Bukás ba ang Hy3 weights at puwede ko bang patakbuhin ito nang lokal?

Oo, ang weights ay inilathala sa Hugging Face sa ilalim ng tencent/Hy3 at ang model card ay sumasaklaw sa deployment gamit ang vLLM at SGLang, pati na rin ang finetuning at quantisation. Sa 295B total parameters, kakailanganin mo ng malaking hardware — suriin ang VRAM guide bago mag-commit.

Magkano ang Hy3 at gaano kahaba ang context window?

Presyo ay $0.08 kada milyong input tokens at $0.33 kada milyong output tokens, na may 256K token context window.

Paano naiiba ang Hy3 sa ibang malalaking MoE models?

Ang Hy3 ay nag-aactivate lamang ng 21B mula sa 295B parameters kada forward pass, kaya mas mababa ang gastos sa inference kumpara sa dense models na may katulad na kalidad. Ang natatanging pokus nito ay production reliability: nabawasang hallucination, matatag na tool-calling sa iba't ibang agent frameworks, at configurable reasoning effort sa halip na palaging chain-of-thought.

▲

33.9%

ngayong linggo

Hy3

9181°

#llm #tencent #pangangatwiran #pag-coding #mga ahente #mahabang konteksto

Patakbuhin ang modelong ito

Alok / Ads

OpenRouter Terminal / API

Bayad kada token

Makipag-chat sa modelong ito sa browser o tawagan ito mula sa iyong code gamit ang isang 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.

Mga gabay para sa model na ito

Gaano ba talaga kalaki ang VRAM na kailangan ko para sa local AI?

Ano ang GGUF file? Ipinaliwanag ang mga quantized na modelo (Q4, Q8, fp8, NF4)

Open weights vs open source vs API-only: ano talaga ang pwede mong gawin

Lahat ng gabay

Mga tala ng Kapitan

Isinulat ni Captain, ang editor ng bahay

Mga tala mula sa 2026-10-13

Ang Hy3 ay isang 295B Mixture-of-Experts model mula sa Tencent, na may 21B parameters na aktibo sa inference at 256K context window. May switchable reasoning depth — no-think bilang default, chain-of-thought kapag kailangan — at ginawa para sa production reliability: matatag na tool-calling, nabawasang hallucination, at consistent na multi-turn constraint tracking. Sa $0.08/M input at $0.33/M output, target nito ang mga team na nangangailangan ng matibay at grounded na workhorse nang hindi premium ang presyo.

Kilalang-kilala sa

Configurable reasoning depth: tahimik bilang default, full chain-of-thought kapag kailangan
Anti-hallucination design: sumasagot kapag grounded, nagfa-flag ng gaps kaysa gumawa ng hindi totoo
Matatag na tool-calling na gumagana sa iba't ibang agent scaffoldings tulad ng Cline at KiloCode
256K context window na angkop sa mahahabang dokumento at multi-turn constraint tracking
Open weights na suportado ang vLLM, SGLang, finetuning, at RL post-training

Mag-ingat sa

Ang 295B total parameters ay nangangailangan ng seryosong hardware para lokal na pagpapatakbo — planuhin ang multi-GPU o quantised deployment.
Bukás ang weights pero suriin ang lisensya bago gamitin sa komersyal o derivative na paraan.
Hindi pa naglalabas ang Tencent ng standalone API; depende ang availability sa iyong inference provider.

Pinakamainam para sa

Pag-coding

Mga ahente at paggamit ng tool

Pangangatwiran

Mahabang konteksto

Tumakbo nang lokal

Mga prompt na subukan

Multi-step agentic plan

Gumagawa ka ng CI/CD pipeline para sa isang Python monorepo na may tatlong serbisyo. Bawat serbisyo ay may sariling tests at Docker image. Ilahad ang mga stage ng pipeline, ang mga tool call na gagawin sa bawat stage, at kung paano haharapin ang failure sa service B nang hindi hinaharang ang deployment ng service C.

Grounded financial analysis

Narito ang income statement at balance sheet ng isang kumpanya para sa nakaraang dalawang fiscal year. Tukuyin ang tatlong pinakamahalagang pagbabago sa financial health, ipaliwanag kung ano ang posibleng ibig sabihin ng bawat pagbabago, at markahan ang anumang mga numero kung saan malabo ang datos o kailangan ng karagdagang konteksto bago magbigay ng konklusyon.

Mahirap na reasoning na may ebidensya

Isang tren ang umalis sa lungsod A ng 08:00 na tumatakbo ng 90 km/h. Isang pangalawang tren ang umalis sa lungsod B, 360 km ang layo, ng 09:00 na papunta sa lungsod A na tumatakbo ng 120 km/h. Anong oras sila magkikita, at gaano kalayo mula sa lungsod A? Ipakita ang bawat hakbang ng iyong lohika bago ibigay ang sagot.

Ihambing sa

Hy4 preview
Modelong bukas ang timbang
1,048,576 token na konteksto · $0.83/M input, $2.50/M output
Hy3 preview
Modelong bukas ang timbang
262,144 token na konteksto · $0.18/M input, $0.60/M output
Hunyuan A13B Instruct
Modelong bukas ang timbang
131,072 token na konteksto · $0.14/M input, $0.57/M output
GPT-6 Luna
Modelong API lang
1,050,000 token na konteksto · $0.10/M input, $0.50/M output

Higit pang mga text model mula sa tencent

Mga tanong na madalas itanong

Bukás ba ang Hy3 weights at puwede ko bang patakbuhin ito nang lokal?: Oo, ang weights ay inilathala sa Hugging Face sa ilalim ng tencent/Hy3 at ang model card ay sumasaklaw sa deployment gamit ang vLLM at SGLang, pati na rin ang finetuning at quantisation. Sa 295B total parameters, kakailanganin mo ng malaking hardware — suriin ang VRAM guide bago mag-commit.
Magkano ang Hy3 at gaano kahaba ang context window?: Presyo ay $0.08 kada milyong input tokens at $0.33 kada milyong output tokens, na may 256K token context window.
Paano naiiba ang Hy3 sa ibang malalaking MoE models?: Ang Hy3 ay nag-aactivate lamang ng 21B mula sa 295B parameters kada forward pass, kaya mas mababa ang gastos sa inference kumpara sa dense models na may katulad na kalidad. Ang natatanging pokus nito ay production reliability: nabawasang hallucination, matatag na tool-calling sa iba't ibang agent frameworks, at configurable reasoning effort sa halip na palaging chain-of-thought.

Hatol ng Kapitan
Isang seryosong open-weights production model — grounded, handa para sa agent, at may presyong mas mababa kaysa sa flagship tier na kinakalaban nito.

Model card sa Hugging Face

Isinusulat ng Kapitan ang mga tala na ito mula sa sariling paglalarawan at model card ng modelo. Ang mga presyo at laki ng konteksto ay mula sa provider sa oras ng pagsulat at maaaring magbago.

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 ng kasikatan ng Hy3

Heat score mula 6 Jul 2026

Iskor ng init

9,181°

Ngayong linggo

▲

33.9%

9,142° noon, 9,181° ngayon

Ngayong buwan

▲

315%

8,992° noon, 9,181° ngayon

Nakaraang taon

n/a

Hindi pa nailalabas/natatrack

7,000°

Floor

Ang sukat ay mula 0° hanggang 9,999°. Lahat ng nasa ibaba ng 7,000° ay para sa mga modelong wala pang ulat mula sa pinanggalingan, kaya may stand-in na numero doon para kumpleto ang mga listahan. Sa 7,000° nagsisimula ang nasusukat na datos: ang modelong may totoong datos pero halos walang downloads ay nasa floor, at ang mga sukat ay pumupuno sa mga degree sa itaas nito. Ang floor ay hindi nagsasabi ng anuman tungkol sa modelo; ang mga degree sa itaas nito ang nagkakaiba-iba at siyang naghihiwalay ng mga modelo.

+1,828°

OpenRouter tokens

12,363,366,372,545 tokens ang naproseso ng modelong ito sa pamamagitan ng OpenRouter sa nakaraang 30 araw, kasama ang mga prompt at sagot. Bawat 10,000,000 tokens ay katumbas ng isang download sa termino ng download, 1,236,336 lahat-lahat; ang mga tokens ng huling araw ay kasama sa adoption rate. Pinagmulan: OpenRouter (openrouter.ai/rankings).

+353°

Bilis ng pagtanggap

Mga humigit-kumulang 50,937 downloads bawat araw, sinusukat sa pagitan ng dalawang pagbabasa ng mga pinanggalingan, hindi hinuhulaan mula sa average ng buong buhay. Ang bilis ay katumbas ng isang-kapat ng term ng downloads, kaya ang bagong pagtaas ay nakikita nang hindi pinapantayan ng isang araw na spike ang mga taon ng paggamit.

Ipakita ang detalyadong paghahati

Pwedeng suriin ang bawat numero sa site na ito. Ang heat score ng modelong ito ay 9,181°, at dito ito binubuo ng paisa-isang sangkap, kasama ang tumatakbong kabuuan pagkatapos ng bawat isa: ang floor, ang mga degree na idinadagdag ng bawat pinanggalingan, ang bonus para sa uri ng modelo at ang binabawas ng edad ng mga weights nito. Ang mga kulay ay ang mga banda ng tsart sa itaas. Ang glossary sa dulo ay naglilinaw ng bawat termino.

1
Magsimula sa floor.
Bakit 7,000° at hindi zero: ang sukat ay mula 0° hanggang 9,999°, at ang bahagi sa ibaba ng 7,000° ay nakalaan para sa mga modelong wala pang ulat mula sa pinanggalingan, kaya may stand-in na numero doon para kumpleto ang mga listahan at hindi mauuna sa modelong may datos. Sa 7,000° nagsisimula ang nasusukat na datos. Ang modelong may totoong datos pero halos walang downloads ay nandito; ang lahat ng susunod ay sukat, at ang espasyo sa itaas ng floor ay may sampung hakbang na sampung beses na pagtaas sa downloads na may 300° bawat isa. Pareho ang floor para sa lahat ng modelo, kaya hindi ito nagdedesisyon; ang mga degree sa itaas nito ang nagdedesisyon.
7,000°
patuloy na kabuuan
2
Idagdag ang mga download.
1,236,336 na katumbas ng download sa lahat, mula sa OpenRouter tokens. Sampung beses na pagdagdag ng downloads ay nagdadagdag ng parehong 300°, kaya mahalaga ang laki pero hindi ito sobra sa puntos.
+1,828°
8,828°
patuloy na kabuuan
3
Idagdag ang bilis ng pagtanggap.
Mga 50,937 downloads kada araw ngayon, sinusukat sa pagitan ng dalawang readings, na may isang-kapat na bigat.
+353°
9,181°
patuloy na kabuuan
=
Ang heat score.
Kung saan nakatayo ang modelong ito sa bawat listahan ng site na ito. Wala nang ibang nagbabago nito.
9,181°

Talahulugan: ang mga terminong ginagamit dito

Heat score: Isang numero kung gaano kadalas gamitin at gusto ang isang modelo ngayon, mula 0° hanggang 9,999°. Bawat listahan sa site na ito na nagsasabing pinakamainit ay nakaayos base dito at wala nang iba pa.
Floor: Ang 7,000° na panimulang puntos ng bawat modelong may totoong datos. Ang sukatan ay mula 0° hanggang 9,999°; ang bahagi sa ilalim ng floor ay para sa mga stand-in (mga modelong walang datos), para laging mas mataas ang ranggo ng may datos kaysa wala. Pareho ang floor para sa lahat at hindi ito nagpapasya; ang mga degree sa itaas nito ang totoong sukat.
Katumbas ng download: Lahat ng tinatrato ng score bilang download, pinagsama-sama: mga download mismo, bawat torrent seeder bilang 1,000, bawat AI Horde na larawan at bawat takbo sa isang generation site bilang isa.
Log scale: Bilang ng sampu, hindi isa-isa: ang pagtaas mula 1,000 hanggang 10,000 downloads ay nagdadagdag ng parehong degree tulad ng mula 10,000 hanggang 100,000. Pinipigilan nito ang mga higante na mauna sa lahat.
Likes: Thumbs up at likes mula sa lahat ng pinanggalingan, na katumbas ng kalahati ng download sa log scale.
Bilis ng pagtanggap: Ilang downloads kada araw ang nakukuha ng modelo ngayon, mula sa pagkakaiba ng dalawang readings ng isang pinanggalingan. Isang-kapat ng bigat ng term na download.
Nasukat at tinantya: Ang nasukat ay ibig sabihin may dalawang pagbabasa mula sa isang pinagmulan at tunay ang pagkakaiba. Ang tinantya naman ay alam lang ang kabuuan ngayon at hinahati ang nakaraan sa buong buhay ng modelo; sinasabi ng site kung alin ang ipinapakita.
Seeder: Isang tao na nag-iimbak ng kopya ng weights online para ma-download ng iba gamit ang torrent, o isang naka-host na mirror na gumagawa rin nito. Bawat isa ay katumbas ng 1,000 downloads.
AI Horde: Isang volunteer network na gumagawa ng mga larawan nang libre gamit ang mga donadong computer. Pampubliko kung ilang larawan ang nagawa gamit ang isang modelo, at bawat isa ay katumbas ng isang download.
Mga generation site: Mga site na may sariling kopya ng modelo at pinapayagan ang mga tao na gumawa gamit ito, tulad ng PixAI, SeaArt at Yodayo. Ang kanilang mga downloads ay binibilang tulad ng sa Civitai at bawat generation run ay isang download.
OpenRouter tokens: Ang isang text model na pinagsisilbihan sa pamamagitan ng API, tulad ng Claude o GPT, ay walang weights na ida-download, kaya ang paggamit nito ay sinusukat sa tokens: mga piraso ng teksto na binasa at isinulat nito sa pamamagitan ng OpenRouter, isang gateway na ginagamit ng maraming apps, sa nakaraang 30 araw. Bawat 10,000,000 tokens ay katumbas ng isang download. Pinagmulan: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Buong modelo (checkpoint): Ang weights mismo, ang file na kayang mag-generate mag-isa. May bonus ito dahil nakadepende dito ang mga add-on.
LoRA at embedding: Maliit na add-on files na nagtutulak sa weights ng iba papunta sa isang estilo, karakter o konsepto. Hindi sila kayang tumakbo mag-isa.
Pamilya at weights: Ang base na pinagbuo ng modelo, tulad ng SD 1.5, SDXL, Flux o Wan. Lahat ng modelo ay namamana ang petsa ng release ng weights ng pamilya nito.
Edad: Mga degree na ibinabawas base sa gaano katagal nang lumabas ang weights ng pamilya: 150° kada taon, hanggang 750°. Pinananatili nito ang mga lumang downloads na may taon para mag-ipon mula sa pag-freeze sa taas ng listahan.
Pampasigla ng pamilya: Isang maliit at limitadong tulak para sa mga LoRA ng pamilyang itinataguyod ng site ngayon, palaging nakalista sa breakdown.
Stand-in score: Isang matatag na numero sa ibaba ng floor na ibinibigay sa modelong wala pang ulat mula sa pinagmulan, para kumpleto ang listahan. Hindi ito nangunguna sa modelong may datos.
Bago! (panahon ng grace): Ang isang model na mas mababa sa 7 araw ang tanda ay nagpapakita ng Bago! sa halip na score at walang puwesto sa mga ranggo. Ang score nito ay kinakalkula mula unang araw, pero ang modelong isang araw pa lang ang tanda ay lumalago nang mas mabilis kaysa sa iba, kaya kung walang paghihintay, ang #1 ng linggo ay palaging yung lumabas kahapon kaysa sa tumagal nang isang linggo.
Uso: Paano ang paglago ng modelo sa isang panahon kumpara sa karaniwang paglago ng modelo sa parehong panahon. Mas mabilis kaysa karaniwan ay pagtaas, mas mabagal ay pagbaba.
Karaniwang modelo: Gitna ng katalogo: kalahati ng mga modelo na may numero ay mas mabilis ang paglago sa panahon, kalahati ay mas mabagal.

Paano gumalaw ang kasikatan ng modelong ito kumpara sa ibang mga nasa katalogo: ang paglago nito sa downloads, likes, at paggamit sa bawat panahon, sinusukat laban sa karaniwang paglago ng modelo sa parehong panahon, kasama ang heat score nito sa panahong iyon. Kapag mas mataas kaysa sa karaniwan, ibig sabihin ay pagtaas, kapag mas mababa ay pagbaba. Binubuo ang nakaraan mula sa mga kabuuan ngayon, unang araw ng modelo at sukat na bilis ng pag-download kung may dalawang sukat; ang modelong hindi pa umiiral sa simula ng panahon ay nagpapakita ng n/a.

Mga katulad na model

Mga AI model para sa paggawa ng larawan, video at teksto

Ang Hy3 ay isang text model para sa pamilyang Text / LLM na nakalista sa ModelTrends.ai, isang read-only na catalog ng mga open source AI model para sa larawan, video at teksto. Ikumpara ito sa ibang Text / LLM model at tingnan ang heat score nito para makita kung gaano ito kasikat.

Higit pang Text / LLM model Higit pang Text / LLM Teksto / LLM llm tencent pangangatwiran pag-coding mga ahente mahabang konteksto lokal

Mag-browse ayon sa pamilya ng model