Hy3 to produkcyjny model Mixture-of-Experts firmy Tencent Hunyuan — łącznie 295B parametrów, z czego tylko 21B aktywnych na jeden przebieg (192 ekspertów, routing top-8), będący ulepszoną wersją opartą na linii Hy3-preview. Zwiększa skalę trenowania RL oraz jakość danych potreningowych, co przekłada się na dalsze zyski w zakresie rozumowania, długiego kontekstu i zadań agencyjnych, osiągając wyniki porównywalne z flagowymi modelami kilkukrotnie większymi pod względem liczby parametrów. Obsługuje okno kontekstowe o długości 256 tys. tokenów (tekst wejściowy, tekst wyjściowy) z konfigurowalnym poziomem wysiłku wnioskowania i jest zaprojektowany do rzeczywistego kodowania, korzystania z narzędzi oraz wieloetapowych przepływów pracy agenta przy korzystnym stosunku jakości do kosztów.
Tencent Hy3 to model językowy dużej skali oparty wyłącznie na tekście, opracowany przez firmę Tencent. Jest zaprojektowany do przetwarzania i generowania tekstu z oknem kontekstowym wynoszącym 262…
Tencent Hy3 doskonale radzi sobie z każdym zadaniem wymagającym przetwarzania dużych ilości tekstu w pojedynczym kontekście. Obejmuje to streszczanie całych książek, wyodrębnianie informacji z długich raportów, kompleksową analizę umów prawnych oraz przeglądanie dużych fragmentów kodu źródłowego w celu znalezienia błędów lub usprawnień. Jest również skuteczny w utrzymaniu spójności podczas generowania długich form, takich jak pisanie szczegółowych artykułów czy wieloetapowych rozmów z rozległą historią. Jego wynik BrowseComp sugeruje, że jest szczególnie dobry w zadaniach wymagających nawigacji i zrozumienia dużych ilości informacji tekstowych, podobnie jak przeglądanie zbioru dokumentów.
Powinieneś wybrać Tencent Hy3, gdy twoje zadanie wymaga dużego okna kontekstowego, którego mniejsze modele nie są w stanie obsłużyć bez dzielenia na części. Na przykład, jeśli musisz przeanalizować 200-stronicowy dokument za jednym razem lub utrzymać kontekst rozmowy przez setki tur. W przypadku prostszych zadań, takich jak klasyfikacja pojedynczego akapitu czy tłumaczenie, mniejszy i tańszy model będzie bardziej opłacalny. Tencent Hy3 jest również dobrym wyborem, gdy potrzebujesz przewidywalnych, przejrzystych cen bez ukrytych kosztów. Jeśli twoje zadanie jest multimodalne, będziesz potrzebować innego modelu obsługującego obrazy lub dźwięk.
Podstawową zaletą modelu jest zdolność do obsługi nawet 262 144 tokenów w pojedynczym promptcie, co stanowi jeden z największych dostępnych kontekstów. Eliminuje to potrzebę stosowania skomplikowanych strategii fragmentacji w przypadku wielu długich dokumentów. Uzyskał on wynik 84,2 w teście BrowseComp, co wskazuje na solidną wydajność w zadaniach związanych z przeglądaniem i wydobywaniem informacji z długich sekwencji tekstu. Model prawdopodobnie zachowuje dokładność i spójność w przypadku bardzo długich wejść, chociaż dokładne wskaźniki wydajności dla innych zadań nie zostały podane. Jego mocne strony są najlepiej widoczne w scenariuszach, w których cały dokument musi być rozpatrywany jednocześnie.
BrowseComp to benchmark zaprojektowany w celu oceny zdolności modelu do przeglądania i rozumienia dużych ilości tekstu, symulując zadania takie jak wyszukiwanie konkretnych informacji w wielu dokumentach lub długich sekcjach. Wynik 84.2 wskazuje na silną wydajność w tego typu zadaniach. Chociaż dokładna metryka nie została podana, sugeruje to, że Tencent Hy3 jest skuteczny w wyszukiwaniu i syntezie informacji z długich kontekstów. Dla porównania, wynik powyżej 80 jest ogólnie uważany za bardzo dobry. Ten benchmark jest szczególnie istotny dla aplikacji takich jak asystenci badawczy i analiza dokumentów.
Szczegółowe dane dotyczące opóźnień dla Tencent Hy3 nie są podane. Jako duży model z kontekstem 262 tys., czas wnioskowania będzie zależał od długości tokenów wejściowych i wyjściowych, sprzętu oraz bieżącego obciążenia. Ogólnie rzecz biorąc, dłuższe wejścia zwiększają czas przetwarzania. Użytkownicy powinni spodziewać się wyższego opóźnienia w porównaniu z mniejszymi modelami w przypadku bardzo długich dokumentów. API OrcaRouter może oferować różne punkty końcowe o różnej szybkości. W przypadku aplikacji czasu rzeczywistego zaleca się testowanie z reprezentatywnymi danymi wejściowymi. Kompromis między szybkością a dokładnością modelu jest typowy dla jego rozmiaru.
Jedynym dostarczonym benchmarkiem jest BrowseComp, w którym uzyskał wynik 84,2, co wskazuje na silne możliwości przeglądania i rozumienia długiego kontekstu. Do mocnych stron można zaliczyć dokładne wyszukiwanie informacji z długich tekstów oraz utrzymywanie kontekstu przez wiele tokenów. Słabe strony nie są wyraźnie podane, ale jako model tekstowy brakuje mu możliwości multimodalnych. Inne wyniki benchmarków nie są podane, więc nie możemy porównać go w standardowych zadaniach LLM, takich jak rozumowanie czy matematyka. Jego duży kontekst może wiązać się z wyższym opóźnieniem i kosztem obliczeniowym w porównaniu z mniejszymi modelami. Model jest zaprojektowany do zadań intensywnie tekstowych, a nie do ogólnego czatu.
Dzięki oknu kontekstowemu o rozmiarze 262 144 tokenów, Tencent Hy3 został zaprojektowany do jednorazowego przetwarzania długich sekwencji. Oznacza to, że informacje na początku długiego dokumentu mogą być nadal dostępne podczas generowania danych wyjściowych na jego końcu, co redukuje typowe błędy wyszukiwania związane z dzieleniem na fragmenty. Wynik BrowseComp na poziomie 84,2 sugeruje, że model dobrze radzi sobie z zadaniami wymagającymi uwagi rozproszonej na długim tekście. Obsługa bardzo długich sekwencji może nadal wymagać starannego projektowania promptów, aby nie przeciążyć modelu, ale duże okno zapewnia znaczny zapas dla większości praktycznych przypadków użycia długich dokumentów.
Dzięki OrcaRouter rozliczenia są przejrzyste i oparte wyłącznie na użyciu tokenów. Płacisz $0.18 za milion tokenów wysłanych do modelu (wejście) i $0.59 za milion tokenów wygenerowanych przez model (wyjście). Stawki te są dokładnie tym, co pobiera dostawca, bez żadnej marży dodanej przez OrcaRouter. Liczba tokenów jest obliczana przez tokenizer Tencenta. Nie ma opłat abonamentowych ani minimalnych wymagań dotyczących użycia. Opłaty pojawiają się na fakturze OrcaRouter. Ta prosta struktura pozwala przewidywać koszty zadań o znanej długości.
Dla zadań wymagających długiego kontekstu, ceny Tencent Hy3 są konkurencyjne w stosunku do rozmiaru okna kontekstowego. Wiele modeli z podobnymi oknami kontekstowymi ma wyższe koszty za token. Jeśli jednak Twoje zadanie wymaga tylko małego kontekstu, tańszy model byłby bardziej ekonomiczny. Polityka zerowej marży oznacza, że nie płacisz dodatkowo za platformę. Koszt na milion tokenów jest stały, więc przetworzenie wejścia składającego się z 262 tysięcy tokenów kosztuje około $0,047 za wejście (ponieważ 262k to 0,262M, koszt wejścia 0,262 * 0,18 = $0,047). Tokeny wyjściowe są dodawane proporcjonalnie. To sprawia, że jest to przystępne cenowo dla wielu zastosowań.
W programie OrcaRouter nie wspomniano o żadnych specjalnych zniżkach ani mechanizmach buforowania dla Tencent Hy3. Cennik opiera się na liczbie tokenów na żądanie, bez ogłoszonych rabatów wolumenowych. Buforowanie zapytań ani odpowiedzi nie jest opisane; każde żądanie jest prawdopodobnie przetwarzane niezależnie. Użytkownicy powinni zakładać brak optymalizacji cenowych poza podstawową stawką. W przypadku dużego wolumenu warto skontaktować się z OrcaRouter w sprawie potencjalnych indywidualnych ustaleń, jednak żadne z nich nie są gwarantowane. Reklamowana stawka 0,18 USD/0,59 USD za milion tokenów to standardowa cena publiczna.
Aby wywołać Tencent Hy3, ustaw bazowy URL na https://api.orcarouter.ai/v1 i użyj identyfikatora modelu "tencent/hy3". API jest w pełni zgodne z OpenAI, więc możesz użyć klienta OpenAI Python lub dowolnego klienta HTTP obsługującego endpoint Chat Completions. Na przykład, z biblioteką OpenAI Python, ustaw openai.api_base = "https://api.orcarouter.ai/v1" i podaj swój klucz API. Następnie utwórz uzupełnienie czatu używając model="tencent/hy3". Format żądania jest identyczny jak w OpenAI, z tablicą messages, temperature, max_tokens, itd. Nie są wymagane żadne specjalne parametry poza nazwą modelu.
API obsługuje wszystkie standardowe parametry punktu końcowego OpenAI Chat Completions. Należą do nich 'messages' (wymagane), 'temperature' (0–2, domyślnie 0,7), 'max_tokens' (limit długości wyjścia), 'top_p', 'frequency_penalty', 'presence_penalty', 'stop' oraz 'stream' dla wyjścia token po tokenie. Można również ustawić 'seed' w celu deterministycznego próbkowania, jeśli jest to pożądane. API będzie respektować limit kontekstu 262 144 tokenów; monity przekraczające tę wartość zostaną obcięte lub odrzucone. Nie ma osobnego parametru 'multimodal', ponieważ model jest wyłącznie tekstowy. Format odpowiedzi jest zgodny ze strukturą OpenAI.
Tak, migracja z innego modelu tekstowego LLM do Tencent Hy3 przez OrcaRouter jest prosta dzięki API kompatybilnemu z OpenAI. Wystarczy zmienić identyfikator modelu z poprzedniego (np. "some-other-model") na "tencent/hy3" oraz zaktualizować bazowy URL na https://api.orcarouter.ai/v1. Schematy żądań i odpowiedzi są identyczne. Może być konieczne dostosowanie formatowania promptu, jeśli poprzedni model miał inne zachowanie, ale zazwyczaj nie są wymagane żadne zmiany w kodzie poza nazwą modelu. Zaleca się przetestowanie z reprezentatywnymi danymi wejściowymi, aby potwierdzić jakość wyników.
Uwierzytelnianie odbywa się za pomocą klucza API dostarczonego przez OrcaRouter. Musisz dołączyć ten klucz w nagłówku Authorization jako "Bearer YOUR_API_KEY" podczas wysyłania żądań. Klucz API powinien być utrzymywany w tajemnicy i nieudostępniany. OrcaRouter może oferować różne poziomy kluczy z różnymi limitami zapytań. Dla klienta Python OpenAI ustaw openai.api_key = "your-key". Żadne inne uwierzytelnianie nie jest wymagane. Upewnij się, że używasz poprawnego bazowego adresu URL (https://api.orcarouter.ai/v1) i że klucz ma uprawnienia dostępu do modelu "tencent/hy3".
W porównaniu do modeli z mniejszymi oknami kontekstowymi (np. 4k, 8k, 32k), Tencent Hy3 oferuje znacznie większą pojemność 262k tokenów, co pozwala na przetwarzanie całych dokumentów bez dzielenia ich na fragmenty. Może to prowadzić do wyższej dokładności w zadaniach wymagających globalnego kontekstu. Jednak mniejsze modele są zazwyczaj tańsze za token, mają niższe opóźnienia i mogą być bardziej wydajne w przypadku krótkich danych wejściowych. Na przykład model z kontekstem 4k w niższej cenie może być lepszy do prostych zapytań. Koszt Tencent Hy3 za milion tokenów jest stosunkowo niski w porównaniu do jego rozmiaru kontekstu, co czyni go dobrym wyborem do zadań wymagających długiego kontekstu.
Tencent Hy3 jest modelem wyłącznie tekstowym, więc nie może przetwarzać obrazów, dźwięku ani wideo. Modele multimodalne, takie jak GPT-4o od OpenAI, mogą przyjmować takie dane wejściowe, ale mogą mieć mniejsze konteksty tekstowe lub wyższe koszty. W przypadku zadań wymagających dużej ilości tekstu, Tencent Hy3 może być bardziej opłacalny. Jeśli Twój przypadek użycia wymaga zrozumienia treści wizualnych, będziesz potrzebować modelu multimodalnego. Porównanie zależy od tego, czy dodana modalność uzasadnia kompromis. Duży kontekst Tencent Hy3 jest wyraźną zaletą w przypadku zadań czysto tekstowych, obejmujących długie dokumenty.
Tencent Hy3 wyróżnia się w katalogu OrcaRouter połączeniem bardzo dużego okna kontekstowego (262 tys. tokenów) i konkurencyjnej ceny (0,18 USD / 0,59 USD za milion tokenów). Jest to jeden z nielicznych modeli oferujących tak duży kontekst przy koszcie tokena wyjściowego poniżej 1 USD. Model jest przeznaczony wyłącznie do tekstu, co skupia jego przydatność na analizie i generowaniu dokumentów. Model cenowy passthrough z zerową marżą gwarantuje brak ukrytych opłat. To sprawia, że jest atrakcyjną opcją dla programistów i firm, które muszą przetwarzać długie teksty bez nadmiernego obciążania budżetu, zwłaszcza w porównaniu z innymi modelami o dużym kontekście, które mogą mieć wyższe koszty na token.
Zgodne z OpenAI — zostań przy swoim SDK
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| Wejście / 1M tokenów | $0.180 |
|---|---|
| Wyjście / 1M tokenów | $0.590 |
| Odczyt cache / 1M | $0.059 |
| Waluta | USD |
Szacunek na podstawie cennika
Tylko szacunek — rzeczywista liczba tokenów zależy od tokenizatora dostawcy.
O czym mówią programiści w tym tygodniu
GET /api/public/models/tencent/hy3Otwórz @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