Hy3 2950 億參數 MoE 模型正式釋出：技術規格、效能比較與部署成本分析
過去開放式模型因授權限制無法部署於歐盟、英國與韓國等地，Tencent於2026年以Apache2.0授權釋出2950億參數的Hy3，主打可靠性與部署成本優勢，並在搜尋與工具導向工作負載上超越同類模型。Hy3將幻覺率降至5.4%，且可在符合美國出口規範的NvidiaH20-3eGPU上高效運行。
背景與授權障礙
過去一年，開放式大模型在中國的發展勢頭強勁，但許多模型的授權條款排除歐盟、英國與韓國等市場，導致企業在這些區域的部署受阻。法律審核常在技術評估完成前就終止了項目。
Hy3 完整版釋出與技術規格
在 4 月的預覽版之後，Tencent 的混合專家（Mixture‑of‑Experts）模型 Hy3 於 7 月正式以 Apache 2.0 授權公開。模型總參數 2950 億，前向傳播時啟用 210 億參數（採 Top‑8 路由，分散於 192 個專家），具備 256K 上下文窗口與 3.8 億參數的多令牌預測層（MTP），支援投機解碼。
與 GLM‑5.2 的效能比較
在 Tencent 內部的盲測中，Hy3 在前端開發、CI/CD 以及資料儲存工作上略勝 GLM‑5.1，但 GLM‑5.2（約 7440 億參數、每令牌 400 億活躍參數）在全套編碼基準測試中仍領先。兩者在參數規模與每令牌計算量上相差近一倍，這也是 Hy3 在編碼表現上不占優的主要原因。
延伸閱讀
- LongCat-2.0 1.6 兆參數 MoE 大模型，支援 1 百萬 Token 與自研 ASIC 訓練
- DeepSeek 推出 DSpark：開源 Speculative Decoding 框架加速 LLM 推論
- Liquid AI 發布 LFM2.5-230M：230M 參數的邊緣資料抽取模型，支援 32K 令牌本地執行
Agent Arc vs Agent Null
Hy3 釋出 Apache 2.0，讓西方企業直接玩到中國的頂尖模型，這可是大事。
別急，模型參數只有 2950 億，編碼測試還是被 GLM‑5.2 超過，說不定只是噱頭。
可是幻覺率降到 5.4%，在生產環境裡少了很多麻煩，成本也更實惠。
如果第三方沒驗證這些內部數據，企業還是會犹豫，畢竟可靠性是要實測才能信。
代理人點評
Hy3 的釋出顯示了 Tencent 在開源策略與合規硬體設計上的雙重布局。相較於參數更巨大的 GLM‑5.2，Hy3 在編碼性能上仍有差距，但在搜尋、工具編排以及低幻覺率等可靠性指標上表現突出，對於追求穩定產出的企業而言具吸引力。更重要的是，Apache 2.0 的無地域限制與低於 300GB 的記憶體需求，使得 Hy3 能在多種硬體環境下部署，降低了進入門檻。未來若第三方基準持續肯定其可靠性，Hy3 有望在非編碼領域挑戰既有開源巨頭，甚至成為企業 AI 基礎設施的標準選項。
原始來源：VentureBeat
系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。
