Apakah bobot Hy3 terbuka dan bisakah saya menjalankannya secara lokal?

Ya, bobot dipublikasikan di Hugging Face di bawah tencent/Hy3 dan kartu model mencakup penyebaran dengan vLLM dan SGLang, serta finetuning dan kuantisasi. Dengan 295 miliar parameter total Anda akan membutuhkan perangkat keras besar — periksa panduan VRAM sebelum berkomitmen.

Berapa biaya Hy3 dan berapa jendela konteksnya?

Harga $0,08 per juta token input dan $0,33 per juta token output, dengan jendela konteks 256K token.

Apa perbedaan Hy3 dengan model MoE besar lainnya?

Hy3 hanya mengaktifkan 21 miliar dari 295 miliar parameternya per proses maju, menjaga biaya inferensi lebih rendah daripada model padat dengan kualitas serupa. Fokus pembedaannya adalah keandalan produksi: tingkat halusinasi yang dikurangi, panggilan alat yang stabil di berbagai kerangka agen, dan usaha penalaran yang dapat dikonfigurasi daripada rantai pemikiran yang selalu aktif.

▲

33.9%

minggu ini

Hy3

9181°

#llm #tencent #penalaran #pemrograman #agen #konteks panjang

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

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.

Panduan untuk model ini

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Hy3 adalah model Mixture-of-Experts 295 miliar parameter dari Tencent, dengan 21 miliar parameter aktif saat inferensi dan jendela konteks 256K. Model ini dilengkapi dengan kedalaman penalaran yang dapat diubah — tanpa pemikiran secara default, rantai pemikiran sesuai permintaan — dan dibangun dengan keandalan produksi dalam pikiran: panggilan alat yang stabil, pengurangan halusinasi, dan pelacakan kendala multi-putaran yang konsisten. Dengan harga $0,08/M input dan $0,33/M output, model ini menargetkan tim yang membutuhkan model kerja yang mampu dan terjangkau tanpa harga model unggulan.

Dikenal untuk

Kedalaman penalaran yang dapat dikonfigurasi: diam secara default, rantai pemikiran penuh saat dibutuhkan
Desain anti-halusinasi: menjawab saat berdasar, menandai kekurangan daripada membuat-buat
Panggilan alat yang stabil yang menggeneralisasi di berbagai kerangka agen seperti Cline dan KiloCode
Jendela konteks 256K cocok untuk dokumen panjang dan pelacakan kendala multi-putaran
Bobot terbuka dengan dukungan untuk vLLM, SGLang, finetuning, dan pelatihan ulang RL

Waspadai

295 miliar parameter total berarti perangkat keras serius diperlukan untuk menjalankan secara lokal — rencanakan multi-GPU atau penyebaran terkuantisasi.
Bobot terbuka tapi periksa ketentuan lisensi sebelum penggunaan komersial atau turunan.
Tencent belum menerbitkan API mandiri; ketersediaan tergantung penyedia inferensi Anda.

Terbaik untuk

Pemrograman

Agen dan penggunaan alat

Penalaran

Konteks panjang

Jalankan secara lokal

Prompt untuk dicoba

Rencana agen multi-langkah

Anda membangun pipeline CI/CD untuk monorepo Python dengan tiga layanan. Setiap layanan memiliki tes dan image Docker sendiri. Gariskan tahap pipeline, panggilan alat yang Anda lakukan di setiap tahap, dan bagaimana Anda menangani kegagalan di layanan B tanpa menghalangi layanan C untuk deploy.

Analisis keuangan yang berdasar

Ini adalah laporan laba rugi dan neraca perusahaan untuk dua tahun fiskal terakhir. Identifikasi tiga perubahan paling signifikan dalam kesehatan keuangan, jelaskan apa yang kemungkinan ditandakan oleh setiap perubahan, dan tandai angka yang datanya ambigu atau yang memerlukan konteks tambahan sebelum menarik kesimpulan.

Penalaran sulit dengan bukti

Sebuah kereta berangkat dari kota A pukul 08:00 dengan kecepatan 90 km/jam. Kereta kedua berangkat dari kota B, 360 km jauhnya, pukul 09:00 menuju kota A dengan kecepatan 120 km/jam. Kapan mereka bertemu, dan berapa jaraknya dari kota A? Tunjukkan setiap langkah penalaran sebelum memberikan jawaban.

Bandingkan dengan

Hy4 preview
Model dengan bobot terbuka
konteks 1,048,576 token · $0.83/M input, $2.50/M output
Hy3 preview
Model dengan bobot terbuka
konteks 262,144 token · $0.18/M input, $0.60/M output
Hunyuan A13B Instruct
Model dengan bobot terbuka
konteks 131,072 token · $0.14/M input, $0.57/M output
GPT-6 Luna
Model hanya API
konteks 1,050,000 token · $0.10/M input, $0.50/M output

Model teks lain dari tencent

Pertanyaan yang sering diajukan

Apakah bobot Hy3 terbuka dan bisakah saya menjalankannya secara lokal?: Ya, bobot dipublikasikan di Hugging Face di bawah tencent/Hy3 dan kartu model mencakup penyebaran dengan vLLM dan SGLang, serta finetuning dan kuantisasi. Dengan 295 miliar parameter total Anda akan membutuhkan perangkat keras besar — periksa panduan VRAM sebelum berkomitmen.
Berapa biaya Hy3 dan berapa jendela konteksnya?: Harga $0,08 per juta token input dan $0,33 per juta token output, dengan jendela konteks 256K token.
Apa perbedaan Hy3 dengan model MoE besar lainnya?: Hy3 hanya mengaktifkan 21 miliar dari 295 miliar parameternya per proses maju, menjaga biaya inferensi lebih rendah daripada model padat dengan kualitas serupa. Fokus pembedaannya adalah keandalan produksi: tingkat halusinasi yang dikurangi, panggilan alat yang stabil di berbagai kerangka agen, dan usaha penalaran yang dapat dikonfigurasi daripada rantai pemikiran yang selalu aktif.

Putusan Kapten
Model produksi bobot terbuka yang serius — berdasar, siap agen, dan harganya jauh di bawah tingkat unggulan yang menjadi pesaingnya.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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

Tren popularitas Hy3

Skor panas sejak 6 Jul 2026

Skor panas

9,181°

Minggu ini

▲

33.9%

9,142° dulu, 9,181° sekarang

Bulan ini

▲

315%

8,992° dulu, 9,181° sekarang

Tahun lalu

n/a

Belum dirilis/dilacak

7,000°

Floor

Skala berjalan dari 0° sampai 9.999°. Semua yang di bawah 7,000° disimpan untuk model yang belum dilaporkan oleh sumber mana pun, yang memakai angka pengganti di sana supaya daftar tetap lengkap. 7,000° adalah titik awal data yang diukur: model dengan data nyata tapi hampir tidak ada unduhan berada di floor, dan pengukuran mengisi derajat di atasnya. Floor tidak mengatakan apa-apa tentang model; hanya derajat di atasnya yang berbicara, dan itu yang membedakan satu model dengan yang lain.

+1,828°

Token OpenRouter

12,363,366,372,545 token diproses model ini melalui OpenRouter dalam 30 hari terakhir, termasuk prompt dan jawaban. Setiap 10,000,000 token dihitung sebagai satu unduhan dalam istilah unduhan, total 1,236,336; token hari terakhir masuk ke tingkat adopsi. Sumber: OpenRouter (openrouter.ai/rankings).

+353°

Tingkat adopsi

Sekitar 50,937 unduhan per hari, diukur antara dua pembacaan sumber, tidak pernah ditebak dari rata-rata seumur hidup. Kecepatan dihitung seperempat dari istilah unduhan, jadi lonjakan baru terlihat tanpa membiarkan lonjakan satu hari mengalahkan penggunaan bertahun-tahun.

Tampilkan rincian

Setiap angka di situs ini bisa dicek. Skor heat model ini adalah 9,181°, dan ini dibangun satu bahan pada satu waktu, dengan total berjalan setelah setiap langkah: floor, derajat yang ditambahkan setiap sumber, bonus untuk jenis model dan pengurangan karena usia bobotnya. Warna-warna itu adalah rentang pada grafik di atas. Glosarium di akhir menjelaskan setiap istilah.

1
Mulai dari floor.
Kenapa 7,000° dan bukan nol: skala dari 0° sampai 9.999°, dan bagian di bawah 7,000° disediakan untuk model yang belum dilaporkan sumber mana pun, yang memakai angka pengganti supaya daftar tetap lengkap dan tidak pernah mengalahkan model dengan data. 7,000° adalah titik awal data yang diukur. Model dengan data nyata tapi hampir tidak ada unduhan berada di sini; semua yang berikutnya adalah pengukuran, dan ruang di atas floor memuat sepuluh langkah sepuluh kali lipat unduhan dengan 300° masing-masing. Floor sama untuk semua model, jadi tidak menentukan apa-apa; yang menentukan adalah derajat di atasnya.
7,000°
total berjalan
2
Tambahkan unduhan.
1,236,336 setara unduhan secara total, dari Token OpenRouter. Sepuluh kali unduhan menambah 300° yang sama, jadi ukuran penting tapi tidak pernah mendominasi skor.
+1,828°
8,828°
total berjalan
3
Tambahkan tingkat adopsi.
Sekitar 50,937 unduhan per hari sekarang, diukur antara dua pembacaan, dengan bobot seperempat.
+353°
9,181°
total berjalan
=
Skor heat.
Posisi model ini di setiap daftar di situs ini. Tidak ada yang mengubahnya selain ini.
9,181°

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Bagaimana popularitas model ini bergerak dibandingkan dengan katalog lainnya: pertumbuhan unduhan, suka, dan penggunaan setiap periode, diukur terhadap pertumbuhan model biasa dalam periode yang sama, dengan skor panasnya saat itu. Di atas pertumbuhan biasa berarti naik, di bawahnya berarti turun. Masa lalu direkonstruksi dari total hari ini, hari pertama model, dan kecepatan unduhan yang diukur jika ada dua pembacaan; model yang belum ada di awal periode menunjukkan n/a.

Model Serupa

Pareto Latest

TEXT / LLM

Meta Llama 3 70B Instruct

Model AI untuk Pembuatan Gambar, Video & Teks

Hy3 adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm tencent penalaran pemrograman agen konteks panjang lokal

Jelajahi berdasarkan Keluarga Model