Tencent Hy3 已在 Novita AI 上以無伺服器 API 形式提供，且完全免費 —— 截至 2026 年 7 月，每百萬 tokens 輸入與輸出均為 $0。這是一個 295B 混合專家（MoE）模型，每個 token 僅啟用 210 億個參數，擁有 256K tokens 上下文視窗及三種可配置推理模式。對於需要強大開放權重模型來處理編碼代理、推理工作流程或長上下文任務的開發者而言，現在有了一條直接的路徑：使用模型 ID tencent/hy3 呼叫 Novita AI 端點，無需投入付費基礎設施即可開始使用。
重點摘要
- 發布期間免費： Hy3 目前在 Novita AI 上輸入與輸出均為 $0/M tokens。
- 295B 總參數、21B 活躍： MoE 架構每個 token 僅觸發 210 億參數，在擴展能力的同時保持推理成本低廉。
- 256K 上下文視窗與 262K 最大輸出： 足以容納完整儲存庫快照、長篇代理對話記錄及持續推理鏈。
- 三種推理模式： 可透過
reasoning_effort參數在no_think（快速）、low及high（深度思考鏈）之間切換。 - 強大的編碼與代理基準： SWE-bench Verified 達 74.4%，GPQA Diamond 達 87.2% —— 在當今開放原始碼模型中極具競爭力。
什麼是 Hy3？
Hy3 是騰訊的第三代大型語言模型，由騰訊 Hy 團隊（前身為混元）開發。該模型最初於 2026 年 4 月 23 日以 Hy3-preview 形式發布，隨後於 2026 年 7 月發布完整的 Hy3。兩者均採用 Apache 2.0 授權，無地域限制 —— 較預覽版原先排除歐盟、英國與南韓的社群授權有所改進。
此模型基於騰訊在 2026 年初徹底重新架構的預訓練與強化學習基礎設施。這次重建是 Hy2 到 Hy3 飛躍性進步的主要原因：SWE-bench Verified 從 53.0% 提升至 74.4% —— 相對改進約 40%。
Hy3 為騰訊的元寶助手及 CodeBuddy 開發者產品提供動力。其設計將多步驟代理工作流程視為首要目標，而非事後才考慮。
架構簡介
該模型採用 密集-MoE 混合 設計。第一個 transformer 層為密集層（所有參數啟用）；第 2 至第 80 層為稀疏 MoE。每個 MoE 層包含 192 個路由專家與 1 個始終啟用的共享專家，每個 token 透過 sigmoid 門控啟動 top-8 子集。這在推理時表現得像一個 210 億參數模型，同時利用 2950 億參數的儲存知識。
一個獨立的 38 億參數多 token 預測（MTP）層支援推測解碼，提升服務環境中的吞吐量。
注意力機制採用分組查詢注意力（GQA），包含 64 個查詢頭與 8 個鍵值頭，每頭 QK RMSNorm 及 RoPE 位置編碼。
在 Novita AI 上存取 Hy3 API
Hy3 在 Novita AI 上以無伺服器聊天模型形式提供，並相容 OpenAI API。無需 GPU 配置、無需管理執行個體、無最低消費 —— 呼叫端點，只用多少付多少（目前為每百萬 tokens $0）。
Novita AI 模型庫 提供遊樂場，可在建立整合前進行測試。
端點相容 OpenAI：將 base_url 設為 https://api.novita.ai/openai，model 設為 tencent/hy3，並使用您的 Novita API 金鑰。該端點支援函式呼叫、結構化輸出及推理控制。對於現有的 OpenAI SDK 整合，只需更換 base_url 與 model 即可。
Hy3 規格與在 Novita AI 上的定價
| 欄位 | 詳細資訊 |
|---|---|
| 顯示名稱 | Hy3 |
| 模型 ID | tencent/hy3 |
| 基礎 URL | https://api.novita.ai/openai |
| 端點家族 | chat/completions |
| 上下文視窗 | 262,144 tokens |
| 最大輸出 tokens | 262,144 tokens |
| 輸入定價 | $0 / M tokens |
| 輸出定價 | $0 / M tokens |
| 支援功能 | 函式呼叫、結構化輸出、推理 |
| 架構 | 295B 總參數 / 21B 活躍，MoE |
| 最佳適用 | 編碼代理、推理、長上下文分析 |
$0/M 定價為發布期間費率。Novita AI 定價頁面 提供目前費率。
Hy3 基準與效能訊號
騰訊發布了 Hy3-preview 版本的基準結果；完整的 Hy3 模型代表更進一步的後訓練改進。
| 基準 | Hy3-preview 分數 | 背景 |
|---|---|---|
| SWE-bench Verified | 74.4% | 相較 Hy2 的 53.0%；截至 2026 年 4 月頂尖開放權重結果（騰訊、Artificial Analysis） |
| GPQA Diamond | 87.2% | 研究生級科學推理（騰訊 GitHub） |
| MMLU | 87.42% | 廣泛學術知識（騰訊 GitHub） |
| Terminal-Bench 2.0 | 54.4% | 真實世界軟體工程任務（騰訊 GitHub） |
在一項由 270 位領域專家執行真實工作任務的盲測中，Hy3-preview 得分 2.67/4，相較 GLM5.1 的 2.51/4。最強結果類別為前端開發、資料與儲存，以及 CI/CD。
需了解的實際天花板：Hy3 在 Artificial Analysis 追蹤的正面比較中落後於頂尖封閉原始碼模型。它不支援影像輸入，因此無法用於多模態任務。在開放原始碼與開放權重層級中，截至 2026 年中，它是編碼與代理工作的較強選項之一。
撰寫本文時，完整 Hy3 版本的基準尚未單獨發布；騰訊表示完整模型在推理、代理工作流程及長上下文任務方面優於預覽版，這是根據 50 多個產品團隊的回饋改進而來。
開發者的關鍵能力
編碼與軟體工程。 Hy3 的訓練以代理程式碼工作流程為主要目標。74.4% 的 SWE-bench 分數反映了這一重點——該模型能夠推理多檔案變更、在上下文中識別錯誤，並在大型程式碼庫中產生一致的 diff。根據專家評估資料，它在前端開發與 CI/CD 場景中表現尤其出色。
長上下文推理。 256K 上下文視窗意味著您可以傳入完整儲存庫快照、完整 API 文件、長篇代理對話記錄或多文件分析，無需截斷。262K 最大輸出為長期計畫、詳細說明及生成文件提供了空間。
可配置的推理深度。 三種推理模式讓您可以根據每次請求調整延遲與品質。對快速路由決策或簡單完成使用 no_think；對需要深度思考鏈的困難代理步驟使用 high。這在建構代理管道時非常實用，並非每次呼叫都需要完整的推理計算。
函式呼叫與結構化輸出。 兩者在 Novita AI 上均受支援，這意味著 Hy3 可無縫融入標準工具使用模式，無需轉接層。
多語言。 該模型能良好處理中文與英文，這對於同時處理中文資料、使用者或文件及英文系統的團隊非常重要。
何時使用 Hy3
編碼代理與自動化軟體工作流程。 SWE-bench 74.4% 使 Hy3 接近當前軟體工程任務的開放原始碼天花板。如果您的工作流程涉及識別與修復錯誤、導航大型程式碼庫或根據規格生成程式碼，Hy3 是值得測試的強力候選。
成本敏感的長上下文分析。 $0/M token 的發布定價，結合 256K 上下文與 MoE 效率，使其在長文件任務中異常划算。如果您因成本限制而將文件分割以放入較小模型，Hy3 讓您在此期間以零推理成本測試端到端長上下文推理。
多步驟代理管道。 該模型的設計受到騰訊產品中實際代理部署的影響。可配置的推理模式對於編排管道非常實用，您可以在簡單步驟上獲得快速回應，並在複雜步驟上進行深度推理。
開放權重需求。 Apache 2.0 授權意味著模型權重可供檢視、微調與自行託管。如果您的團隊需要稽核模型或在受控環境中執行，託管 API 與自行託管路徑可並行存在。
何時不應使用 Hy3
多模態任務。 Hy3 為文字輸入輸出。它不接受影像、音訊或影片輸入。對於視覺任務，請考慮 GLM-4.6V、ERNIE 4.5 VL 或混元影像模型系列等模型。
需要大規模次秒級延遲的任務。 與同等活躍參數量的密集模型相比，MoE 路由會增加額外開銷。對於高流量、延遲敏感的生產使用案例，請在投入前在實際負載下測試實際回應時間。
當您需要絕對前沿時。 Hy3 在開放原始碼模型中極具競爭力，但在 Artificial Analysis 追蹤的獨立基準上仍落後於頂尖封閉原始碼模型。如果您的任務關鍵取決於最高推理品質，請在您的特定工作負載中評估這些差異。
嵌入或分類任務。 Hy3 是一個生成式聊天模型。它不是嵌入或重新排序模型。請使用專用嵌入模型進行語義搜尋與檢索。
Hy3 如何融入您的 API 工作流程
Novita AI 端點使用標準 OpenAI 聊天完成架構。如果您已經透過 Novita 呼叫任何相容 OpenAI 的模型，整合變更僅需將模型 ID 從當前模型換成 tencent/hy3。
reasoning_effort 參數控制特定請求使用哪種思考模式。設為 "high" 可啟用深度思考鏈，適用於困難的代理步驟。設為 "none" 或 "low" 則可獲得較快回應，但代價是推理深度。該參數並非標準 OpenAI 規範 —— Novita AI 文件中有確切欄位名稱與可接受值。
函式呼叫遵循標準 OpenAI 工具使用格式。結構化輸出透過 response_format 實現。兩者讓您可以在現有代理框架（LangChain、LlamaIndex、CrewAI 等）中將 Hy3 作為直接替代品使用，無需修改工具定義或輸出解析器。
關於生產規模的速率限制與上下文預算管理，Novita AI LLM API 文件 涵蓋了吞吐量細節與請求模式。
結論
如果您正在執行編碼代理、長上下文分析工作流程或代理推理管道，且尚未找到符合品質標準的開放權重模型，那麼 Hy3 是進行基準測試的正確選擇。SWE-bench 74.4%、256K 上下文、可配置推理深度與 Novita AI 上 $0/M 的發布定價結合，消除了嘗試的大部分障礙：加入模型 ID、執行您現有的評估、衡量差距，再決定是否將生產流量導向此模型。
天花板確實存在 —— 它並未超越最佳封閉模型，且不支援視覺。但針對它所針對的使用案例，它是當今開放原始碼選項中較強的之一，而 Novita AI 的無伺服器路徑意味著您無需承諾 GPU 配置即可測試。Novita AI 上的 Hy3 模型頁面 包含遊樂場，可在建立整合前進行測試。
常見問題
在 Novita AI 上 Tencent Hy3 的模型 ID 是什麼？
確切模型 ID 為 tencent/hy3。在 API 呼叫的 model 欄位中使用此 ID。
Hy3 在 Novita AI 上免費嗎？
Hy3 目前在 Novita AI 上輸入與輸出均定價為 $0 每百萬 tokens。定價頁面 提供目前費率，發布定價可能變更。
Hy3 的上下文視窗是多少？
Hy3 在 Novita AI 上支援 262,144 token 的上下文視窗，最大輸出為 262,144 token。
Hy3 支援函式呼叫嗎？
是的。Novita AI 上 Hy3 的列表包括函式呼叫、結構化輸出與推理作為支援功能。
Hy3 支援哪些推理模式？
Hy3 包含三種推理模式：no_think（快速，無思考鏈）、low（輕度推理）與 high（深度思考鏈，適用於複雜任務）。這些可透過 reasoning_effort 參數配置。
Hy3 支援影像輸入嗎？
不。Hy3 是純文字模型。它不接受影像、音訊或影片輸入。
Hy3 與 Kimi K2 或 GLM 5.2 相比如何？
三者均為針對編碼與代理工作流程的強大開放權重 MoE 模型。Kimi K2 擁有 1T 總參數與 32B 活躍參數，在數學與 STEM 基準上領先。GLM 5.2 擁有 1M token 上下文視窗，針對長上下文儲存庫分析進行最佳化。Hy3 為 295B/21B，SWE-bench 結果強勁（74.4%），並在 Novita AI 上提供免費發布期間。正確選擇取決於您的特定任務與上下文需求。
Hy3 與混元相同嗎？
Hy3 由建構混元模型系列的同一騰訊團隊開發。該團隊在此代次從「混元」更名為「Hy」。Hy3 與 HunyuanVideo 或混元影像（分別為獨立的媒體生成模型）無關。
