CONFERMATOAffidabilità della data: CONFERMATOIndicato come definitivoQuanto la fonte è netta sulla data: confermata, programmata, stimata, rinviata o non verificata.Mostra tutti i pin CONFERMATOAFFIDABILITÀ 86%Affidabilità complessiva: 86%Quanto la fonte e le altre fonti del pin ne confermano le date.Media ponderata di quanto 6 fonti, compresa quella principale, confermano gli orari di inizio e fine del pin; una fonte conta la metà per ogni 180 giorni in più rispetto alla più recenteMostra tutti i pin con affidabilità pari o superiore al 75%
Il post di lancio di Tencent[1][6] è datato 2026.07.06 e titolato "Tencent Hunyuan Officially Releases Hy3"; l'articolo di TechNode[4][5] del 7 luglio dice che il lancio è avvenuto "lunedì", cioè il 6 luglio.- Inizio
- 6 lug 2026AFFIDABILITÀ 90%da la fonte
Rilasciato Tencent Hy3
Tradotto automaticamente dall’originale
Titolo originale: Tencent Hy3 Released
Tencent rilascia ufficialmente Hy3, la versione di produzione del suo modello open-weight Hunyuan: un mixture-of-experts da 295B parametri con 21B attivi e un contesto da 256K token, al prezzo di 1 yuan per 1 milione di token in ingresso.
- Tencent ha rilasciato ufficialmente Hy3 il 6 luglio 2026, la versione di produzione del modello open-weight presentato in anteprima il 23 aprile, e ha detto che la linea Hunyuan ha ora il marchio Tencent Hy[1]
- È un modello mixture-of-experts da 295B parametri con 21B attivi per token, una finestra di contesto da 256K token e pensiero sia rapido sia lento, con pesi Apache 2.0 su Hugging Face e ModelScope e una variante FP8[1][2]
- Rispetto all'anteprima, Tencent afferma di aver aumentato il calcolo e la qualità dei dati del post-addestramento: nelle sue valutazioni interne il tasso di allucinazioni è sceso dal 12.5% al 5.4% e il tasso di problemi nelle conversazioni a più turni dal 17.4% al 7.9%[2]
- Anche i punteggi agentici sono balzati in alto, secondo il grafico della scheda del modello: SWE-bench Pro da 46.0 a 57.9, Terminal Bench 2.1 da 58.0 a 71.7 e BrowseComp da 67.1 a 84.2, anche se nella maggior parte dei test di programmazione resta dietro a Claude Opus 4.8 e GLM5.2[2]
- Tencent Cloud TokenHub applica 1 yuan per 1 milione di token in ingresso, 4 yuan per l'uscita e 0.25 yuan per l'ingresso in cache, circa $0.15, $0.59 e $0.037[5]; Artificial Analysis gli assegna 25 sul suo Intelligence Index, sopra il 23 dell'anteprima[3]
- È il primo modello completo del team Hy ricostruito: Tencent ha rifatto da febbraio il suo stack di pre-addestramento e apprendimento per rinforzo e ha rilasciato l'anteprima in aprile, un ciclo che secondo l'azienda è durato meno di sei mesi[1][6]; la anteprima di Hy4, molto più grande, è seguita il 28 agosto[4]
Funzionalità principali
- Architettura: 80 strati transformer più uno strato di predizione multi-token, 192 esperti di cui i primi 8 attivi, 64 teste di attenzione con 8 teste KV, un vocabolario di 120,832 token e un'impostazione reasoning_effort pari a no_think, low o high[2]
- Tencent afferma che regge il confronto con modelli di punta con da due a cinque volte i parametri; in una valutazione alla cieca da parte di 270 esperti esterni ha ottenuto 2.67 su 4, contro il 2.51 di GLM-5.1[1][2]
- Già in produzione: l'uso medio giornaliero di token è aumentato di 20 volte dall'anteprima e gli utenti di WorkBuddy che scelgono Hy3 sono aumentati di 6 volte; alimenta l'agente Yuanbao che crea file PowerPoint, Word, Excel, PDF e HTML, ima, l'assistente a livello di sistema operativo Marvis, il servizio clienti degli account ufficiali Weixin e l'assistente di Path of Exile: Advent[1]
- Disponibilità: Tencent Cloud TokenHub, con l'integrazione di OpenRouter, Hermes, Kilo, Cline, OpenClaw, OpenCode e Cherry Studio; supporto di vLLM e SGLang con predizione multi-token[1][2]
- La scheda del modello riporta inoltre 90.4 su GPQA Diamond e 78 su SWE-bench Verified[2]
Benchmark[2]
| Benchmark | Hy3 | Hy3 anteprima | 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 (pubblico) | 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 testo) | 55.3 | 29.1 | 51.9 | 53.2 | 40.5 | 46.8 | — | 64.6 |
| HLE (con strumenti, solo testo) | 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 | — |
- Letto dal grafico della scheda del modello di Tencent; Hy3 anteprima è il suo checkpoint di aprile, e un trattino indica che il modello non è presente in quel pannello[2]