CONFIRMADOCerteza de la fecha: CONFIRMADOAnunciado como firmeCon qué firmeza la fuente expresa la fecha: confirmada, programada, estimada, retrasada o sin verificar.Ver todos los pines CONFIRMADO86% DE CONFIANZAConfianza general: 86%Hasta qué punto la fuente y las referencias del pin respaldan sus fechas.Media ponderada de la firmeza con la que 6 referencias, incluida la fuente, respaldan las horas de inicio y fin del pin; una referencia cuenta la mitad por cada 180 días que sea más antigua que la más recienteMostrar todos los pines con un 75% de confianza o más
La publicación de lanzamiento de Tencent[1][6] tiene fecha 2026.07.06 y el titular "Tencent Hunyuan Officially Releases Hy3"; el reportaje de TechNode[4][5] del 7 de julio dice que el lanzamiento fue "el lunes", es decir, el 6 de julio.- Inicio
- 6 jul 202690% DE CONFIANZAsegún la fuente
Lanzado Tencent Hy3
Traducido automáticamente del original
Título original: Tencent Hy3 Released
Tencent lanza oficialmente Hy3, la versión de producción de su modelo de pesos abiertos Hunyuan: una mezcla de expertos de 295B parámetros con 21B activos y un contexto de 256K tokens, con un precio de 1 yuan por 1 millón de tokens de entrada.
- Tencent lanzó oficialmente Hy3 el 6 de julio de 2026, la versión de producción del modelo de pesos abiertos que había presentado en vista previa el 23 de abril, y dijo que la línea Hunyuan pasa ahora a llamarse Tencent Hy[1]
- Es un modelo de mezcla de expertos de 295B parámetros con 21B activos por token, una ventana de contexto de 256K tokens y pensamiento tanto rápido como lento, con pesos Apache 2.0 en Hugging Face y ModelScope, además de una variante FP8[1][2]
- Frente a la versión preliminar, Tencent afirma haber ampliado la computación de posentrenamiento y la calidad de los datos: en sus evaluaciones internas, la tasa de alucinaciones bajó del 12.5% al 5.4% y la tasa de problemas en conversaciones de varios turnos, del 17.4% al 7.9%[2]
- Las puntuaciones agénticas también se dispararon, según el gráfico de la tarjeta del modelo: SWE-bench Pro pasó de 46.0 a 57.9, Terminal Bench 2.1 de 58.0 a 71.7 y BrowseComp de 67.1 a 84.2, aunque aún queda por detrás de Claude Opus 4.8 y GLM5.2 en la mayoría de los paneles de programación[2]
- Tencent Cloud TokenHub cobra 1 yuan por cada 1 millón de tokens de entrada, 4 yuanes por los de salida y 0.25 yuanes por la entrada en caché, unos $0.15, $0.59 y $0.037[5]; Artificial Analysis le otorga 25 en su Índice de Inteligencia, por encima de los 23 de la versión preliminar[3]
- Es el primer modelo completo del equipo Hy reconstruido: Tencent rehízo desde febrero su pila de preentrenamiento y aprendizaje por refuerzo y lanzó la versión preliminar en abril, un ciclo que, según la compañía, duró menos de seis meses[1][6]; la versión preliminar de Hy4, mucho más grande, llegó el 28 de agosto[4]
Características destacadas
- Arquitectura: 80 capas de transformador más una capa de predicción de múltiples tokens, 192 expertos con los 8 principales activos, 64 cabezas de atención con 8 cabezas KV, un vocabulario de 120,832 tokens y un ajuste reasoning_effort de no_think, low o high[2]
- Tencent afirma que iguala a modelos insignia con dos a cinco veces más parámetros; en una evaluación ciega de 270 expertos externos obtuvo 2.67 de 4, frente a los 2.51 de GLM-5.1[1][2]
- Ya está en producción: el uso diario medio de tokens es 20 veces mayor que con la versión preliminar y los usuarios de WorkBuddy que eligen Hy3 se han multiplicado por 6; impulsa el agente de Yuanbao que crea archivos de PowerPoint, Word, Excel, PDF y HTML, ima, el asistente a nivel de sistema operativo Marvis, el servicio de atención al cliente de las cuentas oficiales de Weixin y el asistente de Path of Exile: Advent[1]
- Disponibilidad: Tencent Cloud TokenHub, con OpenRouter, Hermes, Kilo, Cline, OpenClaw, OpenCode y Cherry Studio integrándolo; compatibilidad con vLLM y SGLang con predicción de múltiples tokens[1][2]
- La tarjeta del modelo también indica 90.4 en GPQA Diamond y 78 en SWE-bench Verified[2]
Pruebas de referencia[2]
| Prueba de referencia | Hy3 | Hy3 preliminar | GLM5.2 | Seed2.1 Pro | DeepSeek V4 pro | Qwen3.7 Max | GPT 5.5 | Claude Opus 4.8 |
|---|---|---|---|---|---|---|---|---|
| SWE-bench Pro | 57.9 | 46.0 | 62.1 | 57.5 | 55.4 | 60.6 | — | 69.2 |
| SWE-bench Multilingual | 75.8 | 68.3 | 83.0 | 75.1 | 76.2 | 78.3 | — | 84.4 |
| NL2repo | 45.6 | 35.3 | 48.9 | 47.0 | 41.5 | 47.2 | — | 69.7 |
| Terminal Bench 2.1 | 71.7 | 58.0 | 81.0 | 71.0 | 64.0 | 75.0 | — | 85.0 |
| BrowseComp | 84.2 | 67.1 | 79.3 | 86.2 | 83.4 | — | 84.4 | 84.3 |
| MCP Atlas (público) | 79.1 | 66.1 | 82.6 | 80.6 | 79.7 | 79.6 | — | 84.1 |
| ClawEval (pass^3) | 68.5 | 55.0 | 62.4 | 62.1 | 62.1 | 65.2 | — | 72.1 |
| SkillsBench (solo texto) | 55.3 | 29.1 | 51.9 | 53.2 | 40.5 | 46.8 | — | 64.6 |
| HLE (con herramientas, solo texto) | 53.2 | 35.4 | 54.7 | 55.7 | 48.2 | 53.5 | — | 57.9 |
| FrontierScience-Olympiad | 74.8 | 70.0 | 72.5 | 70.1 | 70.0 | 74.3 | 73.8 | — |
| MathArena Apex | 38.7 | 12.6 | 16.8 | 31.3 | 38.3 | 44.5 | 85.4 | — |
| AA-LCR | 73.4 | 66.3 | 73.4 | 70.0 | 71.3 | 70.2 | 76.4 | — |
- Leído del gráfico de la tarjeta del modelo de Tencent; Hy3 preliminar es su punto de control de abril, y un guion indica que el modelo no figura en ese panel[2]