Wink Pings

腾讯Hy3发布：295B参数，21B激活，性能直逼万亿模型——但真正的亮点是可靠性

腾讯混元发布Hy3，295B MoE模型，21B激活参数，性能对标万亿级旗舰。半年三次迭代，反幻觉率砍半，工具调用稳定。开源Apache 2.0，免费API两周。

腾讯混元今天发布了Hy3。

从Hy2到Hy3 Preview再到Hy3，不到半年。

295B参数的MoE模型，激活参数只有21B。192个专家，每次激活top-8。256K上下文窗口。

数字看着还行，但真正有意思的是它在基准测试上的表现。

![折线图展示Hy3在SWE-bench Pro、HLE、BrowseComp上的性能提升](https://wink.run/image?url=https%3A%2F%2Fpbs.twimg.com%2Fmedia%2FHMjbxLzb0AAdjy_%3Fformat%3Djpg%26name%3Dlarge)

SWE-bench Pro从28.6飙到62.1，HLE从24.0到53.2，BrowseComp从28.7到84.2。这还不是最夸张的——

![柱状图对比Hy3与其他模型在多个基准上的得分](https://wink.run/image?url=https%3A%2F%2Fpbs.twimg.com%2Fmedia%2FHMjapAiaoAAvV8D%3Fformat%3Djpg%26name%3Dlarge)

在SWE-bench Pro上57.9，比GLM5.2的34.7高出近一倍。HLE（带工具）53.2，同样领先。

官方说它能和万亿参数级别的旗舰模型掰手腕。考虑到激活参数只有21B，这个说法不算太夸张。

但真正值得关注的是可靠性改进。

腾讯团队做了个盲测，270个专家用真实工作场景打分，Hy3得分2.67/4，超过GLM-5.1的2.51/4。优势最大的是前端开发、数据存储和CI/CD。

更实在的数据：

- 幻觉率从12.5%降到5.4%

- 常识错误率从25.4%降到12.7%

- 多轮对话问题率从17.4%降到7.9%

这些数字比benchmark分数更能说明问题。模型再强，如果胡编乱造，没人敢用。

Hy3支持可配置的推理模式：no_think（直接回复）、low、high（深度思考）。工具调用稳定性也做了专项优化，在不同agent框架（CodeBuddy、Cline、KiloCode）上的准确率差异控制在4%以内。

开源协议是Apache 2.0，商用友好。OpenRouter上提供两周免费API，到7月21日。

HuggingFace模型卡已经上线，vLLM和SGLang都有部署方案。8张H20-3e就能跑起来。

有网友评论说“295B MoE像一个中等国家在车库里造出了核弹”。虽然夸张，但国内大模型迭代速度确实在加快。

不过也有开发者提醒：MoE在agent pipeline中容易出现一致性漂移，上下文稍变就可能激活不同专家，导致输出格式变化。官方声称“生产级标准”，但实际用起来还得自己验证。

模型发布越来越频繁，但真正能稳定跑在业务里的没几个。Hy3能不能打破这个魔咒，看后续产品落地吧。

链接：

- [HuggingFace模型](https://huggingface.co/tencent/Hy3)

- [OpenRouter免费API](https://openrouter.ai/tencent/hy3:free)

- [官方技术报告](https://hy.tencent.com/research/hy3)

发布时间: 2026-07-07 04:39