Rohan Paul@rohanpaul_ai · X腾讯以Apache 2.0许可开源Hy3，295B参数MoE架构（21B活跃参数）。智能体搜索中表现突出：BrowseComp 84.2、DeepSearchQA 91.0，超越所有开源模型，接近Claude Opus 4.8和GPT-5.5。编码任务逊于智谱GLM-5.2（744B总/40B活跃）。部署优势明显：FP8下占用<300GB，仅为GLM-5.2所需744GB的一半。幻觉率从12.5%降至5.4%。提供两周免费API。
腾讯发布了采用 Apache 许可的 Hy3，这是一个 295B 参数的 MoE 模型（21B 激活参数），在编码以外的任务上击败了更大的竞争对手。
Hy3 以 Apache 2.0 许可证在 HuggingFace 上开源，因此企业可以合法使用并以可负担的成本托管。
所以 GLM-5.2（来自智谱 AI）在编码方面仍然胜出，尤其是在困难的仓库级编码基准测试上，但关键是 GLM-5.2 是一个更大的模型（总计 744B，激活参数约 40B）。
Hy3 真正的优势体现在其他方面。在智能体搜索中，它在 BrowseComp 上获得 84.2 分，在 DeepSearchQA 上获得 91.0 分，击败了腾讯表格中的所有开源模型，并且与 Claude Opus 4.8 和 GPT-5.5 保持竞争力。
腾讯还表示，Hy3 相比其 4 月预览版变得更加可靠。
据称，模型幻觉率从 12.5% 降至 5.4%，同时多轮对话的问题也有所减少。
从部署角度对比来看，GLM-5.2 在 FP8 精度下大约需要 744GB，这使得 8 卡 H200 节点成为生产服务的实际基线配置。
但腾讯的 Hy3，总参数量为 295B，在 FP8 精度下占用空间不到 300GB，这意味着它使用的内存不到一半，每个 token 的激活参数也大约只有一半，从而减少了每次请求的计算量。
对于决定自行托管的团队来说，这将原本沉重的单节点需求转变为一个更易实现的系统，同时还为 KV cache 和批处理留出了余量。
[引用 @TencentHunyuan]：🚀Hy3 来了。
295B MoE。同尺寸中最佳。能与万亿级旗舰模型相抗衡。 对大多数智能体用例而言可靠且实惠。 Apache 2.0。适合商业使用。 免费 API 提供两周 → https://openrouter.ai/tencent/hy3:free
🤗 https://huggingface.co/tencent/Hy3 📖 https://hy.tencent.com/research/hy3