Les poids de Hy3 sont-ils ouverts et puis-je l'exécuter localement ?

Oui, les poids sont publiés sur Hugging Face sous tencent/Hy3 et la fiche modèle couvre le déploiement avec vLLM et SGLang, ainsi que le fine-tuning et la quantification. Avec 295 milliards de paramètres totaux, vous aurez besoin d'un matériel conséquent — vérifiez le guide VRAM avant de vous engager.

Quel est le coût de Hy3 et quelle est la taille de son contexte ?

Le tarif est de 0,08 $ par million de tokens en entrée et 0,33 $ par million en sortie, avec une fenêtre de contexte de 256K tokens.

En quoi Hy3 diffère-t-il des autres grands modèles MoE ?

Hy3 active seulement 21 milliards de ses 295 milliards de paramètres par passage avant, ce qui maintient les coûts d'inférence plus bas que les modèles denses de qualité similaire. Son focus distinctif est la fiabilité en production : taux d'hallucination réduits, appels d'outils stables à travers les frameworks agentiques, et effort de raisonnement configurable plutôt que chaîne de pensée toujours active.

▲

33.9%

cette semaine

Hy3

9181°

#llm #tencent #raisonnement #programmation #agents #contexte long

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Tencent | 262,144 token context | $0.13/M input, $0.53/M output. Hy3 is a 295B-parameter Mixture-of-Experts model from Tencent (21B active, 192 experts with top-8 routing) built for reasoning, agentic workflows, and real-world production use. It supports a configurable reasoning effort: a direct no-think mode by default, plus low and high chain-of-thought modes for complex math, coding, and multi-step problems. With a 256K context window, Hy3 targets long-horizon tasks, including improved coreference resolution, multi-turn constraint tracking, and stable tool-calling that generalizes across…Tencent | 262,144 token context | $0.13/M input, $0.53/M output. Hy3 is a 295B-parameter Mixture-of-Experts model from Tencent (21B active, 192 experts with top-8 routing) built for reasoning, agentic workflows, and real-world production use. It supports a configurable reasoning effort: a direct no-think mode by default, plus low and high chain-of-thought modes for complex math, coding, and multi-step problems. With a 256K context window, Hy3 targets long-horizon tasks, including improved coreference resolution, multi-turn constraint tracking, and stable tool-calling that generalizes across agent scaffoldings. Tencent positions it as a reliable, cost-effective option across coding, document processing, financial analysis, game development, and frontend design, with a strong emphasis on grounded, anti-hallucination behavior that answers when grounded and flags when evidence is missing rather than fabricating.

Guides pour ce modèle

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Hy3 est un modèle Mixture-of-Experts de 295 milliards de paramètres de Tencent, avec 21 milliards de paramètres actifs à l'inférence et une fenêtre de contexte de 256K tokens. Il propose une profondeur de raisonnement commutable — sans réflexion par défaut, chaîne de pensée à la demande — et a été conçu pour la fiabilité en production : appels d'outils stables, hallucinations réduites, et suivi cohérent des contraintes multi-tours. À 0,08 $/M en entrée et 0,33 $/M en sortie, il cible les équipes qui ont besoin d'un cheval de bataille capable et ancré sans le prix des modèles phares.

Connu pour

Profondeur de raisonnement configurable : silencieux par défaut, chaîne de pensée complète quand nécessaire
Conception anti-hallucination : réponses quand elles sont fondées, signale les lacunes plutôt que de fabriquer
Appels d'outils stables qui se généralisent aux architectures agentiques comme Cline et KiloCode
Fenêtre de contexte de 256K adaptée aux longs documents et au suivi des contraintes multi-tours
Poids ouverts avec support pour vLLM, SGLang, fine-tuning et post-entraînement par RL

Attention à

295 milliards de paramètres au total signifie un matériel sérieux pour l'exécuter localement — prévoyez un déploiement multi-GPU ou quantifié.
Les poids sont ouverts mais vérifiez les termes de licence avant usage commercial ou dérivé.
Tencent n'a pas publié d'API autonome ; la disponibilité dépend de votre fournisseur d'inférence.

Idéal pour

Programmation

Agents et utilisation d'outils

Raisonnement

Contexte long

Fonctionne localement

Prompts à essayer

Plan agentique multi-étapes

Vous construisez un pipeline CI/CD pour un monorepo Python avec trois services. Chaque service a ses propres tests et image Docker. Décrivez les étapes du pipeline, les appels d'outils à chaque étape, et comment gérer un échec du service B sans bloquer le déploiement du service C.

Analyse financière ancrée

Voici le compte de résultat et le bilan d'une entreprise pour les deux derniers exercices fiscaux. Identifiez les trois changements les plus significatifs dans la santé financière, expliquez ce que chaque changement signale probablement, et signalez toute donnée ambiguë ou nécessitant un contexte supplémentaire avant conclusion.

Raisonnement complexe avec preuves

Un train quitte la ville A à 08h00 à 90 km/h. Un second train quitte la ville B, distante de 360 km, à 09h00 en direction de la ville A à 120 km/h. À quelle heure se rencontrent-ils, et à quelle distance de la ville A ? Montrez chaque étape de votre raisonnement avant de donner la réponse.

Comparer avec

Hy4 preview
Modèle à poids ouverts
Contexte de 1,048,576 tokens · entrée $0.83/M, sortie $2.50/M
Hy3 preview
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.18/M, sortie $0.60/M
Hunyuan A13B Instruct
Modèle à poids ouverts
Contexte de 131,072 tokens · entrée $0.14/M, sortie $0.57/M
GPT-6 Luna
Modèle uniquement API
Contexte de 1,050,000 tokens · entrée $0.10/M, sortie $0.50/M

Plus de modèles de texte de tencent

Questions fréquentes

Les poids de Hy3 sont-ils ouverts et puis-je l'exécuter localement ?: Oui, les poids sont publiés sur Hugging Face sous tencent/Hy3 et la fiche modèle couvre le déploiement avec vLLM et SGLang, ainsi que le fine-tuning et la quantification. Avec 295 milliards de paramètres totaux, vous aurez besoin d'un matériel conséquent — vérifiez le guide VRAM avant de vous engager.
Quel est le coût de Hy3 et quelle est la taille de son contexte ?: Le tarif est de 0,08 $ par million de tokens en entrée et 0,33 $ par million en sortie, avec une fenêtre de contexte de 256K tokens.
En quoi Hy3 diffère-t-il des autres grands modèles MoE ?: Hy3 active seulement 21 milliards de ses 295 milliards de paramètres par passage avant, ce qui maintient les coûts d'inférence plus bas que les modèles denses de qualité similaire. Son focus distinctif est la fiabilité en production : taux d'hallucination réduits, appels d'outils stables à travers les frameworks agentiques, et effort de raisonnement configurable plutôt que chaîne de pensée toujours active.

Verdict du capitaine
Un modèle de production sérieux à poids ouverts — ancré, prêt pour les agents, et tarifé bien en dessous du niveau phare avec lequel il concurrence.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #13 Hottest Text / LLM model · #13 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tendance de popularité de Hy3

Score de chaleur depuis 6 Jul 2026

Score de popularité

9,181°

Cette semaine

▲

33.9%

9,142° alors, 9,181° maintenant

Ce mois-ci

▲

315%

8,992° alors, 9,181° maintenant

L'année passée

n/a

Pas encore publié/suivi

7,000°

Plancher

L’échelle va de 0° à 9 999°. Tout ce qui est en dessous de 7,000° est réservé aux modèles dont aucune source ne rapporte encore de données, ils portent un nombre de remplacement pour que les listes restent complètes. 7,000° est le point où les données mesurées commencent : un modèle avec de vraies données mais presque aucun téléchargement est au plancher, et les mesures remplissent les degrés au-dessus. Le plancher ne dit rien sur le modèle ; seuls les degrés au-dessus le font, et ce sont eux qui différencient un modèle d’un autre.

+1,828°

Tokens OpenRouter

12,363,366,372,545 tokens traités par ce modèle via OpenRouter au cours des 30 derniers jours, prompts et réponses confondus. Chaque 10,000,000 tokens compte comme un téléchargement dans le terme de téléchargement, 1,236,336 au total ; les tokens du dernier jour s'ajoutent au taux d'adoption. Source : OpenRouter (openrouter.ai/rankings).

+353°

Taux d’adoption

Environ 50,937 téléchargements par jour, mesurés entre deux relevés des sources, jamais estimés à partir d’une moyenne sur la durée. La vitesse compte pour un quart du terme téléchargement, donc une poussée récente apparaît sans qu’un pic d’un jour dépasse des années d’usage.

Afficher le détail

Chaque chiffre sur ce site peut être vérifié. Le score de popularité de ce modèle est de 9,181°, et voici comment il est construit, ingrédient par ingrédient, avec le total cumulé après chaque étape : le plancher, les degrés ajoutés par chaque source, le bonus pour le type de modèle et ce que l’âge de ses poids enlève. Les couleurs correspondent aux bandes du graphique ci-dessus. Le glossaire à la fin définit chaque terme.

1
Commence au plancher.
Pourquoi 7,000° et pas zéro : l’échelle va de 0° à 9 999°, et la partie en dessous de 7,000° est réservée aux modèles dont aucune source ne rapporte encore de données, qui portent un nombre de remplacement pour que les listes restent complètes et ne dépassent jamais un modèle avec données. 7,000° est le point où les données mesurées commencent. Un modèle avec de vraies données mais presque aucun téléchargement est ici ; tout ce qui suit est une mesure, et l’espace au-dessus du plancher contient dix paliers de dix fois plus de téléchargements à 300° chacun. Le plancher est le même pour tous les modèles, donc il ne décide rien ; ce sont les degrés au-dessus qui le font.
7,000°
total en cours
2
Ajoute les téléchargements.
1,236,336 équivalents de téléchargement au total, venant de Tokens OpenRouter. Multiplier les téléchargements par dix ajoute le même 300°, donc la taille compte mais ne domine jamais le score.
+1,828°
8,828°
total en cours
3
Ajoute le taux d’adoption.
Environ 50,937 téléchargements par jour en ce moment, mesurés entre deux relevés, à un quart du poids.
+353°
9,181°
total en cours
=
Le score de chaleur.
La place de ce modèle dans chaque liste de ce site. Rien d’autre ne le modifie.
9,181°

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Voici comment la popularité de ce modèle a évolué par rapport au reste du catalogue : sa croissance en téléchargements, likes et utilisation à chaque période, comparée à la croissance typique des modèles sur la même période, avec son score de chaleur à ce moment-là. Au-dessus de la croissance typique, c’est une hausse, en dessous, une baisse. Le passé est reconstitué à partir des totaux d’aujourd’hui, du premier jour du modèle et de sa vitesse de téléchargement mesurée quand il y a deux relevés ; un modèle qui n’existait pas au début d’une période affiche n/a.

Modèles similaires

Meta Llama 3.1 8B Instruct Turbo

TEXT / LLM

GPT 3.5 Turbo Instruct

TEXT / LLM

Modèles d'IA pour générer image, vidéo et texte

Hy3 est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm tencent raisonnement programmation agents contexte long local

Parcourir par famille de modèles