Hy3는 Tencent Hunyuan의 프로덕션 등급 Mixture-of-Experts 모델입니다 — 패스당 21B만 활성화되는 총 295B 파라미터(192개 전문가, 상위 8개 라우팅)로, Hy3-preview 라인을 기반으로 업그레이드된 릴리스입니다. RL-training 규모와 사후 훈련 데이터 품질을 확장하여 추론, 긴 맥락, 에이전트 작업에서 추가적인 개선을 이루었으며, 파라미터 크기가 몇 배 더 큰 플래그십 모델과 견줄 만한 결과에 도달했습니다. 256K-토큰 컨텍스트 윈도우(텍스트 입력, 텍스트 출력)를 제공하고 구성 가능한 추론 노력을 지원하며, 실제 코딩, 도구 사용, 다단계 에이전트 워크플로우를 위해 우수한 품질 대비 비용 비율로 설계되었습니다.
Tencent Hy3는 Tencent가 개발한 텍스트 전용 대규모 언어 모델입니다. 262,144개의 토큰으로 구성된 컨텍스트 윈도우를 통해 매우 긴 문서나 광범위한 대화를 처리하고 생성하도록 설계되었습니다. 이 모델은 브라우징 및 긴 컨텍스트 이해를 평가하는 BrowseComp 벤치마크에서 84.2점을 기록했습니다. OrcaRouter의 OpenAI…
Tencent Hy3는 대량의 텍스트를 단일 맥락에서 처리하는 모든 작업에 탁월합니다. 여기에는 전체 책 요약, 긴 보고서에서 정보 추출, 법적 계약서의 종단 간 분석, 대규모 소프트웨어 코드베이스의 버그 또는 개선 사항 검토가 포함됩니다. 또한 상세한 기사 작성이나 긴 대화 기록을 포함한 다중 턴 대화와 같은 장문 생성 작업에서 일관성을 유지하는 데 강점을 보입니다. BrowseComp 점수는 문서 컬렉션 탐색과 유사하게 대량의 텍스트 정보를 탐색하고 이해해야 하는 작업에 특히 적합함을 시사합니다.
작업에 큰 컨텍스트 윈도우가 필요하여 작은 모델이 청킹 없이 처리할 수 없을 때 Tencent Hy3를 선택해야 합니다. 예를 들어, 200페이지 문서를 한 번에 분석해야 하거나 수백 번의 대화 컨텍스트를 유지해야 하는 경우입니다. 단일 단락 분류나 번역 같은 간단한 작업에는 더 작고 저렴한 모델이 비용 효율적입니다. 또한 예측 가능하고 투명한 가격 체계가 필요할 때 Tencent Hy3는 좋은 선택입니다. 작업이 멀티모달인 경우 이미지나 오디오를 지원하는 다른 모델이 필요할 것입니다.
모델의 주요 강점은 단일 프롬프트에서 최대 262,144개의 토큰을 처리할 수 있는 능력으로, 이는 가장 큰 컨텍스트 윈도우 중 하나입니다. 이는 많은 긴 문서에 대해 복잡한 청킹 전략의 필요성을 제거합니다. BrowseComp에서 84.2점을 기록하여 긴 텍스트 시퀀스에서 정보를 탐색하고 추출하는 작업에서 강력한 성능을 나타냅니다. 이 모델은 매우 긴 입력에서 정확성과 일관성을 유지할 가능성이 있지만, 다른 작업에 대한 정확한 성능 벤치마크는 제공되지 않습니다. 이 모델의 강점은 전체 문서를 한 번에 고려해야 하는 시나리오에서 가장 잘 발휘됩니다.
BrowseComp은 모델이 대량의 텍스트를 탐색하고 이해하는 능력을 평가하기 위해 설계된 벤치마크로, 여러 문서나 긴 구절에서 특정 정보를 검색하는 작업을 시뮬레이션합니다. 84.2점은 이러한 유형의 작업에서 강력한 성능을 나타냅니다. 정확한 지표는 상세히 설명되지 않았지만, 이는 Tencent Hy3가 긴 컨텍스트에서 정보를 검색하고 종합하는 데 효과적임을 시사합니다. 비교하자면, 80점 이상은 일반적으로 매우 우수한 것으로 간주됩니다. 이 벤치마크는 연구 어시스턴트 및 문서 분석과 같은 애플리케이션에 특히 적합합니다.
Tencent Hy3의 구체적인 지연 시간 수치는 제공되지 않습니다. 262k 컨텍스트 윈도우를 가진 대형 모델로서, 추론 시간은 입력 및 출력 토큰 길이, 하드웨어, 현재 부하에 따라 달라집니다. 일반적으로 입력이 길수록 처리 시간이 증가합니다. 사용자는 매우 긴 문서의 경우 소형 모델에 비해 더 높은 지연 시간을 예상해야 합니다. OrcaRouter의 API는 속도가 다른 다양한 엔드포인트를 제공할 수 있습니다. 실시간 애플리케이션의 경우 대표적인 입력으로 테스트하는 것이 좋습니다. 모델의 속도-정확도 트레이드오프는 그 크기에 전형적입니다.
제공된 유일한 벤치마크는 BrowseComp로, 여기서 84.2점을 기록하였으며, 이는 강력한 장문 탐색 및 이해 능력을 나타냅니다. 강점으로는 긴 텍스트에서 정확한 정보 검색과 많은 토큰에 걸친 맥락 유지가 포함될 가능성이 높습니다. 약점은 명시적으로 제공되지 않았으나, 텍스트 전용 모델로서 다중 모드 기능이 부족합니다. 다른 벤치마크 점수는 제공되지 않으므로 추론이나 수학과 같은 표준 LLM 작업에서 비교할 수 없습니다. 큰 컨텍스트는 소형 모델에 비해 더 높은 지연 시간과 계산 비용을 초래할 수 있습니다. 이 모델은 범용 채팅보다는 텍스트 집약적 작업을 위해 설계되었습니다.
262,144개의 토큰으로 구성된 컨텍스트 윈도우를 갖춘 Tencent Hy3는 긴 시퀀스를 한 번에 처리하도록 설계되었습니다. 즉, 긴 문서의 시작 부분에 있는 정보도 출력을 생성할 때 끝부분에서 여전히 사용 가능하여, 청킹에서 흔히 발생하는 검색 오류를 줄여줍니다. 84.2의 BrowseComp 점수는 이 모델이 긴 텍스트에 걸쳐 분산된 세부 사항에 주의를 기울여야 하는 작업에서 우수한 성능을 발휘함을 시사합니다. 매우 긴 시퀀스를 처리하려면 모델에 과부하가 걸리지 않도록 신중한 프롬프트 설계가 여전히 필요할 수 있지만, 큰 윈도우는 대부분의 실용적인 긴 문서 사용 사례에 충분한 여유를 제공합니다.
OrcaRouter를 통해 청구는 투명하며 오직 토큰 사용량에 따라 이루어집니다. 모델로 전송되는 입력 토큰 1백만 개당 $0.18, 모델이 생성하는 출력 토큰 1백만 개당 $0.59를 지불합니다. 이 요금은 공급업체가 청구하는 그대로이며, OrcaRouter가 추가 인상하지 않습니다. 토큰 수는 Tencent의 토크나이저가 계산합니다. 구독료나 최소 사용 요건은 없습니다. 요금은 OrcaRouter 청구서에 표시됩니다. 이 간단한 구조 덕분에 알려진 길이의 작업에 대한 비용을 예측할 수 있습니다.
장문 맥락 작업의 경우, Tencent Hy3의 가격은 컨텍스트 윈도우 크기 대비 경쟁력이 있습니다. 유사한 컨텍스트 윈도우를 가진 많은 모델들은 토큰당 비용이 더 높습니다. 하지만 작업에 작은 컨텍스트만 필요하다면, 더 저렴한 모델이 경제적일 수 있습니다. 제로 마크업 정책은 플랫폼에 대해 추가 비용을 지불하지 않음을 의미합니다. 백만 토큰당 비용이 고정되어 있으므로, 262k 토큰 입력을 처리하는 데는 입력 비용으로 약 $0.047이 듭니다 (262k는 0.262M이므로, 입력 비용 0.262 * 0.18 = $0.047). 출력 토큰도 비례하여 비용이 추가됩니다. 이는 많은 애플리케이션에서 경제적으로 사용할 수 있게 해줍니다.
Tencent Hy3에 대해 OrcaRouter를 통한 특별 할인이나 캐싱 메커니즘은 언급되지 않습니다. 가격은 토큰 수에 기반한 요청당 과금이며, 볼륨 할인은 공지되지 않았습니다. 프롬프트나 응답의 캐싱은 설명되지 않으며, 각 요청은 독립적으로 처리될 가능성이 높습니다. 사용자는 기본 요금 외에 특별한 가격 최적화가 없다고 가정해야 합니다. 대량 사용의 경우 OrcaRouter에 맞춤형 계약 가능성을 문의할 가치가 있을 수 있으나, 보장되지는 않습니다. 광고된 백만 토큰당 $0.18/$0.59는 표준 공개 요금입니다.
Tencent Hy3를 호출하려면 기본 URL을 https://api.orcarouter.ai/v1로 설정하고 모델 식별자로 "tencent/hy3"를 사용하세요. API는 완전히 OpenAI와 호환되므로 OpenAI Python 클라이언트 또는 Chat Completions 엔드포인트를 지원하는 모든 HTTP 클라이언트를 사용할 수 있습니다. 예를 들어 OpenAI Python 라이브러리를 사용할 경우 openai.api_base = "https://api.orcarouter.ai/v1"로 설정하고 API 키를 포함한 후 model="tencent/hy3"를 사용하여 채팅 완성을 생성합니다. 요청 형식은 OpenAI와 동일하며 messages 배열, temperature, max_tokens 등을 포함합니다. 모델 이름 외에 특별한 매개변수는 필요하지 않습니다.
API는 OpenAI Chat Completions 엔드포인트의 모든 표준 파라미터를 지원합니다. 여기에는 'messages'(필수), 'temperature'(0–2, 기본값 0.7), 'max_tokens'(출력 길이 제한), 'top_p', 'frequency_penalty', 'presence_penalty', 'stop', 그리고 토큰 단위 출력을 위한 'stream'이 포함됩니다. 원한다면 결정론적 샘플링을 위해 'seed'를 설정할 수도 있습니다. API는 262,144 토큰 컨텍스트 제한을 준수하며, 이를 초과하는 프롬프트는 잘리거나 거부됩니다. 모델이 텍스트 전용이므로 특별한 'multimodal' 파라미터는 없습니다. 응답 형식은 OpenAI의 구조를 따릅니다.
네, 다른 텍스트 LLM에서 OrcaRouter를 통해 Tencent Hy3로 마이그레이션하는 것은 OpenAI 호환 API 덕분에 간단합니다. 이전 모델의 모델 식별자(예: "some-other-model")를 "tencent/hy3"로 변경하고 기본 URL을 https://api.orcarouter.ai/v1로 업데이트하기만 하면 됩니다. 요청 및 응답 스키마는 동일합니다. 이전 모델의 동작이 다른 경우 프롬프트 형식을 조정해야 할 수도 있지만, 일반적으로 모델 이름 외에는 코드 변경이 필요하지 않습니다. 대표적인 입력으로 테스트하여 출력 품질을 확인하는 것이 좋습니다.
인증은 OrcaRouter가 제공하는 API 키를 사용합니다. 요청 시 Authorization 헤더에 "Bearer YOUR_API_KEY" 형식으로 이 키를 포함해야 합니다. API 키는 비밀로 유지해야 하며 공유하지 않아야 합니다. OrcaRouter는 다양한 요청 속도 제한이 있는 여러 등급의 키를 제공할 수 있습니다. OpenAI Python 클라이언트의 경우 openai.api_key = "your-key"로 설정하세요. 다른 인증은 필요하지 않습니다. 올바른 기본 URL(https://api.orcarouter.ai/v1)을 사용하고 있는지, 그리고 키에 "tencent/hy3" 모델에 액세스할 수 있는 권한이 있는지 확인하세요.
더 작은 컨텍스트 창(예: 4k, 8k, 32k)을 가진 모델과 비교했을 때, Tencent Hy3는 262k 토큰이라는 훨씬 더 큰 용량을 제공하여 문서를 청킹 없이 전체적으로 처리할 수 있습니다. 이는 전역 컨텍스트가 필요한 작업에서 더 높은 정확도를 이끌어낼 수 있습니다. 하지만 더 작은 모델은 일반적으로 토큰당 비용이 저렴하고 지연 시간이 낮으며 짧은 입력에 더 효율적일 수 있습니다. 예를 들어, 더 낮은 가격의 4k 컨텍스트를 가진 모델은 간단한 질의에 더 적합할 수 있습니다. Tencent Hy3의 백만 토큰당 비용은 컨텍스트 크기에 비해 상대적으로 낮아 긴 컨텍스트 작업에 좋은 선택입니다.
Tencent Hy3는 텍스트 전용이므로 이미지, 오디오 또는 동영상을 처리할 수 없습니다. OpenAI의 GPT-4o와 같은 멀티모달 모델은 이러한 입력을 받아들일 수 있지만 텍스트 컨텍스트 창이 더 작거나 비용이 더 높을 수 있습니다. 텍스트 중심 작업의 경우 Tencent Hy3가 더 비용 효율적일 수 있습니다. 사용 사례에 시각적 콘텐츠 이해가 필요한 경우 멀티모달 모델이 필요합니다. 비교는 추가된 모달리티가 그 트레이드오프를 정당화하는지에 따라 달라집니다. Tencent Hy3의 큰 컨텍스트 창은 긴 문서를 다루는 순수 텍스트 작업에서 뚜렷한 이점입니다.
Tencent Hy3는 OrcaRouter의 카탈로그에서 매우 큰 컨텍스트 윈도우(262k 토큰)와 경쟁력 있는 가격(백만 토큰당 $0.18/$0.59)의 조합으로 두드러집니다. 이는 출력 토큰당 $1 미만의 비용으로 이렇게 큰 컨텍스트를 제공하는 몇 안 되는 모델 중 하나입니다. 이 모델은 텍스트 전용이므로 문서 분석 및 생성에 유용성이 집중됩니다. 마크업이 없는 통과 가격 책정 방식은 예상치 못한 비용이 없음을 보장합니다. 이는 특히 토큰당 비용이 더 높을 수 있는 다른 대형 컨텍스트 모델과 비교할 때, 비용 부담 없이 긴 텍스트를 처리해야 하는 개발자와 기업에게 매력적인 옵션입니다.
OpenAI 호환 — 쓰던 SDK 그대로
https://api.orcarouter.ai/v1import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key=os.environ["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| 입력 / 1M tokens | $0.180 |
|---|---|
| 출력 / 1M tokens | $0.590 |
| 캐시 읽기 / 1M | $0.059 |
| 통화 | USD |
정가 기준 추정치
추정치일 뿐입니다 — 실제 토큰 수는 제공자의 토크나이저에 따라 달라집니다.
이번 주 개발자들의 이야기
@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