腾讯 Hy3 已在 Novita AI 上以无服务器 API 的形式免费提供——截至 2026 年 7 月，输入和输出均为每百万 token 0 美元。这是一个 295B 的混合专家模型，每个 token 有 21B 活跃参数，支持 256K token 上下文窗口，以及三种可配置的推理模式。需要高性能开放权重模型来处理编码代理、推理工作流或长上下文任务的开发者，现在有了一条直接的路径：使用模型 ID tencent/hy3 调用 Novita AI 端点，无需投入付费基础设施即可开始使用。
关键要点
- 发布即免费： Hy3 目前在 Novita AI 上输入和输出定价均为 $0/M tokens。
- 295B 总量，21B 活跃： MoE 架构意味着每个 token 仅激活 21B 参数，在规模扩展的同时保持低推理成本。
- 256K 上下文窗口和 262K 最大输出： 足以容纳完整的代码库快照、长代理对话记录以及持续的推理链。
- 三种推理模式： 通过
reasoning_effort参数可在no_think（快速）、low和high（深度思维链）之间切换。 - 强大的编码和代理基准： SWE-bench Verified 达 74.4%，GPQA Diamond 达 87.2%——与当今最优秀的开源模型不相上下。
什么是 Hy3？
Hy3 是腾讯的第三代大语言模型，由腾讯 Hy 团队（前身为 Hunyuan）开发。该模型最初于 2026 年 4 月 23 日作为 Hy3-preview 发布，随后于 2026 年 7 月发布完整版 Hy3。两者均采用 Apache 2.0 许可证开源，且无地域限制——这比预览版最初排除欧盟、英国和韩国的社区许可证有所改进。
该模型基于腾讯在 2026 年初从头重新架构的预训练和强化学习基础设施构建。这次重建正是 Hy2 到 Hy3 跃升如此之大的主要原因：SWE-bench Verified 从 53.0% 提升至 74.4%——相对提升约 40%。
Hy3 为腾讯的元宝助手和 CodeBuddy 开发者产品提供支持。其设计将多步代理工作流作为首要目标，而非事后考虑。
架构简述
该模型采用 密集-MoE 混合 设计。第一个 Transformer 层为密集层（所有参数激活）；第 2 至第 80 层为稀疏 MoE。每个 MoE 层包含 192 个路由专家和 1 个始终激活的共享专家，每个 token 通过 sigmoid 门控激活 top-8 子集。其结果是：推理时模型运行起来像一个 21B 参数模型，同时调用了 295B 参数的存储知识。
一个独立的 3.8B 多 token 预测（MTP）层支持推测解码，从而提升服务环境中的吞吐量。
注意力机制采用分组查询注意力（GQA），具有 64 个查询头和 8 个键值头，每个头使用 QK RMSNorm 和 RoPE 位置编码。
Novita AI 上的 Hy3 API 访问
Hy3 在 Novita AI 上以无服务器聊天模型的形式提供，兼容 OpenAI API。无需 GPU 配置、无需实例管理、无最低消费——只需调用端点并按用量付费（目前为每百万 token 0 美元）。
Novita AI 模型库 提供了 playground 供你在集成前进行测试。
端点兼容 OpenAI：设置 base_url 为 https://api.novita.ai/openai，设置 model 为 tencent/hy3，并使用你的 Novita API 密钥。端点支持函数调用、结构化输出和推理控制。对于现有的 OpenAI SDK 集成，只需更换 base_url 和 model。
Novita AI 上的 Hy3 规格与定价
| 字段 | 详情 |
|---|---|
| 显示名称 | Hy3 |
| 模型 ID | tencent/hy3 |
| 基础 URL | https://api.novita.ai/openai |
| 端点系列 | chat/completions |
| 上下文窗口 | 262,144 token |
| 最大输出 token | 262,144 token |
| 输入定价 | $0 / M tokens |
| 输出定价 | $0 / M tokens |
| 支持功能 | 函数调用、结构化输出、推理 |
| 架构 | 295B 总量 / 21B 活跃，MoE |
| 最佳适用场景 | 编码代理、推理、长上下文分析 |
$0/M 的定价是发布期间的费率。Novita AI 定价页面 列出了当前费率。
Hy3 基准测试与性能信号
腾讯发布了 Hy3-preview 版本的基准测试结果；完整版 Hy3 代表进一步的训练后改进。
| 基准测试 | Hy3-preview 分数 | 背景 |
|---|---|---|
| SWE-bench Verified | 74.4% | 相比 Hy2 的 53.0%；截至 2026 年 4 月，开放权重模型中的顶级结果（腾讯，Artificial Analysis） |
| GPQA Diamond | 87.2% | 研究生级别的科学推理（腾讯 GitHub） |
| MMLU | 87.42% | 广泛学术知识（腾讯 GitHub） |
| Terminal-Bench 2.0 | 54.4% | 真实世界软件工程任务（腾讯 GitHub） |
在一项由 270 名领域专家完成真实工作任务的盲测评估中，Hy3-preview 得分为 2.67/4，而 GLM5.1 为 2.51/4。得分最强的类别是前端开发、数据与存储以及 CI/CD。
需要了解的实际上限：在 Artificial Analysis 跟踪的正面比较中，Hy3 落后于顶级闭源模型。它不支持图像输入，因此无法用于多模态任务。在开源和开放权重层级中，截至 2026 年中，它是编码和代理工作方面较强的选项之一。
在撰写本文时，完整版 Hy3 的基准测试结果尚未单独发布；腾讯描述完整版模型在推理、代理工作流和长上下文任务方面相较于预览版有所改进，这些改进基于来自 50 多个产品团队的反馈。
开发者的关键能力
编码与软件工程。 Hy3 将代理式代码工作流作为主要训练目标。74.4% 的 SWE-bench 分数反映了这一重点——该模型能够推理多文件更改、在上下文中识别 bug，并在大型代码库中生成一致的差异。根据专家评估数据，它在前端开发和 CI/CD 场景中表现尤为出色。
长上下文推理。 256K 上下文窗口意味着你可以传入完整的代码库快照、完整的 API 文档、长篇代理对话记录或多文档分析，而无需截断。262K 的最大输出为长计划、详细解释和生成的文档提供了充足空间。
可配置的推理深度。 三种推理模式让你可以针对每个请求调整延迟与质量。使用 no_think 进行快速路由决策或简单补全；在需要深度思维链的困难代理步骤中使用 high。这在构建代理管道时非常有用，因为并非每次调用都需要完整的推理计算。
函数调用与结构化输出。 两者均在 Novita AI 上得到支持，这意味着 Hy3 无需适配层即可适配标准的工具使用模式。
多语言。 该模型能很好地处理中文和英文，这对于需要同时处理中文数据、用户或文档以及英文系统的团队来说很重要。
何时使用 Hy3
编码代理与自动化软件工作流。 SWE-bench 74.4% 使 Hy3 接近当前软件工程任务的开源天花板。如果你的工作流涉及识别和修复 Bug、导航大型代码库或根据规范生成代码，Hy3 是一个值得测试的强力候选。
成本重要的长上下文分析。 $0/M token 的发布定价，结合 256K 上下文和 MoE 效率，使其对于长文档任务异常经济。如果你因成本限制而将文档分块以适配更小的模型，Hy3 能让你在此阶段以零推理成本测试端到端的长上下文推理。
多步代理管道。 该模型的设计受腾讯产品中真实世界代理部署的影响。可配置的推理模式对于编排管道很实用：在简单步骤中快速响应，在复杂步骤中进行深度推理。
开放权重需求。 Apache 2.0 许可证意味着模型权重可供检查、微调和自托管。如果你的团队需要审计模型或在受控环境中运行模型，托管 API 和自托管路径可以并存。
何时不使用 Hy3
多模态任务。 Hy3 是文本输入、文本输出。它不接受图像、音频或视频输入。对于视觉任务，可考虑使用 GLM-4.6V、ERNIE 4.5 VL 或 Hunyuan 图像模型系列等模型。
需要亚秒级延迟的大规模任务。 MoE 路由相比同等活跃参数量的密集模型会增加开销。对于高吞吐量、延迟敏感的生产用例，应在实际负载下测试响应时间后再做决定。
需要绝对前沿性能。 Hy3 在开源模型中具有竞争力，但在 Artificial Analysis 跟踪的独立基准中落后于顶级闭源模型。如果你的任务关键依赖于最高推理质量，请在你的具体工作负载中评估这些差异。
嵌入或分类任务。 Hy3 是一个生成式聊天模型。它不是嵌入或重排序模型。对于语义搜索和检索，请使用专门的嵌入模型。
Hy3 如何适配你的 API 工作流
Novita AI 端点使用标准的 OpenAI 聊天补全模式。如果你已经通过 Novita 调用任何兼容 OpenAI 的模型，集成变更仅需将当前模型的模型 ID 替换为 tencent/hy3。
reasoning_effort 参数控制每个请求触发哪种思考模式。设置为 "high" 可启用深度思维链，适用于困难的代理步骤。设置为 "none" 或 "low" 可获得更快的响应，但会牺牲推理深度。此参数并非标准 OpenAI 规范——Novita AI 文档提供了准确的字段名和可接受值。
函数调用遵循标准 OpenAI 工具使用格式。结构化输出通过 response_format 实现。两者使你可以将 Hy3 作为现有代理框架（LangChain、LlamaIndex、CrewAI 等）中的即插即用替代品，而无需更改工具定义或输出解析器。
关于生产规模下的速率限制和上下文预算管理，Novita AI LLM API 文档 涵盖了吞吐量细节和请求模式。
结论
如果你正在运行编码代理、长上下文分析工作流或代理推理管道，并且尚未找到符合你质量标准的开放权重模型，那么 Hy3 是一个值得基准测试的正确答案。74.4% 的 SWE-bench、256K 上下文、可配置的推理深度以及 Novita AI 上 $0/M token 的发布定价，消除了尝试它的大部分障碍：添加模型 ID，运行你现有的评估，测量差异，然后决定是否路由生产流量。
上限是真实存在的——它并未超越最好的闭源模型，也不处理视觉。但对于其目标用例，它是当今可用的较强开源选项之一，而 Novita AI 的无服务器路径意味着你无需承诺 GPU 配置即可进行测试。Novita AI 上的 Hy3 模型页面 包含一个 playground，供你在集成前进行测试。
常见问题
Novita AI 上腾讯 Hy3 的模型 ID 是什么？
准确的模型 ID 是 tencent/hy3。在 API 调用的 model 字段中使用。
Hy3 在 Novita AI 上是免费的吗？
Hy3 目前在 Novita AI 上输入和输出定价均为每百万 token 0 美元。定价页面 列出了当前费率，因为发布定价可能会变化。
Hy3 的上下文窗口是多少？
Hy3 在 Novita AI 上支持 262,144 token 的上下文窗口和 262,144 token 的最大输出。
Hy3 支持函数调用吗？
是的。Novita AI 上 Hy3 的列表包含函数调用、结构化输出和推理作为支持的功能。
Hy3 支持哪些推理模式？
Hy3 包含三种推理模式：no_think（快速，无思维链）、low（轻量推理）和 high（复杂任务的深度思维链）。通过 reasoning_effort 参数配置。
Hy3 支持图像输入吗？
不支持。Hy3 是纯文本模型。它不接受图像、音频或视频输入。
Hy3 与 Kimi K2 或 GLM 5.2 相比如何？
三者均是面向编码和代理工作流的强大开放权重 MoE 模型。Kimi K2 拥有 1T 总参数（32B 活跃），在数学和 STEM 基准上领先。GLM 5.2 具有 1M token 上下文窗口，针对长上下文代码库分析进行了优化。Hy3 为 295B/21B，SWE-bench 结果强劲（74.4%），并在 Novita AI 上提供免费发布期。最佳选择取决于你的具体任务和上下文需求。
Hy3 与 Hunyuan 相同吗？
Hy3 由构建 Hunyuan 模型系列的同一腾讯团队开发。该团队在本代产品中从"混元"（Hunyuan）更名为"Hy"。Hy3 与 HunyuanVideo 或 Hunyuan Image（独立的媒体生成模型）无关。
