Adakah berat Hy3 terbuka dan bolehkah saya jalankan secara tempatan?

Ya, berat diterbitkan di Hugging Face di bawah tencent/Hy3 dan kad model merangkumi penyebaran dengan vLLM dan SGLang, serta penalaan halus dan kuantisasi. Dengan 295B parameter keseluruhan anda memerlukan perkakasan besar — periksa panduan VRAM sebelum komit.

Berapa kos Hy3 dan berapa tetingkap konteksnya?

Harga adalah $0.08 setiap sejuta token input dan $0.33 setiap sejuta token output, dengan tetingkap konteks 256K token.

Bagaimana Hy3 berbeza dari model MoE besar lain?

Hy3 hanya mengaktifkan 21B daripada 295B parameternya setiap laluan ke hadapan, mengekalkan kos inferens lebih rendah daripada model padat berkualiti serupa. Fokus utamanya adalah kebolehpercayaan produksi: kadar halusinasi dikurangkan, panggilan alat stabil merentasi rangka agen, dan usaha penalaran boleh laras berbanding rantaian pemikiran sentiasa aktif.

▲

33.9%

minggu ini

Hy3

9181°

#llm #tencent #penalaran #pengaturcaraan #ejen #konteks panjang

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci 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.

Panduan untuk model ini

Berapa banyak VRAM yang saya perlukan untuk AI tempatan?

Apakah fail GGUF? Model kuantisasi diterangkan (Q4, Q8, fp8, NF4)

Berat terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya kamu dibenarkan lakukan

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Hy3 adalah model Mixture-of-Experts 295B parameter dari Tencent, dengan 21B parameter aktif semasa inferens dan tetingkap konteks 256K. Ia dilengkapi dengan kedalaman penalaran boleh tukar — tiada pemikiran secara lalai, rantaian pemikiran atas permintaan — dan dibina dengan kebolehpercayaan produksi dalam fikiran: panggilan alat stabil, pengurangan halusinasi, dan penjejakan kekangan pelbagai pusingan yang konsisten. Pada harga $0.08/M input dan $0.33/M output, ia menyasarkan pasukan yang memerlukan kuda kerja berupaya dan berasaskan tanpa harga model utama.

Dikenali untuk

Kedalaman penalaran boleh laras: senyap secara lalai, rantaian pemikiran penuh bila perlu
Reka bentuk anti-halusinasi: menjawab bila berasaskan, menandakan kekurangan daripada mereka cipta
Panggilan alat stabil yang umum merentasi rangka agen seperti Cline dan KiloCode
Tetingkap konteks 256K sesuai untuk dokumen panjang dan penjejakan kekangan pelbagai pusingan
Berat terbuka dengan sokongan untuk vLLM, SGLang, penalaan halus, dan latihan pasca RL

Berhati-hati dengan

295B parameter keseluruhan bermakna perkakasan serius diperlukan untuk jalankan secara tempatan — rancang untuk multi-GPU atau penyebaran kuantisasi.
Berat terbuka tetapi periksa terma lesen sebelum penggunaan komersial atau derivatif.
Tencent belum menerbitkan API berdiri sendiri; ketersediaan bergantung pada penyedia inferens anda.

Terbaik untuk

Pengaturcaraan

Ejen dan penggunaan alat

Penalaran

Konteks panjang

Jalankan secara tempatan

Arahan untuk cuba

Rancangan agen berbilang langkah

Anda membina saluran CI/CD untuk monorepo Python dengan tiga perkhidmatan. Setiap perkhidmatan mempunyai ujian dan imej Docker sendiri. Gariskan peringkat saluran, panggilan alat yang anda akan buat pada setiap peringkat, dan bagaimana anda mengendalikan kegagalan dalam perkhidmatan B tanpa menghalang perkhidmatan C daripada diterbitkan.

Analisis kewangan berasaskan fakta

Ini adalah penyata pendapatan dan lembaran imbangan syarikat untuk dua tahun fiskal terakhir. Kenal pasti tiga perubahan paling signifikan dalam kesihatan kewangan, terangkan apa yang mungkin ditunjukkan oleh setiap perubahan, dan tandakan mana-mana angka yang data tidak jelas atau di mana anda memerlukan konteks tambahan sebelum membuat kesimpulan.

Penalaran sukar dengan bukti

Sebuah kereta api meninggalkan bandar A pada pukul 08:00 dengan kelajuan 90 km/j. Kereta api kedua meninggalkan bandar B, 360 km jauhnya, pada pukul 09:00 menuju bandar A dengan kelajuan 120 km/j. Pada pukul berapa mereka bertemu, dan berapa jauh dari bandar A? Tunjukkan setiap langkah penalaran anda sebelum memberikan jawapan.

Bandingkan dengan

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

Lebih banyak model teks dari tencent

Soalan yang sering ditanya

Adakah berat Hy3 terbuka dan bolehkah saya jalankan secara tempatan?: Ya, berat diterbitkan di Hugging Face di bawah tencent/Hy3 dan kad model merangkumi penyebaran dengan vLLM dan SGLang, serta penalaan halus dan kuantisasi. Dengan 295B parameter keseluruhan anda memerlukan perkakasan besar — periksa panduan VRAM sebelum komit.
Berapa kos Hy3 dan berapa tetingkap konteksnya?: Harga adalah $0.08 setiap sejuta token input dan $0.33 setiap sejuta token output, dengan tetingkap konteks 256K token.
Bagaimana Hy3 berbeza dari model MoE besar lain?: Hy3 hanya mengaktifkan 21B daripada 295B parameternya setiap laluan ke hadapan, mengekalkan kos inferens lebih rendah daripada model padat berkualiti serupa. Fokus utamanya adalah kebolehpercayaan produksi: kadar halusinasi dikurangkan, panggilan alat stabil merentasi rangka agen, dan usaha penalaran boleh laras berbanding rantaian pemikiran sentiasa aktif.

Keputusan Kapten
Model produksi berat terbuka yang serius — berasaskan fakta, sedia agen, dan harga jauh di bawah tahap utama yang bersaing dengannya.

Kad model di Hugging Face

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh 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

Trend populariti Hy3

Skor panas sejak 6 Jul 2026

Skor haba

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 dikeluarkan/dipantau

7,000°

Lantai

Skala berjalan dari 0° hingga 9,999°. Apa sahaja di bawah 7,000° disimpan untuk model yang belum dilaporkan oleh mana-mana sumber, yang membawa nombor gantian di situ supaya senarai tetap lengkap. 7,000° adalah tempat data yang diukur bermula: model dengan data sebenar tapi hampir tiada muat turun berada di lantai, dan ukuran mengisi darjah di atasnya. Lantai tidak memberitahu apa-apa tentang model; hanya darjah di atasnya yang buat beza antara satu model dengan model lain.

+1,828°

Token OpenRouter

12,363,366,372,545 token diproses oleh model ini melalui OpenRouter dalam 30 hari terakhir, termasuk arahan dan jawapan. Setiap 10,000,000 token dikira sebagai satu muat turun dalam tempoh muat turun, 1,236,336 semuanya; token hari terakhir disertakan dalam kadar penggunaan. Sumber: OpenRouter (openrouter.ai/rankings).

+353°

Kadar penerimaan

Kira-kira 50,937 muat turun sehari, diukur antara dua bacaan sumber, tidak pernah dianggarkan dari purata sepanjang hayat. Kelajuan seberat suku istilah muat turun, jadi lonjakan baru kelihatan tanpa membiarkan lonjakan satu hari mengatasi penggunaan bertahun-tahun.

Tunjukkan pecahan terperinci

Setiap nombor di laman ini boleh diperiksa. Skor panas model ini adalah 9,181°, dan ia dibina satu bahan pada satu masa, dengan jumlah terkini selepas setiap langkah: lantai, darjah yang ditambah oleh setiap sumber, bonus untuk jenis model dan apa yang umur beratnya tolak. Warna-warna itu adalah jalur carta di atas. Glosari di akhir menerangkan setiap istilah.

1
Mula di lantai.
Kenapa 7,000° dan bukan sifar: skala dari 0° hingga 9,999°, dan bahagian di bawah 7,000° dikhaskan untuk model yang belum dilaporkan oleh mana-mana sumber, yang membawa nombor gantian supaya senarai tetap lengkap dan tidak pernah mengatasi model dengan data. 7,000° adalah tempat data yang diukur bermula. Model dengan data sebenar tapi hampir tiada muat turun berada di sini; semua yang berikut adalah ukuran, dan ruang di atas lantai ada sepuluh langkah muat turun sepuluh kali ganda pada 300° setiap satu. Lantai sama untuk setiap model, jadi ia tidak tentukan apa-apa; darjah di atasnya yang buat beza.
7,000°
jumlah berjalan
2
Tambah muat turun.
1,236,336 muat turun setara semuanya, dari Token OpenRouter. Sepuluh kali muat turun menambah 300° yang sama, jadi saiz penting tapi tidak pernah mengatasi skor.
+1,828°
8,828°
jumlah berjalan
3
Tambah kadar penerimaan.
Sekitar 50,937 muat turun sehari sekarang, diukur antara dua bacaan, dengan berat suku.
+353°
9,181°
jumlah berjalan
=
Skor heat.
Di mana model ini berdiri dalam setiap senarai laman ini. Tiada yang lain mengubahnya.
9,181°

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Bagaimana populariti model ini bergerak berbanding katalog lain: pertumbuhannya dalam muat turun, suka dan penggunaan setiap tempoh, diukur berbanding pertumbuhan model biasa dalam tempoh yang sama, dengan skor panasnya pada masa itu. Di atas pertumbuhan biasa dibaca sebagai kenaikan, di bawahnya sebagai penurunan. Masa lalu dibina semula dari jumlah hari ini, hari pertama model dan kelajuan muat turun yang diukur jika ada dua bacaan; model yang tidak wujud pada permulaan tempoh menunjukkan n/a.

Model serupa

Llama 4 Maverick

TEXT / LLM

Hermes 3 405B Instruct

Model AI untuk penjanaan imej, video dan teks

Hy3 ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm tencent penalaran pengaturcaraan ejen konteks panjang tempatan

Layari mengikut keluarga model