Tencent presenta Hy3, su modelo open source
(hy.tencent.com)- Apunta a ofrecer un rendimiento superior al de modelos de tamaño similar, y a un nivel capaz de competir incluso con modelos open source insignia que tienen 2 a 5 veces más parámetros
- En una evaluación ciega basada en tareas laborales reales realizada por 270 expertos, Hy3 obtuvo 2.67/4, por encima de 2.51/4 de GLM-5.1; las diferencias fueron mayores en desarrollo frontend, datos y almacenamiento, y CI/CD
- Con mejoras basadas en feedback de productos, la tasa de alucinaciones bajó de 12.5% a 5.4%, la tasa de errores de sentido común de 25.4% a 12.7%, y la tasa de problemas en pruebas internas de múltiples turnos de 17.4% a 7.9%
- Fue publicado bajo licencia Apache 2.0 en GitHub, HuggingFace, ModelScope y AtomGit; el precio de la API es de 1 RMB por entrada, 4 RMB por salida y 0.25 RMB por entrada en caché por cada millón de tokens
- Tencent presentó la versión oficial de Hy3 tras incorporar feedback de más de 50 productos y datos de posentrenamiento de alta calidad desde Hy3 preview a fines de abril
Presentación de Hy3 y rendimiento como agente
- Tencent recopiló feedback de más de 50 productos tras lanzar Hy3 preview a fines de abril, y presentó Hy3 después de ampliar el posentrenamiento con datos de mayor calidad
- El nuevo modelo supera a modelos de tamaño similar y se evalúa como capaz de competir con modelos open source insignia que tienen 2 a 5 veces más parámetros
- Desde la preview, aumentó la calidad y diversidad de los datos de posentrenamiento y se amplió el entrenamiento con RL
- Mejoró en razonamiento, tareas de tipo agente y tareas con contexto largo
- Apunta a un nivel capaz de competir con modelos insignia más grandes
- En tareas de productividad hubo avances en coding, tareas de oficina, modelado financiero, diseño frontend y desarrollo de videojuegos
- En una evaluación ciega con tareas laborales reales realizada por 270 expertos, Hy3 registró 2.67/4
- GLM-5.1 registró 2.51/4
- La ventaja de Hy3 fue mayor en desarrollo frontend, datos y almacenamiento, y tareas de CI/CD
Confiabilidad del producto, costos y forma de publicación
- Al considerar que los benchmarks por sí solos no capturan suficientemente la utilidad de un modelo, corrigieron varios problemas con base en feedback de productos reales
- Mejoró la estabilidad en llamadas a herramientas y formatos de salida
- Corrigieron problemas básicos de confiabilidad para cumplir criterios de nivel de producción en configuraciones de herramientas y restricciones de salida
- Mejoraron la recuperación ante errores de llamadas a herramientas y la eficiencia general
- En distintos scaffolding de agentes como CodeBuddy, Cline y KiloCode, la variación de precisión en SWE-Bench Verified se mantuvo dentro del 4%
- Reforzaron el conocimiento y la prevención de alucinaciones
- Aplicaron depuración de datos y restricciones de entrenamiento con el criterio de responder cuando hay fundamento, decir que no lo hay cuando falta evidencia, y no mezclar fuentes ni manipular datos
- En evaluaciones internas con escenarios reales, la tasa de alucinaciones bajó de 12.5% a 5.4%
- La tasa de errores de sentido común bajó de 25.4% a 12.7%
- Se redujeron las confusiones factuales, las fabricaciones y las contradicciones lógicas
- Mejoraron el mantenimiento de contextos complejos y el seguimiento de intención en múltiples turnos
- Con optimización conjunta de SFT y RL abordaron problemas operativos como la interpretación del destinatario de una instrucción, la recuperación de omisiones y la herencia de restricciones entre múltiples turnos
- La tasa de problemas en pruebas internas integrales de múltiples turnos bajó de 17.4% a 7.9%
- También mejoró en evaluaciones de conversaciones largas como MRCR
- Incluso en interacciones largas, evita que intenciones complejas se debiliten o deriven, mientras produce salidas más concisas
- En pruebas internas de WorkBuddy, Hy3 mejoró la tasa de éxito de tareas y el tiempo de finalización frente a la preview
- La tasa de éxito de tareas subió de 72% en Hy3 preview a 90% en Hy3
- El tiempo promedio de finalización se redujo 34%
- Mejoró en procesamiento de datos, trabajo con documentos y análisis de reportes de investigación
- En algunas tareas generales comparado con GLM-5.2, Hy3 mostró mayor eficiencia de tokens
- Usó 47.4% menos tokens en procesamiento de documentos
- Usó 49% menos tokens en generación de presentaciones
- Hy3 se publica bajo licencia Apache 2.0
- Redujeron el precio de la API mediante optimización conjunta de hardware y software
- Entrada por cada millón de tokens: 1 RMB
- Salida por cada millón de tokens: 4 RMB
- Entrada en caché por cada millón de tokens: 0.25 RMB
- Tencent completó en menos de 6 meses un ciclo end-to-end de desarrollo de modelos, desde la reconstrucción de infraestructura a fines de enero, Hy3 preview en abril, hasta esta publicación y despliegue de Hy3 en productos
- Planea seguir ampliando el entrenamiento, mejorando la calidad de los datos y optimizando detalles de la experiencia de usuario
1 comentarios
Opiniones de Hacker News
Resultado de Pelican de hace unos días: https://simonwillison.net/2026/Jul/6/hy3/ — estaba usando el tier gratuito de OpenRouter y vence el 21 de julio
Hace 41 días probé con el modelo preview y salió un pelícano con un botón "change pelican color": https://static.simonwillison.net/static/2026/hy3-preview-pelican.html
Es realmente genial ver cuánto han mejorado los modelos en el pelícano SVG
Dice
tencent/Hy3. New Apache 2.0 licensed model from Tencent in China, ¿Tencent AI Lab también está en otras regiones? Por ejemplo, MiniMax tiene alguna relación con TencentNo es que me gusten mucho los LLM, pero gracias a ti me di cuenta de que mis emociones eran irracionales y de que el trabajo que disfrutaba básicamente se terminó en su forma anterior, así que tengo que soltarlo y unirme al lado que lo hace por dinero y atención
Aun así, en mis proyectos personales pienso programar a mano siempre que sea posible y no usar LLM
No sé qué tan útil sea realmente el meme del pelícano, pero creo que es genial que haya empezado, aunque sea por estética
Hace un mes escribí una entrada de blog sobre que nadie hablaba de Hy3, pero estaba en los primeros lugares del ranking de OpenRouter: https://news.ycombinator.com/item?id=48317294
Al día de hoy ya bajó hasta el puesto 8 o 9, y no veo muy bien por qué habría que usarlo en vez de los modelos competidores
Dicho eso, la estructura de precios es un poco confusa: actualmente el precio efectivo de entrada de Hy3 vía OpenRouter quedó igual al de DeepSeek Flash V4 alojado por DeepSeek
https://openrouter.ai/tencent/hy3-preview
https://openrouter.ai/deepseek/deepseek-v4-flash
Probablemente por eso también bajó en el ranking, y parecía que no podían cubrir la demanda
Sigue siendo un modelo pequeño, pero al menos sus puntajes de benchmark subieron bastante, incluido DeepSWE
El precio es el mismo que Flash, pero los benchmarks son parecidos a Pro, o incluso más altos en algunos casos
Claro que los benchmarks por lo general significan poco; el benchmark real son las tareas que efectivamente le encargas
También tiene muy buen conocimiento del mundo para su tamaño, y creo que es mejor que DS4 Flash
Novita ofrece uso gratuito de Hy3 en OpenRouter hasta el 21 de julio
https://openrouter.ai/tencent/hy3:free
https://x.com/novita_labs/status/2074158304159510819
Como tienen tamaños bastante similares, me da curiosidad saber cómo lo percibe la gente frente a DS4 Flash
También me interesa cuánto aguanta con cuantización agresiva
DS4 Flash actualmente corre bastante bien en sistemas con alrededor de 96 GB de RAM o más, pero no sé si Hy3 podrá competir en ese terreno
DS4 Flash me pareció bastante caprichoso al usarlo mediante Claude Code
La velocidad es excelente, pero a menudo construye un modelo mental completamente equivocado y se lanza en una dirección errada, así que hay que controlarlo con frecuencia; además hay que compactar el historial, lo que reduce la ventaja de precio del caché
Hy3 no es tan rápido, pero hasta ahora mantiene el rumbo de forma mucho más estable que DS4 Flash
También parece romperse menos con contextos largos, y aunque no sé el precio real, lo siento como un modelo muy competitivo
Por separado, también compré un paquete de 50 millones de tokens de LongCat 2.0 para probarlo; no es gratis, pero es tan barato que prácticamente lo están regalando
También es bastante impresionante y parece más o menos similar a Hy3
No tiene inteligencia de frontera, pero se parece más a un trabajador confiable que explora bien bases de código y ejecuta de forma estable lo que se le indica
Cuando llama.cpp tenga soporte completo para lightning indexer, el contexto completo de 1M solo necesitará unos 6 GB de RAM
Así que, aunque el tamaño sea similar, creo que en ese aspecto DeepSeek será mucho más eficiente
Que Hy3 pueda competir depende en gran medida de qué tan resistente sea a la cuantización
DSV4 es usable incluso con cuantización de 2 bits
Quizá sea mejor correr Qwen3.6-27B en Q8
DSv4 Flash, incluso corriendo en dos DGX Spark, todavía deja memoria para un caché KV de 3M tokens, pero Hy3, aun cuantizado a FP4, solo permite alrededor de 130K tokens en el caché KV
Este modelo es sorprendentemente pequeño para el rendimiento que ofrece
Es un poco más grande que deepseekV4 flash, pero en algunos benchmarks parece estar al nivel de V4 pro o incluso superarlo, así que no me sorprendería que se convierta en un modelo local popular
GLM-5.2 también tiene la mitad del tamaño de DeepSeek V4 Pro, pero cuesta aproximadamente el doble
Revisé un poco la arquitectura de DeepSeek, y el enfoque principal era cómo reducir los costos al máximo
Recortaron mucho costo en el mecanismo de atención y, gracias a eso, pudieron ofrecer precios absurdamente bajos incluso con contextos enormes, pero parece que hubo un sacrificio de rendimiento
Al menos, viendo que modelos más pequeños son más caros y funcionan mejor, me hace pensar: “¿la atención será más densa?”
Hy3 has 295B parameters in total. To serve it on 8 GPUs, we recommend using H20-3e or other GPUs with larger memory capacity.Yo también creo que podría convertirse en un modelo local popular
Probé el modelo y es bastante bueno; creo que es mejor que ~~gpt5.4~~ gpt-5.4-mini
Su rendimiento también está lo suficientemente cerca de sonnet 5 como para que no sintiera una gran diferencia
No está al nivel de gpt 5.5 y probablemente esté por debajo de glm 5.2, pero en la mayoría de las tareas que probé simplemente funcionó bien y es muy barato
Si necesitas un modelo FOSS, no hay razón para no usarlo
Edición: era gpt-5.4-mini, no el gpt-5.4 base
En la publicación del blog de Hy3 parece haber muchos benchmarks contaminados, así que hacen falta pruebas reales
Como muchos modelos chinos, da mucho la sensación de estar fuertemente optimizado para benchmarks
Si hablamos de gpt-5.4, no creo que haya ningún modelo open source que lo iguale, y quizá tarde otro año más
Usar Hy3 me hace sentir que me estoy volviendo raro
No sé si está extremadamente optimizado para benchmarks o si el problema es mi forma de usarlo, pero preferiría usar un Gemma dense
No recuerdo un modelo reciente que me haya hecho perder tanto tiempo
El 31B claramente estuvo por delante, y el MoE también fue un poco mejor incluso usando cuantización de 4 bits con la versión QAT
Qwen 3.6 27B también fue mejor que Hy3
Ahora que salió del preview y tiene más post-entrenamiento, pienso probarlo de nuevo
No debería haber empeorado, así que quizá haya mejorado lo suficiente como para competir con el modelo 31B
Pensé que era una nueva versión del lenguaje Hy: https://hylang.org
Lo que realmente hace falta es un avance en inferencia o en la arquitectura de los LLM
Deberíamos poder correr un modelo del nivel de GLM-5.2 en un tamaño igual o menor que Qwen 3.6 27b, en dispositivos de consumo como una Macbook Pro de 48GB, a por lo menos 100 tokens por segundo
Mi hipótesis es que, si conectas un modelo más pequeño, menos inteligente pero rápido con un buen ejecutor, puedes dejarlo correr más tiempo y resolver a fuerza bruta problemas que un modelo grande resuelve de una sola vez
Algo parecido a poner amortiguadores de vibración en varias estructuras mecánicas
No puedo acceder al sitio
No me conecta a https://hy.tencent.com/research/hy3