Laguna S 2.1 对比腾讯 Hy3：廉价开源编码器 vs 腾讯的高效 MoE

Poolside 的 Laguna S 2.1（2026年7月21日）是一个开放权重的、118B/8B活跃的编程MoE模型，每100万tokens收费0.10美元/0.20美元。腾讯的Hy3（2026年7月6日发布）是腾讯混元的生产级Mixture-of-Experts模型——总参数量295B，每次推理仅激活21B——定价为每100万tokens收费0.18美元/0.59美元，支持262K tokens上下文。两者都是效率优先的MoE模型——本指南将在编程能力、通用能力、价格、开放性和适用性方面对它们进行比较。

每个图表都标注了来源。Laguna的编码得分由Poolside报告；Hy3的规格和价格来自其OrcaRouter型号页面。基准测试和价格会变动——在确认前请核实。

TL;DR 结论。Tencent Hy3 是更广泛的通用模型：一个 295B/21B 激活参数的 MoE，拥有 262K 上下文，强大的推理、长上下文和智能体能力，据报道在 BrowseComp 上得分为 84.2，价格为 $0.18/$0.59。Laguna S 2.1 是编码专家：Poolside 报告称其在 SWE-Bench Multilingual（78.5%）上领先于公开披露尺寸的模型，价格为 $0.10/$0.20，权重开放可自行托管——但其数据由供应商运行且仅限编码。选择 Hy3 用于广泛、长上下文的工作；选择 Laguna S 2.1 用于廉价、可自托管、专注于编码的工作。

关键要点

• Tencent Hy3 是更广泛的全能型模型。295B/21B 活跃参数的混合专家模型，262K 上下文窗口，推理能力与智能体强度。

• Laguna 是编程专家，价格略低。$0.10/$0.20 对比 Hy3 的 $0.18/$0.59，开放权重，可自行托管。

• 拉古纳的分数由供应商运行且仅涉及编码；Hy3的规格来自其实时模型页面。

• 两者都是效率优先的MoE；Laguna每次前向传播激活约8B参数，Hy3约21B参数。

• 选择：广泛长上下文通才（Hy3）与最具性价比的开放编码器（Laguna）之争。

规格与价格，并列对比

• 供应商/许可证 — Laguna S 2.1：Poolside，开放权重；Tencent Hy3：Tencent，托管API（兼容OpenAI）。

• 每百万价格（入/出）— Laguna S 2.1: $0.10 / $0.20；腾讯 Hy3: $0.18 / $0.59.

• 架构 — Laguna S 2.1：总参数量118B，~8B激活的MoE；Tencent Hy3：总参数量295B，21B激活的MoE（192个专家，top-8路由）。

• 上下文 — Laguna S 2.1: 1M-class; Tencent Hy3: 262K tokens（文本输入，文本输出）.

• 编码（供应商）— Laguna S 2.1：SWE-Bench 多语言 78.5%（在 Poolside 公开披露规模中领先）；腾讯 Hy3：通用编码能力强（报道称 BrowseComp 84.2）。

基准深度剖析：广泛的MoE通才对比重量级编码器

Tencent Hy3的优势在于规模上的广度与效率：一个295B参数的MoE模型，每次推理仅激活21B参数，基于Hy3-preview系列，通过扩展的RL训练在推理、长上下文和智能体任务上增强——腾讯称其能达到数倍于其参数大小的旗舰模型的结果，在BrowseComp浏览/长上下文基准测试中报告得分84.2。对于长文档的广泛工作，它是一个强大且经济高效的选择。

Laguna S 2.1的优势在于编码效率和开放性：Poolside报告其SWE-Bench Multilingual得分为78.5%（领先于开放披露规模的模型），并且约8B活跃参数的模型在DeepSWE/Terminal-Bench上取得了强劲结果，每次调用成本不到一美分。需要注意：这是供应商运行的数据，没有独立的智能指数，仅关注编码领域，而且Poolside承认前沿模型仍在几项基准测试中领先。因此，Hy3是更广泛的通才，拥有更多的活跃参数和更长的实际上下文；Laguna则是更精炼、专注于编码的开放权重重量级领导者。问题在于你的工作负载是广泛且长上下文的（Hy3），还是编码密集型且自托管的（Laguna）。

思考模式与成本

两者同为效率优先的专家混合模型（MoE），均支持可配置的推理投入——Laguna通过思考/不思考模式实现，Hy3则通过推理投入设置。在价格方面，Laguna略具优势（$0.10/$0.20 vs $0.18/$0.59）：15,000输入/3,000输出的调用，Laguna约$0.0021，Hy3约$0.0045——两者均微不足道。更显著的差异在于结构层面：Laguna采用开放权重并支持自托管（彻底消除编码场景的单Token成本），而Hy3则提供更海量的活跃参数与262K上下文窗口，适用于泛化型长文档工作。若以编码主导、对成本或数据敏感的工作负载而言，Laguna胜出；而在泛化长上下文任务中，Hy3的容量优势使其溢价物有所值。

如何访问每个

Laguna S 2.1 是开放权重的——托管价格为 $0.10/$0.20，或从 Hugging Face（poolside/Laguna-S-2.1）自行托管。Tencent Hy3 可通过兼容 OpenAI 的 API（模型 ID tencent/hy3）和 OrcaRouter 获取。将两者路由到同一个兼容 OpenAI 的端点——Laguna 用于编码密集型流量，Hy3 用于广泛和长上下文工作。

三个现实场景

1. 大规模编码自动化

Laguna S 2.1 是专为此构建且最便宜的；它的 SWE-Bench Multilingual 和 DeepSWE 数据正好针对这种工作负载，而且自托管消除了每令牌成本。

2. 长上下文与代理工作负载

腾讯Hy3拥有262K上下文、21B活跃参数以及据称的BrowseComp优势，使其在需要大输入、浏览和工具使用时成为更安全的单模型。

3. 自托管、数据驻留部署

Laguna的开放权重让你能将专有代码保留在内部——Hy3是一个托管API，因此对于数据驻留编码，Laguna是使能者。

何时不应使用每种方法

不要为广泛的、长上下文或浏览密集的通用任务选择 Laguna S 2.1 —— Hy3 更大的活跃模型和 262K 上下文覆盖更广。如果纯粹追求单位美元的编码性能或自托管，不要选择 Hy3 —— Laguna 更便宜且权重开放。并把 Laguna 的厂商编码数据视为暂定值。

决策检查清单

• 选择 Laguna S 2.1，如果：编码是主要工作负载，成本至关重要，或者你需要一个自托管的编码器，其性能超越同类产品。

• 如果您想要一个广泛、长上下文、高效的MoE通才，并且托管价格低廉，请选择Tencent Hy3。

• 如果同时运行：将编码路由到Laguna，将广泛/长上下文工作路由到Hy3，置于同一端点之后。

常见问题

Laguna S 2.1 比 Tencent Hy3 更好吗？

为了提高编码效率和开放性，Poolside报告称Laguna在其开放权重类别中领先，并且可以自行托管。对于广泛且长上下文的工作，Hy3是一个更大的MoE（295B/21B活跃参数），具有262K上下文。编码专家与通才的对比。

哪个更便宜？

Laguna S 2.1 ($0.10/$0.20) 比 Hy3 ($0.18/$0.59) 稍微便宜一些，而且 Laguna 可以自托管以消除每令牌成本。

我可以自托管其中任何一个吗？

Laguna S 2.1 是（在 Hugging Face 上开放权重）；腾讯 Hy3 是一个托管的 API。

什么是腾讯Hy3？

Hy3是腾讯混元的商用级MoE——总参数295B，每pass激活21B（192个专家，top-8路由），上下文262K，文本输入/文本输出，于2026年7月6日发布。

Laguna是否有独立评分？

尚未——其编码评分由Poolside报告。Hy3的规格和价格来自其实时OrcaRouter模型页面。

编程初创公司应该选择哪个？

对于注重成本或自托管的编码功能，Laguna S 2.1；如果你还需要广泛的长上下文能力，添加Hy3。

我能同时运行两者吗？

是的——通过一个兼容OpenAI的端点，将编码任务路由至Laguna，将常规/长上下文工作路由至Hy3。

底线

Tencent Hy3是一款高效、广泛的MoE通用模型——总计295B/激活21B，262K上下文，在BrowseComp上报告得分84.2——托管价格低至$0.18/$0.59，当工作负载需要广度和长上下文时，是更安全的单一模型。Laguna S 2.1是编程专家：Poolside报告其在SWE-Bench Multilingual（78.5%）上领先于公开参数规模的模型，价格为$0.10/$0.20，并开放权重可供自行托管——不过其数据由供应商提供且仅限编程领域。需要廉价、可自托管的编程能力，选Laguna；需要广泛的长期上下文处理，选Tencent Hy3。通过OrcaRouter将两者——以及所有其他旗舰模型——路由至一个兼容OpenAI的端点。