Tencent Hy3 は、サーバーレス API として Novita AI で無料（2026年7月時点で入力・出力ともに 100 万トークンあたり $0）で利用可能です。これは 295B の Mixture-of-Experts モデルで、トークンあたり 21B のアクティブパラメータ、256K トークンのコンテキストウィンドウ、そして 3 つの設定可能な推論モードを備えています。コーディングエージェント、推論ワークフロー、または長いコンテキストのタスクのために高性能なオープンウェイトモデルを必要とする開発者は、モデル ID tencent/hy3 を Novita AI エンドポイントに対して使用し、有償インフラにコミットすることなくすぐに使い始めることができます。
主要なポイント
- 提供開始時は無料： Hy3 は現在、Novita AI 上で入力・出力ともに $0/M トークンで提供されています。
- 295B 総パラメータ、21B アクティブ： MoE アーキテクチャにより、トークンあたり 21B のパラメータのみが作動するため、スケーラビリティを維持しながら推論コストを低く抑えます。
- 256K コンテキストウィンドウと 262K 最大出力： リポジトリ全体のスナップショット、長大なエージェントのトランスクリプト、持続的な推論チェーンに十分な大きさです。
- 3 つの推論モード：
reasoning_effortパラメータを使用して、no_think（高速）、low、high（深い思考連鎖）を切り替えられます。 - 優れたコーディングとエージェントのベンチマーク： SWE-bench Verified で 74.4%、GPQA Diamond で 87.2% を達成 — 現在入手可能な最高のオープンソースモデルと互角の性能です。
Hy3 とは何か？
Hy3 は、Tencent の第 3 世代大規模言語モデルであり、Tencent Hy チーム（旧称 Hunyuan）によって開発されました。このモデルは、2026 年 4 月 23 日に Hy3-preview として最初にリリースされ、その後 2026 年 7 月にフルバージョンの Hy3 がリリースされました。両方とも Apache 2.0 ライセンスの下でオープンソース化されており、地理的な制限はありません — これは、以前 EU、英国、韓国を除外していたプレビュー版のコミュニティライセンスからの改善点です。
このモデルは、Tencent が 2026 年初頭にゼロから再構築した、再構築された事前学習および強化学習インフラストラクチャ上に構築されています。この再構築が、Hy2 から Hy3 への飛躍がこれほど大きい主な理由です。SWE-bench Verified は 53.0% から 74.4% へと、およそ 40% の相対的な改善を遂げています。
Hy3 は、Tencent の Yuanbao アシスタントと CodeBuddy 開発者向け製品を支えています。これは、マルチステップのエージェンティックワークフローを第一の目標として設計されており、後付けではありません。
アーキテクチャの概要
このモデルは dense-MoE ハイブリッド 設計を採用しています。最初のトランスフォーマー層は dense（すべてのパラメータがアクティブ）で、2 層目から 80 層目まではスパース MoE です。各 MoE 層には 192 のルーティングされるエキスパートと 1 つの常時アクティブな共有エキスパートが含まれ、各トークンはシグモイドゲーティングを介して top-8 のサブセットをアクティブにします。その結果、295B パラメータの蓄積された知識を活用しながら、推論時には 21B パラメータのモデルのように動作します。
別個の 3.8B マルチトークン予測（MTP）層により投機的デコードが可能になり、サービング環境でのスループットが向上します。
アテンションは、64 のクエリヘッドと 8 のキーバリューヘッド、ヘッドごとの QK RMSNorm、および RoPE 位置エンコーディングを備えた Grouped Query Attention（GQA）を使用します。
Novita AI での Hy3 API アクセス
Hy3 は、OpenAI 互換の API を備えたサーバーレスチャットモデルとして Novita AI で利用可能です。GPU のプロビジョニング、インスタンス管理、最低支出額は一切不要で、エンドポイントを呼び出して使用した分だけ支払います（現在は 100 万トークンあたり $0）。
Novita AI モデルライブラリ には、統合を構築する前にテストするためのプレイグラウンドがあります。
エンドポイントは OpenAI 互換です：base_url を https://api.novita.ai/openai に設定し、model を tencent/hy3 に設定し、Novita API キーを使用します。このエンドポイントは、関数呼び出し、構造化出力、および推論制御をサポートしています。既存の OpenAI SDK 統合の場合、変更点は base_url と model を変更することだけです。
Novita AI での Hy3 仕様と料金
| フィールド | 詳細 |
|---|---|
| 表示名 | Hy3 |
| モデル ID | tencent/hy3 |
| ベース URL | https://api.novita.ai/openai |
| エンドポイントファミリー | chat/completions |
| コンテキストウィンドウ | 262,144 トークン |
| 最大出力トークン数 | 262,144 トークン |
| 入力料金 | $0 / M トークン |
| 出力料金 | $0 / M トークン |
| サポートされる機能 | 関数呼び出し、構造化出力、推論 |
| アーキテクチャ | 295B 合計 / 21B アクティブ、MoE |
| 最適な用途 | コーディングエージェント、推論、長いコンテキストの分析 |
$0/M の料金は提供開始時のレートです。Novita AI 料金ページ で最新の料金をご確認ください。
Hy3 ベンチマークとパフォーマンス指標
Tencent は Hy3-preview リリースのベンチマーク結果を公開しています。フルバージョンの Hy3 モデルは、さらなるポストトレーニングによる改善を表しています。
| ベンチマーク | Hy3-preview スコア | コンテキスト |
|---|---|---|
| SWE-bench Verified | 74.4% | Hy2 の 53.0% から向上；2026年4月時点でトップクラスのオープンウェイト結果（Tencent、Artificial Analysis） |
| GPQA Diamond | 87.2% | 大学院レベルの科学的推論（Tencent GitHub） |
| MMLU | 87.42% | 広範な学術知識（Tencent GitHub） |
| Terminal-Bench 2.0 | 54.4% | 実際のソフトウェアエンジニアリングタスク（Tencent GitHub） |
実際の作業タスクを完了する 270 人のドメイン専門家によるブラインド評価では、Hy3-preview は GLM5.1 の 2.51/4 に対して 2.67/4 を獲得しました。最も強い結果が得られたカテゴリーは、フロントエンド開発、データとストレージ、CI/CD でした。
理解すべき実際的な限界：Hy3 は、Artificial Analysis で追跡されている一対一比較において、トップのクローズドソースモデルには及びません。画像入力をサポートしていないため、マルチモーダルタスクには使用できません。オープンソースおよびオープンウェイトの階層内では、2026年半ば時点でコーディングとエージェント作業に最も強力なオプションの 1 つです。
フルリリースの Hy3 のベンチマークは、執筆時点では個別に公開されていません。Tencent は、50 以上のプロダクトチームからのフィードバックを受けて、フルモデルは推論、エージェンティックワークフロー、および長いコンテキストのタスクにおいてプレビュー版から改善されていると説明しています。
開発者向けの主要な機能
コーディングとソフトウェアエンジニアリング。 Hy3 は、エージェンティックなコードワークフローを主要なターゲットとしてトレーニングされました。74.4% の SWE-bench スコアはその焦点を反映しており、モデルはマルチファイルの変更について推論し、コンテキスト内のバグを特定し、大規模なコードベースにわたって一貫性のある差分を生成できます。専門家による評価データによれば、特にフロントエンド開発と CI/CD シナリオで優れたパフォーマンスを発揮します。
長いコンテキストの推論。 256K のコンテキストウィンドウにより、リポジトリ全体のスナップショット、完全な API ドキュメント、長大なエージェントのトランスクリプト、またはマルチドキュメント分析を、トリミングすることなく渡すことができます。262K の最大出力により、長い計画、詳細な説明、生成されたドキュメントのための余地があります。
設定可能な推論の深さ。 3 つの推論モードにより、リクエストごとにレイテンシと品質を調整できます。高速なルーティング決定や単純な補完には no_think を、深い思考連鎖を必要とする難しいエージェントのステップには high を使用します。これは、すべての呼び出しに完全な推論計算が必要ではないエージェントパイプラインを構築する際に有用です。
関数呼び出しと構造化出力。 両方とも Novita AI でサポートされており、Hy3 はアダプターシムなしで標準的なツール使用パターンに適合します。
多言語対応。 このモデルは中国語と英語を適切に処理します。これは、英語システムと並行して中国語のデータ、ユーザー、またはドキュメントを扱うチームにとって重要です。
Hy3 を使用すべきケース
コーディングエージェントと自動化されたソフトウェアワークフロー。 SWE-bench 74.4% は、Hy3 をソフトウェアエンジニアリングタスクにおける現在のオープンソースの上限に近づけています。ワークフローにバグの特定と修正、大規模なコードベースのナビゲーション、または仕様からのコード生成が含まれる場合、Hy3 はテストする有力な候補です。
コストが重要な長いコンテキストの分析。 $0/M トークンの提供開始時料金は、256K のコンテキストと MoE の効率性と相まって、長いドキュメントのタスクにおいて非常に手頃な価格です。コスト制約のためにドキュメントをチャンク化して小規模なモデルに適合させている場合、Hy3 を使用すると、この期間中は推論コストをゼロにして、エンドツーエンドの長いコンテキスト推論をテストできます。
マルチステップのエージェンティックパイプライン。 このモデルの設計は、Tencent の製品全体にわたる実際のエージェント展開によって形成されました。設定可能な推論モードは、単純なステップでは高速な応答を、複雑なステップでは深い推論を求めるパイプラインを調整するのに実用的です。
オープンウェイトの要件。 Apache 2.0 ライセンスにより、モデルの重みは検査、ファインチューニング、およびセルフホスティングに利用可能です。チームがモデルを監査したり、管理された環境で実行したりする必要がある場合、ホスト型 API とセルフホスト型の両方のパスが共存します。
Hy3 を使用すべきでないケース
マルチモーダルタスク。 Hy3 はテキスト入力、テキスト出力です。画像、音声、またはビデオ入力は受け付けません。ビジョンタスクには、GLM-4.6V、ERNIE 4.5 VL、または Hunyuan 画像モデルファミリーなどのモデルを検討してください。
大規模なサブ秒レイテンシを必要とするタスク。 MoE ルーティングは、同等のアクティブパラメータ数の dense モデルと比較してオーバーヘッドを追加します。高ボリュームでレイテンシに敏感な本番環境のユースケースでは、コミットする前に実際の負荷下での応答時間をベンチマークしてください。
絶対的なフロンティアのパフォーマンスが必要な場合。 Hy3 はオープンソースモデルとしては競争力がありますが、Artificial Analysis で追跡されている独立したベンチマークでは、トップのクローズドソースモデルには及びません。タスクが可能な限り最高の推論品質に決定的に依存する場合は、特定のワークロードでそれらの差異を評価してください。
埋め込みまたは分類タスク。 Hy3 は生成型チャットモデルです。埋め込みモデルや再ランキングモデルではありません。セマンティック検索および検索には、専用の埋め込みモデルを使用してください。
Hy3 が API ワークフローにどのように適合するか
Novita AI エンドポイントは、標準の OpenAI チャット補完スキーマを使用しています。すでに Novita を通じて OpenAI 互換のモデルを呼び出している場合、統合の変更は、現在のモデルから tencent/hy3 へのモデル ID の交換だけです。
reasoning_effort パラメータは、特定のリクエストでどの思考モードを起動するかを制御します。"high" に設定すると深い思考連鎖が有効になり、難しいエージェントステップに適しています。"none" または "low" に設定すると、推論の深さを犠牲にしてより高速な応答が得られます。このパラメータは標準の OpenAI 仕様ではありません — Novita AI のドキュメントに、正確なフィールド名と許容される値が記載されています。
関数呼び出しは、標準の OpenAI ツール使用形式に従います。構造化出力は response_format を介して機能します。どちらも、既存のエージェントフレームワーク（LangChain、LlamaIndex、CrewAI など）内でツール定義や出力パーサーを変更することなく、Hy3 をドロップイン置換として使用できます。
本番環境規模でのレート制限とコンテキスト予算管理については、Novita AI LLM API ドキュメント でスループットの詳細とリクエストパターンが説明されています。
結論
Hy3 は、コーディングエージェント、長いコンテキストの分析ワークフロー、またはエージェンティック推論パイプラインを実行しており、まだ品質の基準を満たすオープンウェイトモデルを見つけていない場合にベンチマークすべき適切なモデルです。74.4% の SWE-bench、256K コンテキスト、設定可能な推論の深さ、そして Novita AI での $0/M の提供開始時料金の組み合わせにより、試す際のほとんどの障壁が取り除かれます：モデル ID を追加し、既存の評価を実行し、本番トラフィックをルーティングするかどうかを決定する前にその差分を測定します。
上限は確かに存在します — 最高のクローズドモデルには勝てず、ビジョンも処理できません。しかし、ターゲットとするユースケースにおいては、今日入手可能な最も強力なオープンソースオプションの 1 つであり、Novita AI のサーバーレスパスは GPU プロビジョニングのコミットメントなしでテストできることを意味します。Novita AI の Hy3 モデルページ には、統合を構築する前にテストするためのプレイグラウンドが含まれています。
FAQ
Novita AI での Tencent Hy3 のモデル ID は何ですか？
正確なモデル ID は tencent/hy3 です。API 呼び出しの model フィールドでこれを使用してください。
Hy3 は Novita AI で無料ですか？
Hy3 は現在、Novita AI 上で入力・出力ともに 100 万トークンあたり $0 で提供されています。料金ページ で最新の料金をご確認ください。提供開始時の料金は変更される可能性があります。
Hy3 のコンテキストウィンドウはどのくらいですか？
Hy3 は、Novita AI 上で 262,144 トークンのコンテキストウィンドウと 262,144 トークンの最大出力をサポートしています。
Hy3 は関数呼び出しをサポートしていますか？
はい。Novita AI の Hy3 リストには、サポートされる機能として関数呼び出し、構造化出力、および推論が含まれています。
Hy3 はどのような推論モードをサポートしていますか？
Hy3 には 3 つの推論モードがあります：no_think（高速、思考連鎖なし）、low（軽い推論）、high（複雑なタスクのための深い思考連鎖）。これらは reasoning_effort パラメータを介して設定されます。
Hy3 は画像入力をサポートしていますか？
いいえ。Hy3 はテキストのみのモデルです。画像、音声、またはビデオ入力は受け付けません。
Hy3 は Kimi K2 や GLM 5.2 と比較してどうですか？
3 つすべて、コーディングとエージェンティックワークフローを目的とした強力なオープンウェイト MoE モデルです。Kimi K2 は 1T の総パラメータと 32B のアクティブパラメータを持ち、数学と STEM ベンチマークでリードしています。GLM 5.2 は、長いコンテキストのリポジトリ分析に最適化された 100 万トークンのコンテキストウィンドウを持っています。Hy3 は 295B/21B で、強力な SWE-bench 結果（74.4%）と Novita AI での無料提供開始期間を備えています。最適な選択は、特定のタスクとコンテキスト要件によって異なります。
Hy3 は Hunyuan と同じですか？
Hy3 は、Hunyuan モデルシリーズを構築した同じ Tencent チームによって開発されました。チームはこの世代で「Hunyuan」から「Hy」にブランド名を変更しました。Hy3 は、HunyuanVideo や Hunyuan Image（これらは別個のメディア生成モデルです）とは関連がありません。
