Tencent Hy3 ist auf Novita AI als serverlose API kostenlos verfügbar – 0 $ pro Million Tokens für Input und Output (Stand Juli 2026). Es handelt sich um ein 295B Mixture-of-Experts-Modell mit 21B aktiven Parametern pro Token, einem 256K Token-Kontextfenster und drei konfigurierbaren Reasoning-Modi. Entwickler, die ein leistungsfähiges Open-Weight-Modell für Coding-Agenten, Reasoning-Workflows oder Long-Context-Aufgaben benötigen, haben jetzt einen unkomplizierten Weg: Verwenden Sie die Modell-ID tencent/hy3 am Novita AI Endpunkt und beginnen Sie, ohne sich auf eine kostenpflichtige Infrastruktur festzulegen.
Kernaussagen
- Kostenlos zum Start: Hy3 ist derzeit auf Novita AI zu 0 $/M Tokens für Input und Output erhältlich.
- 295B gesamt, 21B aktiv: Die MoE-Architektur bedeutet, dass pro Token nur 21B Parameter feuern, was die Inferenzkosten selbst bei hoher Leistungsfähigkeit niedrig hält.
- 256K Kontextfenster und 262K maximale Ausgabe: Groß genug für vollständige Repository-Snapshots, lange Agententranskripte und durchgehende Reasoning-Ketten.
- Drei Reasoning-Modi: Wechseln Sie zwischen
no_think(schnell),lowundhigh(tiefe Gedankenkette) mit dem Parameterreasoning_effort. - Starke Coding- und Agenten-Benchmarks: 74,4 % bei SWE-bench Verified und 87,2 % bei GPQA Diamond – konkurrenzfähig mit den derzeit besten Open-Source-Modellen.
Was ist Hy3?
Hy3 ist das Sprachmodell der dritten Generation von Tencent, entwickelt vom Tencent Hy-Team (ehemals als Hunyuan bekannt). Das Modell wurde erstmals am 23. April 2026 als Hy3-preview veröffentlicht, gefolgt von der vollständigen Hy3-Version im Juli 2026. Beide sind unter der Apache 2.0-Lizenz ohne geografische Einschränkungen als Open Source verfügbar – eine Verbesserung gegenüber der Community-Lizenz der Vorschauversion, die ursprünglich die EU, Großbritannien und Südkorea ausschloss.
Das Modell basiert auf einer neu aufgebauten Pre-Training- und Reinforcement-Learning-Infrastruktur, die Tencent Anfang 2026 von Grund auf neu architekturiert hat. Dieser Umbau ist der Hauptgrund für den großen Sprung von Hy2 zu Hy3: SWE-bench Verified stieg von 53,0 % auf 74,4 % – eine relative Verbesserung von etwa 40 %.
Hy3 betreibt Tencents Yuanbao-Assistenten und das CodeBuddy-Entwicklerprodukt. Es wurde mit mehrstufigen agentischen Workflows als primärem Ziel entworfen, nicht als nachträglicher Einfall.
Architektur in Kürze
Das Modell verwendet ein dense-MoE-Hybrid-Design. Die erste Transformator-Schicht ist dicht (alle Parameter aktiv); die Schichten 2 bis 80 sind spärliches MoE. Jede MoE-Schicht enthält 192 geroutete Experten und 1 immer aktiven gemeinsamen Experten, wobei jedes Token eine Top-8-Teilmenge über Sigmoid-Gating aktiviert. Das Ergebnis ist ein Modell, das zur Inferenzzeit wie ein 21B-Parameter-Modell läuft, während es auf 295B Parameter gespeichertes Wissen zurückgreift.
Eine separate 3,8B Multi-Token Prediction (MTP)-Schicht ermöglicht spekulative Dekodierung, was den Durchsatz in Serving-Umgebungen verbessert.
Die Aufmerksamkeit verwendet Grouped Query Attention (GQA) mit 64 Query-Köpfen und 8 Key-Value-Köpfen, QK-RMSNorm pro Kopf und RoPE-Positionskodierung.
Hy3 API-Zugriff auf Novita AI
Hy3 ist auf Novita AI als serverloses Chat-Modell mit einer OpenAI-kompatiblen API verfügbar. Keine GPU-Bereitstellung, kein Instanzmanagement, kein Mindestumsatz – Sie rufen den Endpunkt auf und zahlen nur für das, was Sie nutzen (derzeit 0 $ pro Million Tokens).
Die Novita AI Modellbibliothek bietet eine Playground-Umgebung zum Testen vor der Integration.
Der Endpunkt ist OpenAI-kompatibel: Setzen Sie base_url auf https://api.novita.ai/openai, setzen Sie model auf tencent/hy3 und verwenden Sie Ihren Novita-API-Schlüssel. Der Endpunkt unterstützt Funktionsaufrufe, strukturierte Ausgaben und Reasoning-Steuerung. Für bestehende OpenAI SDK-Integrationen ist die einzige Änderung das Austauschen von base_url und model.
Hy3 Spezifikationen und Preise auf Novita AI
| Feld | Details |
|---|---|
| Anzeigename | Hy3 |
| Modell-ID | tencent/hy3 |
| Basis-URL | https://api.novita.ai/openai |
| Endpunkt-Familie | chat/completions |
| Kontextfenster | 262.144 Tokens |
| Maximale Ausgabetokens | 262.144 Tokens |
| Eingabepreis | 0 $ / M Tokens |
| Ausgabepreis | 0 $ / M Tokens |
| Unterstützte Funktionen | Funktionsaufrufe, strukturierte Ausgaben, Reasoning |
| Architektur | 295B gesamt / 21B aktiv, MoE |
| Beste Eignung | Coding-Agenten, Reasoning, Long-Context-Analyse |
Der Preis von 0 $/M ist ein Einführungspreis. Die Preisseite von Novita AI enthält die aktuellen Tarife.
Hy3 Benchmark- und Leistungssignale
Tencent hat Benchmark-Ergebnisse für die Hy3-preview-Veröffentlichung veröffentlicht; das vollständige Hy3-Modell stellt eine weitere Verbesserung nach dem Training dar.
| Benchmark | Hy3-preview Ergebnis | Kontext |
|---|---|---|
| SWE-bench Verified | 74,4 % | vs. 53,0 % bei Hy2; erstklassiges Open-Weight-Ergebnis (Stand April 2026) (Tencent, Artificial Analysis) |
| GPQA Diamond | 87,2 % | Wissenschaftliches Reasoning auf Graduiertenniveau (Tencent GitHub) |
| MMLU | 87,42 % | Breites akademisches Wissen (Tencent GitHub) |
| Terminal-Bench 2.0 | 54,4 % | Reale Softwareentwicklungsaufgaben (Tencent GitHub) |
In einer blinden Bewertung mit 270 Fachexperten, die echte Arbeitsaufgaben erledigten, erzielte Hy3-preview 2,67/4 gegenüber 2,51/4 für GLM5.1. Die stärksten Ergebniskategorien waren Frontend-Entwicklung, Daten und Speicher sowie CI/CD.
Die praktische Obergrenze: Hy3 liegt in den direkten Vergleichen, die auf Artificial Analysis verfolgt werden, hinter den besten Closed-Source-Modellen. Es unterstützt keine Bildeingabe, was es für multimodale Aufgaben ausschließt. Innerhalb der Open-Source- und Open-Weight-Stufe ist es Mitte 2026 eine der stärkeren Optionen für Coding und agentische Arbeiten.
Benchmarks für die vollständige Hy3-Veröffentlichung wurden zum Zeitpunkt der Erstellung dieses Artikels nicht separat veröffentlicht; Tencent beschreibt das vollständige Modell als Verbesserung gegenüber der Vorschauversion in den Bereichen Reasoning, agentische Workflows und Long-Context-Aufgaben nach Feedback von über 50 Produktteams.
Wichtige Funktionen für Entwickler
Coding und Softwareentwicklung. Hy3 wurde mit agentischen Code-Workflows als primärem Ziel trainiert. Der SWE-bench-Wert von 74,4 % spiegelt diesen Fokus wider – das Modell kann über mehrdatei-Änderungen nachdenken, Fehler im Kontext identifizieren und kohärente Diffs über große Codebasen hinweg erstellen. Basierend auf den Expertenbewertungsdaten schneidet es besonders gut in Frontend-Entwicklung und CI/CD-Szenarien ab.
Long-Context-Reasoning. Ein 256K-Kontextfenster bedeutet, dass Sie vollständige Repository-Snapshots, vollständige API-Dokumentationen, lange Agententranskripte oder Multi-Dokument-Analysen ohne Kürzung übergeben können. Die maximale Ausgabe von 262K bietet Platz für lange Pläne, detaillierte Erklärungen und generierte Dokumentation.
Konfigurierbare Reasoning-Tiefe. Drei Reasoning-Modi ermöglichen es Ihnen, die Latenz gegenüber der Qualität pro Anfrage abzustimmen. Verwenden Sie no_think für schnelle Routing-Entscheidungen oder einfache Vervollständigungen; verwenden Sie high für schwierige Agentenschritte, die eine tiefe Gedankenkette erfordern. Dies ist nützlich beim Erstellen von Agenten-Pipelines, bei denen nicht jeder Aufruf vollständige Reasoning-Rechenleistung erfordert.
Funktionsaufrufe und strukturierte Ausgaben. Beides wird auf Novita AI unterstützt, was bedeutet, dass Hy3 ohne Adapter-Shims in Standard-Toolnutzungsmuster passt.
Mehrsprachig. Das Modell verarbeitet Chinesisch und Englisch gut, was für Teams wichtig ist, die mit chinesischsprachigen Daten, Benutzern oder Dokumentationen neben englischen Systemen arbeiten.
Wann Hy3 verwendet werden sollte
Coding-Agenten und automatisierte Software-Workflows. SWE-bench 74,4 % platziert Hy3 nahe der aktuellen Open-Source-Obergrenze für Softwareentwicklungsaufgaben. Wenn Ihr Workflow das Identifizieren und Beheben von Fehlern, das Navigieren in großen Codebasen oder das Generieren von Code aus Spezifikationen umfasst, ist Hy3 ein starker Kandidat zum Testen.
Long-Context-Analyse, bei der die Kosten eine Rolle spielen. Der Einführungspreis von 0 $/M Token, kombiniert mit 256K Kontext und MoE-Effizienz, macht es ungewöhnlich erschwinglich für Aufgaben mit langen Dokumenten. Wenn Sie Dokumente zerteilen, um sie aufgrund von Kostenbeschränkungen in kleinere Modelle einzufügen, ermöglicht Hy3 Ihnen, End-to-End-Long-Context-Reasoning während dieses Zeitraums zu Null-Inferenzkosten zu testen.
Mehrstufige agentische Pipelines. Das Design des Modells wurde durch reale Agenteneinsätze in Tencents Produkten geprägt. Die konfigurierbaren Reasoning-Modi sind praktisch für die Orchestrierung von Pipelines, bei denen Sie schnelle Antworten für einfache Schritte und tiefes Reasoning für komplexe Schritte wünschen.
Open-Weight-Anforderungen. Die Apache-2.0-Lizenzierung bedeutet, dass die Modellgewichte zur Inspektion, Feinabstimmung und zum Selbst-Hosting verfügbar sind. Wenn Ihr Team das Modell prüfen oder in einer kontrollierten Umgebung ausführen muss, existieren die gehostete API und der Selbst-Hosting-Pfad nebeneinander.
Wann Hy3 nicht verwendet werden sollte
Multimodale Aufgaben. Hy3 ist Text-in, Text-out. Es akzeptiert keine Bild-, Audio- oder Videoeingaben. Für Sehaufgaben betrachten Sie Modelle wie GLM-4.6V, ERNIE 4.5 VL oder die Hunyuan-Bildmodellfamilie.
Aufgaben, die eine Sub-Sekunden-Latenz im großen Maßstab erfordern. MoE-Routing verursacht Overhead im Vergleich zu dichten Modellen mit äquivalenter aktiver Parameterzahl. Für volumenstarke, latenzempfindliche Produktionsanwendungen messen Sie die tatsächlichen Antwortzeiten unter realistischer Last, bevor Sie sich festlegen.
Wenn Sie die absolute Spitzenleistung benötigen. Hy3 ist wettbewerbsfähig für ein Open-Source-Modell, liegt aber hinter den besten Closed-Source-Modellen in unabhängigen Benchmarks, die von Artificial Analysis verfolgt werden. Wenn Ihre Aufgabe entscheidend von der höchstmöglichen Reasoning-Qualität abhängt, bewerten Sie diese Unterschiede in Ihrer spezifischen Arbeitslast.
Embedding- oder Klassifikationsaufgaben. Hy3 ist ein generatives Chat-Modell. Es ist kein Embedding- oder Ranking-Modell. Verwenden Sie ein dediziertes Embedding-Modell für semantische Suche und Abruf.
Wie Hy3 in Ihren API-Workflow passt
Der Novita AI Endpunkt verwendet das Standard-OpenAI-Chat-Completions-Schema. Wenn Sie bereits ein beliebiges OpenAI-kompatibles Modell über Novita aufrufen, besteht die Integrationsänderung in einem Austausch der Modell-ID von Ihrem aktuellen Modell zu tencent/hy3.
Der Parameter reasoning_effort steuert, welcher Denkmodus bei einer bestimmten Anfrage ausgelöst wird. Die Einstellung auf "high" aktiviert tiefes Chain-of-Thought und eignet sich für schwierige Agentenschritte. Die Einstellung auf "none" oder "low" liefert schnellere Antworten auf Kosten der Reasoning-Tiefe. Dieser Parameter ist nicht Teil der OpenAI-Spezifikation – die Novita AI Dokumentation enthält den genauen Feldnamen und die akzeptierten Werte.
Funktionsaufrufe folgen dem Standard-OpenAI-Toolnutzungsformat. Strukturierte Ausgaben funktionieren über response_format. Beides ermöglicht Ihnen, Hy3 als Drop-in-Ersatz innerhalb bestehender Agentenframeworks (LangChain, LlamaIndex, CrewAI usw.) zu verwenden, ohne Tooldefinitionen oder Ausgabeparser zu ändern.
Für Ratengrenzen und Kontextbudget-Management im Produktionsmaßstab behandelt die Novita AI LLM API-Dokumentation Durchsatzdetails und Anfragemuster.
Fazit
Hy3 ist das richtige Modell für Benchmarks, wenn Sie Coding-Agenten, Long-Context-Analyse-Workflows oder agentische Reasoning-Pipelines betreiben und noch kein Open-Weight-Modell gefunden haben, das Ihren Qualitätsanforderungen entspricht. Die Kombination aus 74,4 % SWE-bench, 256K Kontext, konfigurierbarer Reasoning-Tiefe und dem Einführungspreis von 0 $/M auf Novita AI beseitigt den Großteil der Hürden beim Ausprobieren: Fügen Sie die Modell-ID hinzu, führen Sie Ihre vorhandene Evaluierung durch und messen Sie die Differenz, bevor Sie entscheiden, ob Sie Produktionstraffic umleiten.
Die Obergrenze ist real – es übertrifft nicht die besten Closed-Modelle und es verarbeitet keine Bilder. Aber für die Anwendungsfälle, die es adressiert, gehört es zu den stärkeren Open-Source-Optionen, die derzeit verfügbar sind, und der serverlose Pfad von Novita AI bedeutet, dass Sie es ohne GPU-Bereitstellungsverpflichtung testen können. Die Hy3-Modellseite auf Novita AI enthält eine Playground-Umgebung zum Testen vor der Integration.
FAQ
Wie lautet die Modell-ID für Tencent Hy3 auf Novita AI?
Die exakte Modell-ID ist tencent/hy3. Verwenden Sie diese im Feld model Ihrer API-Aufrufe.
Ist Hy3 auf Novita AI kostenlos?
Hy3 ist derzeit auf Novita AI zu 0 $ pro Million Tokens für Input und Output erhältlich. Die Preisseite enthält die aktuellen Tarife, da sich Einführungspreise ändern können.
Wie groß ist das Kontextfenster von Hy3?
Hy3 unterstützt ein 262.144-Token-Kontextfenster mit einer maximalen Ausgabe von 262.144 Tokens auf Novita AI.
Unterstützt Hy3 Funktionsaufrufe?
Ja. Die Novita AI Auflistung für Hy3 umfasst Funktionsaufrufe, strukturierte Ausgaben und Reasoning als unterstützte Funktionen.
Welche Reasoning-Modi unterstützt Hy3?
Hy3 umfasst drei Reasoning-Modi: no_think (schnell, ohne Gedankenkette), low (leichtes Reasoning) und high (tiefes Chain-of-Thought für komplexe Aufgaben). Diese werden über den Parameter reasoning_effort konfiguriert.
Unterstützt Hy3 Bildeingabe?
Nein. Hy3 ist ein reines Textmodell. Es akzeptiert keine Bild-, Audio- oder Videoeingaben.
Wie schneidet Hy3 im Vergleich zu Kimi K2 oder GLM 5.2 ab?
Alle drei sind starke Open-Weight-MoE-Modelle, die auf Coding und agentische Workflows abzielen. Kimi K2 hat 1T Gesamtparameter mit 32B aktiven und führt bei Mathematik- und MINT-Benchmarks. GLM 5.2 hat ein 1M-Token-Kontextfenster, das für die Analyse von Langzeit-Repositorys optimiert ist. Hy3 liegt bei 295B/21B mit starken SWE-bench-Ergebnissen (74,4 %) und einer kostenlosen Einführungsphase auf Novita AI. Die richtige Wahl hängt von Ihrer spezifischen Aufgabe und Ihren Kontextanforderungen ab.
Ist Hy3 dasselbe wie Hunyuan?
Hy3 wird vom selben Tencent-Team entwickelt, das auch die Hunyuan-Modellreihe gebaut hat. Das Team hat sich mit dieser Generation von “Hunyuan” zu “Hy” umbenannt. Hy3 ist nicht verwandt mit HunyuanVideo oder Hunyuan Image, bei denen es sich um separate Mediengenerierungsmodelle handelt.
