Hy3 เป็นโมเดล Mixture-of-Experts ระดับการใช้งานจริงของ Tencent Hunyuan — มีพารามิเตอร์ทั้งหมด 295B โดยมีเพียง 21B ที่ทำงานในแต่ละครั้ง (192 ผู้เชี่ยวชาญ, การจัดเส้นทางแบบ top-8) เป็นการออกรุ่นที่อัปเกรดจากสาย Hy3-preview ขยายขนาดการฝึกอบรม RL และคุณภาพข้อมูลหลังการฝึกอบรมเพื่อเพิ่มประสิทธิภาพในการใช้เหตุผล บริบทที่ยาว และงานตัวแทน ให้ผลลัพธ์ที่เทียบเท่ากับโมเดลเรือธงที่มีขนาดพารามิเตอร์ใหญ่กว่าหลายเท่า มีหน้าต่างบริบท 256K โทเคน (ข้อความเข้า, ข้อความออก) พร้อมปรับระดับความพยายามในการใช้เหตุผลได้ และออกแบบมาสำหรับการเขียนโค้ดในโลกจริง การใช้เครื่องมือ และเวิร์กโฟลว์ตัวแทนหลายขั้นตอน ด้วยอัตราส่วนคุณภาพต่อต้นทุนที่แข็งแกร่ง
Tencent Hy3 เป็นโมเดลภาษาขนาดใหญ่ที่รองรับเฉพาะข้อความ พัฒนาโดย Tencent ออกแบบมาเพื่อประมวลผลและสร้างข้อความด้วยหน้าต่างบริบท (context window) ขนาด 262,144 โทเค็น…
Tencent Hy3 เก่งในทุกงานที่เกี่ยวข้องกับการประมวลผลข้อความจำนวนมากในบริบทเดียว ซึ่งรวมถึงการสรุปหนังสือทั้งเล่ม การดึงข้อมูลจากรายงานยาวๆ การวิเคราะห์สัญญาทางกฎหมายตั้งแต่ต้นจนจบ และการตรวจสอบโค้ดซอฟต์แวร์ขนาดใหญ่เพื่อหาบั๊กหรือแนวทางปรับปรุง อีกทั้งยังแข็งแกร่งในการรักษาความต่อเนื่องของเนื้อหาในงานสร้างข้อความแบบยาว เช่น การเขียนบทความโดยละเอียดหรือการสนทนาหลายรอบที่มีประวัติการสนทนากว้างขวาง คะแนน BrowseComp ชี้ให้เห็นว่ามันทำงานได้ดีเป็นพิเศษในงานที่ต้องนำทางและทำความเข้าใจข้อมูลข้อความปริมาณมาก คล้ายกับการเรียกดูชุดเอกสาร
คุณควรเลือก Tencent Hy3 เมื่องานของคุณต้องการหน้าต่างบริบทขนาดใหญ่ที่โมเดลขนาดเล็กไม่สามารถรองรับได้โดยไม่ต้องแบ่งย่อย ตัวอย่างเช่น หากคุณต้องวิเคราะห์เอกสาร 200 หน้าในครั้งเดียว หรือรักษาบริบทการสนทนาผ่านหลายร้อยรอบ สำหรับงานที่ง่ายกว่า เช่น การจำแนกประเภทหรือการแปลความในย่อหน้าเดียว โมเดลที่เล็กกว่าและถูกกว่าจะคุ้มค่ากว่า Tencent Hy3 ยังเป็นตัวเลือกที่ดีเมื่อคุณต้องการราคาที่คาดเดาได้ โปร่งใส และไม่มีค่าใช้จ่ายแฝง หากงานของคุณเป็นแบบมัลติโมดัล คุณจะต้องใช้โมเดลอื่นที่รองรับรูปภาพหรือเสียง
จุดแข็งหลักของโมเดลนี้คือความสามารถในการรองรับโทเค็นสูงสุดถึง 262,144 โทเค็นในพรอมพ์เดียว ซึ่งเป็นหนึ่งในหน้าต่างบริบทที่ใหญ่ที่สุดที่มีอยู่ ซึ่งช่วยลดความจำเป็นในการใช้กลยุทธ์การแบ่งส่วนที่ซับซ้อนสำหรับเอกสารยาวจำนวนมาก โมเดลนี้ได้คะแนน 84.2 จากการทดสอบ BrowseComp ซึ่งบ่งชี้ถึงประสิทธิภาพที่แข็งแกร่งในงานที่เกี่ยวข้องกับการค้นหาและดึงข้อมูลจากลำดับข้อความที่ยาว โมเดลมีแนวโน้มที่จะรักษาความแม่นยำและความสอดคล้องกันในอินพุตที่ยาวมาก แม้ว่าจะไม่ได้ระบุเกณฑ์มาตรฐานประสิทธิภาพที่แน่นอนสำหรับงานอื่น ๆ จุดแข็งของโมเดลจะถูกนำไปใช้ได้ดีที่สุดในสถานการณ์ที่ต้องพิจารณาเอกสารทั้งหมดพร้อมกัน
BrowseComp เป็นเกณฑ์มาตรฐานที่ออกแบบมาเพื่อประเมินความสามารถของโมเดลในการเรียกดูและทำความเข้าใจข้อความจำนวนมาก โดยจำลองงานต่างๆ เช่น การค้นหาข้อมูลเฉพาะในเอกสารหลายฉบับหรือส่วนที่ยาว คะแนน 84.2 บ่งบอกถึงประสิทธิภาพที่แข็งแกร่งในงานประเภทนี้ แม้ว่าจะไม่ได้ระบุเมตริกที่แน่นอน แต่สิ่งนี้ชี้ให้เห็นว่า Tencent Hy3 มีประสิทธิภาพในการดึงและสังเคราะห์ข้อมูลจากบริบทที่ยาว สำหรับการเปรียบเทียบ คะแนนที่สูงกว่า 80 โดยทั่วไปถือว่าดีมาก เกณฑ์มาตรฐานนี้มีความเกี่ยวข้องเป็นพิเศษสำหรับการใช้งาน เช่น ผู้ช่วยวิจัยและการวิเคราะห์เอกสาร
ไม่ได้ระบุตัวเลขความหน่วงจำเพาะสำหรับ Tencent Hy3 ในฐานะโมเดลขนาดใหญ่ที่มีหน้าต่างบริบท 262k เวลาในการอนุมานจะขึ้นอยู่กับความยาวของโทเค็นอินพุตและเอาต์พุต ฮาร์ดแวร์ และโหลดปัจจุบัน โดยทั่วไป อินพุตที่ยาวขึ้นจะเพิ่มเวลาในการประมวลผล ผู้ใช้ควรคาดหวังความหน่วงที่สูงกว่าเมื่อเทียบกับโมเดลขนาดเล็กสำหรับเอกสารที่ยาวมาก API ของ OrcaRouter อาจมีเอนด์พอยต์ที่แตกต่างกันซึ่งมีความเร็วต่างกัน สำหรับแอปพลิเคชันแบบเรียลไทม์ ควรทดสอบด้วยอินพุตที่เป็นตัวแทน การแลกเปลี่ยนระหว่างความเร็วและความแม่นยำของโมเดลเป็นเรื่องปกติสำหรับขนาดของมัน
เกณฑ์มาตรฐานเดียวที่มีให้คือ BrowseComp ซึ่งได้คะแนน 84.2 ซึ่งบ่งชี้ถึงความสามารถในการท่องเว็บและความเข้าใจบริบทยาว ข้อดีน่าจะรวมถึงการดึงข้อมูลที่แม่นยำจากข้อความยาวและการรักษาบริบทผ่านหลายโทเค็น ข้อเสียไม่ได้ระบุไว้อย่างชัดเจน แต่เนื่องจากเป็นโมเดลที่ใช้ข้อความเพียงอย่างเดียว จึงขาดความสามารถแบบหลายรูปแบบ ไม่มีการให้คะแนนเกณฑ์มาตรฐานอื่น ดังนั้นเราจึงไม่สามารถเปรียบเทียบในงาน LLM มาตรฐาน เช่น การใช้เหตุผลหรือคณิตศาสตร์ บริบทที่ใหญ่ของมันอาจทำให้เวลาแฝงและต้นทุนการคำนวณสูงกว่าเมื่อเทียบกับโมเดลขนาดเล็ก โมเดลนี้ออกแบบมาสำหรับงานที่เน้นข้อความมากกว่าแชทเอนกประสงค์
ด้วยหน้าต่างบริบทขนาด 262,144 โทเค็น Tencent Hy3 ถูกสร้างมาเพื่อประมวลผลลำดับยาวในรอบเดียว ซึ่งหมายความว่าข้อมูลตอนต้นของเอกสารยาวๆ ยังคงพร้อมใช้งานเมื่อสร้างผลลัพธ์ที่ส่วนท้าย ช่วยลดข้อผิดพลาดในการดึงข้อมูลที่พบได้ทั่วไปจากการแบ่งเป็นชิ้นส่วน คะแนน BrowseComp ที่ 84.2 แสดงให้เห็นว่าโมเดลทำงานได้ดีในงานที่ต้องใส่ใจรายละเอียดที่กระจายอยู่ทั่วข้อความยาว การจัดการลำดับที่ยาวมากอาจยังต้องออกแบบ prompt อย่างระมัดระวังเพื่อไม่ให้โมเดลทำงานหนักเกินไป แต่หน้าต่างขนาดใหญ่ให้พื้นที่เหลือเฟือสำหรับกรณีการใช้งานเอกสารยาวส่วนใหญ่ในทางปฏิบัติ
ผ่าน OrcaRouter การเรียกเก็บเงินมีความโปร่งใสและขึ้นอยู่กับการใช้งานโทเค็นเท่านั้น คุณจ่าย $0.18 ต่อหนึ่งล้านโทเค็นที่ส่งไปยังโมเดล (อินพุต) และ $0.59 ต่อหนึ่งล้านโทเค็นที่สร้างโดยโมเดล (เอาต์พุต) อัตราเหล่านี้เป็นราคาที่ผู้ให้บริการเรียกเก็บจริง โดยไม่มีส่วนเพิ่มจาก OrcaRouter การนับจำนวนโทเค็นคำนวณโดย tokenizer ของ Tencent ไม่มีค่าสมาชิกรายเดือนหรือข้อกำหนดการใช้งานขั้นต่ำ ค่าใช้จ่ายจะแสดงในใบแจ้งหนี้ OrcaRouter ของคุณ โครงสร้างที่เรียบง่ายนี้ช่วยให้คุณสามารถคาดการณ์ต้นทุนสำหรับงานที่มีความยาวที่ทราบได้
สำหรับงานที่ต้องใช้บริบทแบบยาว การกำหนดราคาของ Tencent Hy3 นั้นแข่งขันได้สำหรับขนาดหน้าต่างบริบท (context window) โมเดลหลายตัวที่มีหน้าต่างบริบทใกล้เคียงกันมีต้นทุนต่อโทเค็นที่สูงกว่า อย่างไรก็ตาม หากงานของคุณต้องการบริบทเพียงเล็กน้อย การใช้โมเดลที่ถูกกว่าก็จะประหยัดกว่า นโยบาย zero-markup หมายความว่าคุณไม่ได้จ่ายเงินเพิ่มสำหรับแพลตฟอร์ม ต้นทุนต่อล้านโทเค็นถูกกำหนดไว้แล้ว ดังนั้นการประมวลผลอินพุต 262k โทเค็นจะมีค่าใช้จ่ายประมาณ $0.047 สำหรับอินพุต (เนื่องจาก 262k คือ 0.262M ต้นทุนอินพุต 0.262 * 0.18 = $0.047) โทเค็นเอาต์พุตจะเพิ่มตามสัดส่วน ทำให้ใช้งานได้ในราคาที่เอื้อมถึงสำหรับหลายๆ แอปพลิเคชัน
ไม่มีการกล่าวถึงส่วนลดเฉพาะหรือกลไกการแคชสำหรับ Tencent Hy3 ผ่าน OrcaRouter การกำหนดราคาคิดตามจำนวนโทเค็นต่อคำขอ โดยไม่มีการประกาศส่วนลดตามปริมาณ การแคชของพรอมต์หรือการตอบกลับไม่ได้ถูกอธิบายไว้ แต่ละคำขออาจถูกประมวลผลอย่างอิสระ ผู้ใช้ควรถือว่าไม่มีการปรับแต่งราคาพิเศษใดๆ นอกเหนือจากอัตราพื้นฐาน สำหรับการใช้งานปริมาณมาก อาจคุ้มค่าที่จะติดต่อ OrcaRouter เพื่อขอข้อตกลงเฉพาะที่อาจเป็นไปได้ แต่ไม่มีการรับประกันใดๆ อัตรา $0.18/$0.59 ต่อล้านโทเค็นที่โฆษณาเป็นอัตราสาธารณะมาตรฐาน
หากต้องการเรียกใช้ Tencent Hy3 ให้ตั้งค่า base URL เป็น https://api.orcarouter.ai/v1 และใช้รหัสโมเดล "tencent/hy3" API นี้เข้ากันได้กับ OpenAI อย่างสมบูรณ์ ดังนั้นคุณสามารถใช้ OpenAI Python client หรือ HTTP client ใดๆ ที่รองรับ endpoint Chat Completions ตัวอย่างเช่น เมื่อใช้ไลบรารี OpenAI Python ให้ตั้งค่า openai.api_base = "https://api.orcarouter.ai/v1" และรวม API key ของคุณ จากนั้นสร้าง chat completion โดยใช้ model="tencent/hy3" รูปแบบคำขอเหมือนกับของ OpenAI ทุกประการ โดยมี messages array, temperature, max_tokens ฯลฯ ไม่จำเป็นต้องมีพารามิเตอร์พิเศษใดๆ นอกเหนือจากชื่อโมเดล
API รองรับพารามิเตอร์มาตรฐานทั้งหมดของปลายทาง OpenAI Chat Completions ซึ่งรวมถึง 'messages' (จำเป็น), 'temperature' (0–2, ค่าเริ่มต้น 0.7), 'max_tokens' (จำกัดความยาวเอาต์พุต), 'top_p', 'frequency_penalty', 'presence_penalty', 'stop', และ 'stream' สำหรับเอาต์พุตแบบทีละโทเค็น คุณยังสามารถตั้งค่า 'seed' สำหรับการสุ่มแบบกำหนดค่าได้ตามต้องการ API จะเคารพขีดจำกัดบริบทที่ 262,144 โทเค็น; ข้อความ prompt ที่เกินขีดจำกัดจะถูกตัดทอนหรือปฏิเสธ ไม่มีพารามิเตอร์ 'multimodal' พิเศษ เนื่องจากโมเดลเป็นแบบข้อความเท่านั้น รูปแบบการตอบสนองเป็นไปตามโครงสร้างของ OpenAI
ใช่ การย้ายจาก text LLM อื่นมายัง Tencent Hy3 ผ่าน OrcaRouter นั้นตรงไปตรงมา เนื่องจาก OpenAI-compatible API คุณเพียงแค่ต้องเปลี่ยนรหัสโมเดลจากโมเดลก่อนหน้าของคุณ (เช่น "some-other-model") เป็น "tencent/hy3" และอัปเดต base URL เป็น https://api.orcarouter.ai/v1 คำขอและรูปแบบการตอบกลับนั้นเหมือนกัน คุณอาจต้องปรับรูปแบบ prompt หากโมเดลก่อนหน้ามีพฤติกรรมแตกต่าง แต่โดยทั่วไปแล้วไม่จำเป็นต้องเปลี่ยนแปลงโค้ดนอกเหนือจากชื่อโมเดล ควรทดสอบด้วย input ที่เป็นตัวแทนเพื่อยืนยันคุณภาพของ output
การตรวจสอบสิทธิ์ใช้คีย์ API ที่ให้โดย OrcaRouter คุณต้องรวมคีย์นี้ในส่วนหัว Authorization เป็น "Bearer YOUR_API_KEY" เมื่อทำการร้องขอ คีย์ API ควรเก็บเป็นความลับและไม่ควรแชร์ OrcaRouter อาจเสนอคีย์หลายระดับที่มีอัตราการจำกัดการเรียกใช้ที่แตกต่างกัน สำหรับไคลเอนต์ Python ของ OpenAI ให้ตั้งค่า openai.api_key = "your-key" ไม่จำเป็นต้องมีการตรวจสอบสิทธิ์อื่นใด ตรวจสอบให้แน่ใจว่าคุณใช้ URL ฐานที่ถูกต้อง (https://api.orcarouter.ai/v1) และคีย์มีสิทธิ์ในการเข้าถึงโมเดล "tencent/hy3"
เมื่อเปรียบเทียบกับโมเดลที่มีหน้าต่างบริบท (context window) ขนาดเล็กกว่า (เช่น 4k, 8k, 32k) Tencent Hy3 มีความจุที่ใหญ่กว่ามากถึง 262k โทเคน ทำให้สามารถประมวลผลเอกสารทั้งชิ้นได้โดยไม่ต้องแบ่งส่วน ซึ่งอาจนำไปสู่ความแม่นยำที่สูงขึ้นในงานที่ต้องใช้บริบทโดยรวม อย่างไรก็ตาม โมเดลขนาดเล็กมักจะมีราคาถูกกว่าต่อโทเคน มีเวลาแฝงต่ำกว่า และอาจมีประสิทธิภาพมากกว่าสำหรับอินพุตสั้น ตัวอย่างเช่น โมเดลที่มีบริบท 4k ในราคาที่ต่ำกว่าอาจเหมาะสมกว่าสำหรับคำถามง่ายๆ ต้นทุนต่อล้านโทเคนของ Tencent Hy3 ค่อนข้างต่ำเมื่อเทียบกับขนาดบริบท ทำให้เป็นตัวเลือกที่ดีสำหรับงานที่มีบริบทยาว
Tencent Hy3 เป็นแบบข้อความเท่านั้น จึงไม่สามารถประมวลผลภาพ เสียง หรือวิดีโอได้ โมเดลแบบมัลติโมดัล เช่น OpenAI’s GPT-4o สามารถรับอินพุตดังกล่าวได้แต่อาจมีหน้าต่างบริบทข้อความที่เล็กกว่าหรือต้นทุนที่สูงกว่า สำหรับงานที่เน้นข้อความจำนวนมาก Tencent Hy3 อาจคุ้มค่ากว่า หากการใช้งานของคุณต้องการความเข้าใจเนื้อหาที่เป็นภาพ คุณจะต้องใช้โมเดลแบบมัลติโมดัล การเปรียบเทียบขึ้นอยู่กับว่าความสามารถแบบมัลติโมดัลที่เพิ่มเข้ามานั้นคุ้มกับข้อแลกเปลี่ยนหรือไม่ หน้าต่างบริบทขนาดใหญ่ของ Tencent Hy3 เป็นข้อได้เปรียบที่ชัดเจนสำหรับงานที่ใช้ข้อความล้วนซึ่งเกี่ยวข้องกับเอกสารยาว
Tencent Hy3 โดดเด่นในแคตตาล็อกของ OrcaRouter ด้วยการผสมผสานระหว่างหน้าต่างบริบทที่ใหญ่มาก (262k โทเค็น) และราคาที่แข่งขันได้ ($0.18/$0.59 ต่อล้านโทเค็น) เป็นหนึ่งในไม่กี่โมเดลที่เสนอบริบทขนาดใหญ่เช่นนี้ในราคาต่ำกว่า $1 ต่อโทเค็นผลลัพธ์ โมเดลนี้เป็นแบบข้อความเท่านั้น ซึ่งมุ่งเน้นประโยชน์ในการวิเคราะห์และสร้างเอกสาร การกำหนดราคาแบบส่งผ่านโดยไม่มีส่วนเพิ่มรับประกันว่าไม่มีค่าธรรมเนียมที่คาดไม่ถึง สิ่งนี้ทำให้เป็นตัวเลือกที่น่าสนใจสำหรับนักพัฒนาและธุรกิจที่ต้องการประมวลผลข้อความยาวโดยไม่ต้องเสียเงินมาก โดยเฉพาะเมื่อเทียบกับโมเดลบริบทขนาดใหญ่อื่นๆ ที่อาจมีต้นทุนต่อโทเค็นสูงกว่า
เข้ากันได้กับ OpenAI — ใช้ SDK เดิมของคุณได้เลย
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| อินพุต / 1M โทเค็น | $0.180 |
| เอาต์พุต / 1M โทเค็น | $0.590 |
| อ่านแคช / 1M | $0.059 |
| สกุลเงิน | USD |
ประมาณการจากราคาตั้ง
เป็นเพียงการประเมิน — จำนวน token จริงขึ้นอยู่กับ tokenizer ของผู้ให้บริการ
GET /api/public/models/tencent/hy3เปิด @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