Sunt greutățile Hy3 preview deschise și pot rula local?

Da, greutățile sunt public disponibile pe Hugging Face sub tencent/Hy3-preview, iar Tencent documentează implementarea prin vLLM și SGLang. Ține cont că modelul are 295B parametri total, deci inferența locală necesită hardware substanțial.

Cât costă Hy3 preview și cât de lung este contextul?

Prin API costă 0,18 USD per milion de tokeni de intrare și 0,60 USD per milion de tokeni de ieșire, cu o fereastră de context de 262.144 tokeni.

Cum diferă Hy3 preview de DeepSeek-V3 sau Kimi-K2?

Toate trei sunt modele mari MoE, dar Hy3 preview activează doar 21B parametri față de 37B pentru DeepSeek-V3 și 32B pentru Kimi-K2, și adaugă moduri de adâncime a raționamentului selectabile, pe care celelalte două modele nu le oferă ca control de primă clasă.

Hy3 preview

2976°

#llm #tencent #raționament #agenți #programare #context lung

Rulează modelul

Oferte / Reclame

OpenRouter Terminal / API

Plătește pe token

Conversează cu acest model în browser sau apelează-l din codul tău cu o singură cheie API.

Tencent | context de 262.144 tokeni | 0,18 $/M input, 0,60 $/M output. Hy3 preview este un model Mixture-of-Experts de înaltă eficiență de la Tencent, proiectat pentru fluxuri de lucru agentice și utilizare în producție. Suportă niveluri configurabile de raționament în moduri dezactivate, low și high, permițând echilibrarea vitezei și profunzimii în funcție de sarcină, oferind în același timp generare de cod puternică și performanță fiabilă în fluxuri de lucru multi-pas din lumea reală.

Ghiduri pentru acest model

Cel mai bun LLM local după caz de utilizare (octombrie 2026): modelul open potrivit pentru fiecare job

De câțiva GB de VRAM am nevoie cu adevărat pentru AI local?

Greutăți deschise vs open source vs doar API: ce ai voie să faci cu adevărat

Ce este un fișier GGUF? Modele cuantificate explicate (Q4, Q8, fp8, NF4)

Toate ghidurile

Notele căpitanului

Scris de Captain, editorul casei

Note din 2026-10-13

Hy3 preview este un model Mixture-of-Experts cu 295 miliarde de parametri de la Tencent, activând doar 21 miliarde de parametri per pas înainte. Vine cu adâncime de raționament configurabilă — oprită, scăzută sau ridicată — astfel încât poți face un compromis între cost și rigurozitate pentru fiecare sarcină. Greutățile sunt deschise, prețul este mic, iar modelul este construit explicit pentru fluxuri agentice și multi-pas, nu pentru chat casual.

Cunoscut pentru

Moduri configurabile de raționament care permit ajustarea vitezei versus profunzimea per cerere.
Rezultate puternice la benchmark-uri de codare și agenți, inclusiv SWE-bench Verified.
Fereastră de context de 256K tokeni pentru documente lungi și bucle multi-turn agentice.
Arhitectura MoE menține parametrii activi la 21B în ciuda scalei totale de 295B.
Greutăți deschise disponibile pe Hugging Face; implementabil prin vLLM sau SGLang.

Atenție la

295B parametri total înseamnă că găzduirea locală cere hardware serios, în ciuda numărului redus de parametri activi.
Este încă o versiune preview; Tencent nu a publicat o licență finală sau garanții de stabilitate.
Modul de raționament adaugă tokeni de ieșire, ceea ce crește costul când este setat pe high.

Cel mai bun pentru

Agenți și utilizare unelte

Sugestii de încercat

Refactorizare multi-pas

Ai un serviciu Python care citește un CSV, filtrează rândurile unde coloana 'status' este 'active', calculează media coloanei 'score' pe regiune și scrie rezultatul într-un CSV nou. Codul actual folosește un loop imbricat și este lent pe fișiere de peste 100 MB. Rescrie-l folosind pandas, adaugă tratare de erori pentru coloane lipsă și explică fiecare schimbare.

Planificare agent sub constrângeri

Ești un agent cu trei unelte: web_search, read_file și write_file. Un utilizator vrea o analiză competitivă a celor mai bune trei LLM-uri open-weight lansate în 2025, salvată ca tabel markdown comparând lungimea contextului, licența și cel mai bun caz de utilizare. Scrie secvența exactă de apeluri de unelte pe care le-ai face, cu argumente, înainte de a executa ceva.

Puzzle de raționament dificil

Cinci ingineri dețin fiecare câte un laptop diferit și preferă câte un limbaj de programare. Dezvoltatorul Rust stă lângă cel cu ThinkPad. Dezvoltatorul Python are MacBook. Cel cu Dell nu este la niciun capăt. Dezvoltatorul Go este imediat la stânga celui cu C++. Dezvoltatorul TypeScript are XPS. Cine deține Surface și ce limbaj folosește? Arată raționamentul pas cu pas.

Compară cu

Hy4 preview
Model cu greutăți deschise
context de 1,048,576 tokeni · $0.83/M intrare, $2.50/M ieșire
Hy3
Model cu greutăți deschise
context de 262,144 tokeni · $0.13/M intrare, $0.53/M ieșire
Hunyuan A13B Instruct
Model cu greutăți deschise
context de 131,072 tokeni · $0.14/M intrare, $0.57/M ieșire
GPT-6 Luna
Model doar API
context de 1,050,000 tokeni · $0.10/M intrare, $0.50/M ieșire

Mai multe modele text de la tencent

Întrebări frecvente

Sunt greutățile Hy3 preview deschise și pot rula local?: Da, greutățile sunt public disponibile pe Hugging Face sub tencent/Hy3-preview, iar Tencent documentează implementarea prin vLLM și SGLang. Ține cont că modelul are 295B parametri total, deci inferența locală necesită hardware substanțial.
Cât costă Hy3 preview și cât de lung este contextul?: Prin API costă 0,18 USD per milion de tokeni de intrare și 0,60 USD per milion de tokeni de ieșire, cu o fereastră de context de 262.144 tokeni.
Cum diferă Hy3 preview de DeepSeek-V3 sau Kimi-K2?: Toate trei sunt modele mari MoE, dar Hy3 preview activează doar 21B parametri față de 37B pentru DeepSeek-V3 și 32B pentru Kimi-K2, și adaugă moduri de adâncime a raționamentului selectabile, pe care celelalte două modele nu le oferă ca control de primă clasă.

Verdictul căpitanului
Un MoE cu adevărat eficient, cu greutăți deschise, prețuri mici prin API și raționament pe care îl poți regla — merită o privire serioasă pentru muncă agentică și de programare.

Fișa modelului pe Hugging Face

Căpitanul scrie aceste note pe baza descrierii modelului și a fișei modelului. Prețurile și dimensiunile contextului sunt cele ale furnizorului la momentul scrierii și pot varia.

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

Not this creator?

Get your own badge

Cum se adună acest scor

Acest model nu are încă date de popularitate de la nicio sursă, așa că are un număr provizoriu sub 7,000° care menține listele complete. Nu va fi niciodată clasat mai sus decât un model cu date. Descompunerea apare aici imediat ce o sursă o raportează.

Glosar: termenii folosiți aici

Scor de căldură: Un număr care arată cât de mult este folosit și dorit un model acum, de la 0° la 9.999°. Fiecare listă de pe site care spune „cele mai călduroase” este sortată după acest scor și nimic altceva.
Prag: 7.000° este punctul de start pentru orice model cu date reale. Scara merge de la 0° la 9.999°; partea de sub prag este rezervată pentru înlocuitori (modele fără date), ca să fie sigur că un model cu date e mereu mai sus decât unul fără. Pragul e același pentru toți și nu decide nimic; gradele de deasupra lui sunt măsurătoarea.
Echivalente descărcări: Tot ce scorul tratează ca o descărcare, adunat: descărcările în sine, fiecare seeder de torrent ca 1.000, fiecare imagine AI Horde și fiecare rulare pe un site de generare ca una.
Scară logaritmică: Se numără la zeci, nu la unități: trecerea de la 1.000 la 10.000 descărcări adaugă aceleași grade ca trecerea de la 10.000 la 100.000. Astfel, modelele mari nu acoperă tot ce e mic.
Aprecieri: Like-uri și aprecieri de oriunde, fiecare valorează jumătate dintr-o descărcare pe scara logaritmică.
Rata de adoptare: Câte descărcări pe zi primește un model acum, calculat din diferența dintre două citiri ale unei surse. Are un sfert din greutatea termenului de descărcare.
Măsurat și estimat: Măsurat înseamnă că există două citiri ale unei surse și diferența este reală. Estimat înseamnă că se știe doar totalul de azi, iar trecutul este împărțit pe durata vieții modelului; site-ul spune care dintre ele este afișat.
Seeder: Cineva care păstrează o copie a greutăților online pentru ca alții să le descarce prin torrent, sau o oglindă găzduită care face același lucru. Fiecare contează ca 1.000 de descărcări.
AI Horde: O rețea de voluntari care generează imagini gratuit pe calculatoare donate. Numărul de imagini create cu un model este public și fiecare contează ca o descărcare.
Site-uri de generare: Site-uri care găzduiesc propriile copii ale unui model și permit oamenilor să genereze cu el, cum ar fi PixAI, SeaArt și Yodayo. Descărcările lor contează ca cele de pe Civitai, iar fiecare rulare de generare ca o descărcare.
Tokeni OpenRouter: Un model de text servit printr-un API, cum ar fi Claude sau GPT, nu are greutăți de descărcat, deci utilizarea sa se măsoară în tokeni: bucățile de text citite și scrise prin OpenRouter, un gateway folosit de multe aplicații, în ultimele 30 de zile. Fiecare 10,000,000 tokeni contează ca un download. Sursa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model complet (checkpoint): Greutățile în sine, fișierul care generează singur. Primește un bonus pentru că depind de el add-on-urile.
LoRA și embedding: Fișiere mici add-on care direcționează greutățile altcuiva spre un stil, un personaj sau un concept. Nu pot rula singure.
Familie și greutăți: Baza pe care este construit un model, cum ar fi SD 1.5, SDXL, Flux sau Wan. Fiecare model moștenește data lansării greutăților familiei sale.
Vârstă: Grade scăzute în funcție de cât timp a trecut de când au apărut greutățile familiei: 150° pe an, până la 750°. Păstrează descărcările vechi care au avut ani să se acumuleze, blocând topul listei.
Boost de familie: Un mic impuls limitat pentru LoRA-urile unei familii pe care site-ul o promovează acum, întotdeauna listat în detaliu.
Scor de rezervă: Un număr stabil sub prag, dat unui model despre care nicio sursă nu raportează încă, ca listele să rămână complete. Nu se clasează niciodată peste un model cu date.
Nou! (perioadă de grație): Un model mai nou de 7 zile afișează Nou! în loc de scor și nu ocupă loc în clasamente. Scorul său este calculat de la prima zi, dar un model de o zi crește mai rapid decât orice altceva, deci fără această așteptare, modelul #1 al săptămânii ar fi întotdeauna cel apărut ieri, nu cel care a rezistat o săptămână.
Tendință: Cum se compară creșterea unui model într-o perioadă cu creșterea tipică a unui model în aceeași perioadă. Mai rapid decât tipicul înseamnă creștere, mai lent scădere.
Model tipic: Mijlocul catalogului: jumătate dintre modele cu o cifră au crescut mai repede în perioada respectivă, jumătate mai încet.

Modele similare

Modele AI pentru generare de imagini, video și text

Hy3 preview este un model de text pentru familia Text / LLM, listat pe ModelTrends.ai, un catalog doar pentru citire al modelelor AI open source pentru imagini, video și text. Compară-l cu alte modele Text / LLM și verifică-i scorul de căldură pentru a vedea cât este de popular.

Mai multe modele Text / LLM llm tencent raționament agenți programare context lung local

Răsfoiește după familia de modele