Tencent otevřel 6. července 2026 finální verzi modelu Hy3 pod svobodnou licencí Apache 2.0. Je to jazykový model z rodiny Hunyuan a jeho hlavní devíza je efektivita: má 295 miliard parametrů, ale při každém dotazu zapojí jen 21 miliard. Tencent slibuje výkon modelů s dvakrát až pětkrát více parametry za zlomek nákladů. Většina těch čísel ale pochází z jeho vlastní dílny, a jediné nezávislé měření kreslí střízlivější obrázek. Krátce si projdeme obojí.
Co Hy3 je
Tencent je čínský technologický gigant za WeChatem, herním byznysem a cloudem. Hunyuan je jeho vlastní rodina jazykových modelů (zkratka “Hy” odkazuje právě na Hunyuan) a Hy3 je třetí generace, první velký model po přestavbě celé tréninkové infrastruktury z února 2026.
Model stojí na architektuře MoE (Mixture-of-Experts, směs expertů). Má 192 expertů, tedy dílčích specializovaných podsítí, a pro každý token zapojí jen osm nejvhodnějších plus jeden sdílený. Z 295 miliard parametrů tak reálně počítá s 21 miliardami na token. Chová se jako velký model, platíte za něj výpočtem jako za malý. To je celý smysl.
K tomu pár praktických detailů: kontextové okno 256 tisíc tokenů (dost na rozsáhlý projekt nebo dlouhý dokument najednou), hybridní rychlé a pomalé myšlení s volitelnou úrovní úsilí (od přímé odpovědi po hluboký řetězec úvah), a MTP vrstva pro spekulativní dekódování, která zrychluje generování tím, že model hádá několik tokenů dopředu. Cílí na programování, agentní úlohy a práci s dlouhým kontextem. Váhy jsou plně ke stažení na Hugging Face, včetně úspornější kvantizované verze Hy3-FP8, a k tomu je zdrojový kód na GitHubu.
Benchmarky výrobce, a jedna výhrada
Nejsilnější čísla se týkají programování. Pozor ale: většina kolujících hodnot patří dubnové preview verzi, ne finální. Když někde uvidíte “Hy3 má na SWE-Bench 74,4 procenta”, je to preview z dubna.
| Benchmark | Hy3 preview | Co měří |
|---|---|---|
| SWE-Bench Verified | 74,4 % | opravy reálných chyb z GitHub repozitářů |
| Terminal-Bench 2.0 | 54,4 % | samostatná práce v příkazové řádce |
| BrowseComp | 67,1 % | vyhledávání informací z webu |
| WideSearch | 70,2 % | rozsáhlé vyhledávací úlohy |
Skok na SWE-Bench je velký: z 53 procent u předchozího Hy2 na 74,4 u preview Hy3, tedy zhruba o 40 procent v rámci jedné generace. To model dostává na dohled uzavřenému Claude Opus 4.6 (80,8 procenta) a nad open-source GLM-5 (77,8 procenta).
Tencent podpírá tvrzení dvěma věcmi, které mají působit důvěryhodněji než papírová skóre. První je slepý test s 270 experty na reálných úlohách, kde Hy3 dostal 2,67 ze 4 a předběhl GLM-5.1 (2,51 ze 4). Slepý test se hůř optimalizuje na konkrétní čísla, takže je to poctivější formát, ale provedl ho sám Tencent. Druhá věc je snížení chybovosti u finální verze: míra halucinací (vymýšlení faktů) klesla podle interních testů z 12,5 na 5,4 procenta, problémy ve vícekolových konverzacích ze 17,4 na 7,9 procenta. To jsou provozní neduhy, které v reálném produktu vadí víc než pár bodů na benchmarku.
Za zmínku stojí jedna věc, kterou finální model card uvádí a která si zaslouží uznání: Hy3 dává stabilní výsledky napříč různými agentními rámci (scaffoldy jako CodeBuddy, Cline, KiloCode), odchylka na SWE-Bench se drží do 4 procent. To je relevantní, protože volba rámce dokáže s výsledkem zamávat o desítky bodů.
Nezávislé číslo mluví jinak
Tady obrázek dostane trhlinu. Zatímco reakce na síti X mluví o “nejefektivnějším čínském LLM”, jediné nezávislé měření je mnohem střízlivější. Artificial Analysis, firma, která nezávisle měří a srovnává jazykové modely, zařadila preview Hy3 na svém souhrnném indexu inteligence na 33,6 bodu, což je 96. místo z 385 sledovaných modelů. Agentní skóre 63,4 je lepší než celkové, což sedí na to, že model je stavěný na agentní práci, ne na obecnou inteligenci.
Jak ten rozpor číst? Obě čísla mohou platit zároveň. Tencent měří na úlohách, které si vybral a na které model ladil, hlavně programování a agentní práce ve vlastních produktech. Artificial Analysis měří širší mix standardizovaně. Model může být silný v úzké oblasti a přitom průměrný v celkovém průřezu. Je to prostě důsledek toho, na co se kdo dívá, žádná Tencentí lest za tím není.
Jedna výhrada k férovosti: nezávislé číslo 33,6 se týká dubnové preview verze. Finální Hy3 ze 6. července doháněl právě provozní chování, takže by mohl dopadnout lépe. Nezávislé měření finální verze zatím nemáme.
Cena a shrnutí
Cena je řádově nižší než u uzavřené špičky. Přes Tencent Cloud stojí Hy3 zhruba 0,18 dolaru za milion vstupních tokenů, na platformě OpenRouter jsou u preview uváděné sazby ještě nižší. Špičkové uzavřené modely se přitom pohybují v jednotkách až desítkách dolarů za milion tokenů.
- Hy3 je otevřený model MoE od Tencentu, 295 miliard parametrů, z toho 21 miliard aktivních na token. Hlavní přednost je efektivita.
- Finální verze vyšla 6. července 2026 pod svobodnou Apache 2.0, váhy jsou plně ke stažení včetně FP8 varianty.
- Benchmarky výrobce jsou silné v programování (SWE-Bench 74,4 procenta u preview), podepřené slepým testem 270 expertů a snížením chybovosti. Vše ale měřil sám Tencent.
- Jediné nezávislé měření (Artificial Analysis) řadí preview Hy3 na 96. místo z 385 s indexem 33,6, tedy do slušného průměru. Rozpor s marketingem plyne z toho, že každý měří něco jiného.
Závěr
Hy3 je poctivý kus inženýrské práce. Zapojit jen 21 z 295 miliard parametrů a držet si konkurenceschopný výkon v programování je reálný výsledek, ne marketingová pěna, a přestavba infrastruktury za tři měsíce ukazuje firmu, která se naučila iterovat rychle. Marketingová tvrzení o vyrovnání se pětkrát větším modelům ale stojí skoro výhradně na vlastních číslech Tencentu, a jediné nezávislé srovnání sází model do širokého průměru. To se navzájem nevylučuje, protože Hy3 je specialista na úzkou oblast. Ale dokud finální verzi neproměří někdo zvenčí, platí staré pravidlo: benchmark, který se počítá, běží na vašem vlastním kódu. Pro tým, který dělá agentní programování a hlídá náklady, je Hy3 rozumný kandidát na vyzkoušení. Zázrak v něm ale nehledejte jen proto, že ho tak popisuje jeho výrobce.