入力) 100万トークンあたり $0.18、モデルが生成するトークン (出力) 100万トークンあたり $0.59 をお支払いいただきます。これらの料金はプロバイダーが請求するそのままの金額であり、OrcaRouter によるマークアップは一切ありません。トークン数は Tencent のトークナイザーによって計算されます。サブスクリプション料金や最低使用量の要件はありません。請求額は OrcaRouter の請求書に表示されます。このシンプルな構造により、既知の長さのタスクのコストを予測できます。
長文コンテキストタスクにおいて、Tencent Hy3の価格設定はコンテキストウィンドウサイズに対して競争力があります。同様のコンテキストウィンドウを持つ多くのモデルはトークンあたりのコストが高くなります。ただし、タスクが小さなコンテキストしか必要としない場合、より安価なモデルの方が経済的です。ゼロマークアップポリシーのおかげで、プラットフォームに対して余分に支払うことはありません。百万トークンあたりのコストは固定されているため、262kトークンの入力を処理する場合、入力コストは約$0.047となります（262kは0.262M、入力コスト0.262 * 0.18 = $0.047）。出力トークンも比例してコストが加算されます。これにより、多くのアプリケーションにとって手頃な価格になっています。
Tencent Hy3 に関する特別割引やキャッシュ機構については、OrcaRouterを通じて特に言及されていません。料金はトークン数に基づくリクエストごとの課金であり、ボリュームディスカウントは発表されていません。プロンプトや応答のキャッシュは説明されておらず、各リクエストは独立して処理される可能性が高いです。ユーザーは基本料金以外の特別な料金最適化は想定すべきではありません。高頻度利用の場合は、カスタム契約の可能性についてOrcaRouterに問い合わせる価値はありますが、保証はありません。宣伝されている$0.18/$0.59 per million tokensは標準の公開料金です。
Tencent Hy3を呼び出すには、ベースURLをhttps://api.orcarouter.ai/v1に設定し、モデル識別子として"tencent/hy3"を使用してください。このAPIは完全にOpenAI互換であるため、OpenAI PythonクライアントやChat Completionsエンドポイントをサポートする任意のHTTPクライアントを使用できます。例えば、OpenAI Pythonライブラリを使用する場合は、openai.api_base = "https://api.orcarouter.ai/v1"と設定し、APIキーを含めてください。その後、model="tencent/hy3"を使用してchat completionを作成します。リクエスト形式はOpenAIと同一で、messages配列、temperature、max_tokensなどが含まれます。モデル名以外に特別なパラメーターは必要ありません。
APIはOpenAI Chat Completionsエンドポイントの標準パラメータをすべてサポートしています。これには'messages'（必須）、'temperature'（0–2、デフォルト0.7）、'max_tokens'（出力長の制限）、'top_p'、'frequency_penalty'、'presence_penalty'、'stop'、およびトークン単位の出力用の'stream'が含まれます。必要に応じて、決定論的サンプリングのために'seed'を設定することもできます。APIは262,144トークンのコンテキスト制限を尊重します。これを超えるプロンプトは切り詰められるか拒否されます。モデルはテキストのみのため、特別な'multimodal'パラメータはありません。レスポンス形式はOpenAIの構造に従います。
はい、別のテキストLLMからOrcaRouter経由でTencent Hy3への移行は、OpenAI互換APIのおかげで簡単です。以前のモデル（例："some-other-model"）からモデル識別子を"tencent/hy3"に変更し、ベースURLをhttps://api.orcarouter.ai/v1に更新するだけで済みます。リクエストとレスポンスのスキーマは同一です。以前のモデルで動作が異なる場合はプロンプトのフォーマット調整が必要になることがありますが、通常はモデル名以外のコード変更は不要です。代表的な入力でテストし、出力品質を確認することをお勧めします。
認証にはOrcaRouterが提供するAPIキーを使用します。リクエストを行う際には、このキーをAuthorizationヘッダーに"Bearer YOUR_API_KEY"として含める必要があります。APIキーは秘密に保ち、共有しないでください。OrcaRouterは、レート制限が異なる複数のティアのキーを提供する場合があります。OpenAI Pythonクライアントの場合は、openai.api_key = "your-key" を設定してください。他の認証は必要ありません。正しいベースURL (https://api.orcarouter.ai/v1) を使用し、キーが"tencent/hy3"モデルにアクセスする権限を持っていることを確認してください。
より小さいコンテキストウィンドウ（例：4k、8k、32k）を持つモデルと比較して、Tencent Hy3は262kトークンというはるかに大きな容量を提供し、文書全体を分割せずに処理できます。これにより、グローバルコンテキストを必要とするタスクで高い精度を達成できます。しかし、小さいモデルは通常、トークンあたりのコストが低く、レイテンシが低く、短い入力に対してはより効率的かもしれません。例えば、より低価格の4kコンテキストのモデルは、単純なクエリに適している場合があります。Tencent Hy3の100万トークンあたりのコストは、そのコンテキストサイズに対して比較的低く、長いコンテキストのタスクに適した選択肢です。
Tencent Hy3はテキストのみ対応のため、画像、音声、動画を処理できません。OpenAIのGPT-4oのようなマルチモーダルモデルはこれらの入力を扱えますが、テキストコンテキストウィンドウが狭いか、コストが高くなる可能性があります。テキスト主体のタスクでは、Tencent Hy3の方がコスト効率に優れる場合があります。視覚コンテンツの理解が必要なユースケースでは、マルチモーダルモデルが必要になります。比較は、追加されたモダリティがトレードオフを正当化するかどうかに依存します。Tencent Hy3の大きなコンテキストウィンドウは、長文書を扱う純粋なテキストタスクにおいて明確な利点です。
Tencent Hy3は、OrcaRouterのカタログにおいて、非常に大きなコンテキストウィンドウ（262kトークン）と競争力のある価格設定（100万トークンあたり$0.18/$0.59）の組み合わせで際立っています。これは、出力トークンコストが1ドル未満でこれほど大きなコンテキストを提供する数少ないモデルの一つです。このモデルはテキストのみであり、その有用性は文書分析と生成に焦点を当てています。ゼロマークアップのパススルー価格設定により、予期せぬ料金は発生しません。これにより、特に1トークンあたりのコストが高い可能性がある他の大コンテキストモデルと比較して、予算を圧迫することなく長いテキストを処理する必要がある開発者や企業にとって魅力的なオプションとなっています。
OpenAI 互換——今お使いの SDK のまま
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| 入力 / 1M tokens | $0.180 |
| 出力 / 1M tokens | $0.590 |
| キャッシュ読み取り / 1M | $0.059 |
| 通貨 | USD |
表示価格に基づく概算
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
@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