继 4 月底 Hy3 预览版发布后，我们收集了来自 50 多个产品的反馈，并使用更高质量的数据扩大了后训练规模。今天，我们推出 Hy3，其性能超越同尺寸模型，并能与参数规模大 2-5 倍的主流开源模型相抗衡。同时，它在各类产品和生产力任务中也展现出显著的实用性提升。

更强的智能体能力

在 Hy3 预览版的基础上，我们进一步提升了后训练数据的质量和多样性，同时扩大了强化学习训练的规模。Hy3 在推理、智能体和长上下文任务上均取得了扎实的进步，与规模大得多的旗舰模型相比也毫不逊色。

在编程、办公、金融建模、前端设计和游戏开发等生产力场景中，Hy3 取得了显著进展，现已成为一个可靠且高性价比的模型选择。我们邀请了 270 位专家，使用他们工作中的实际任务进行了一次盲评，Hy3 得分为 2.67/4，优于 GLM-5.1 的 2.51/4。其优势在前端开发、数据与存储以及 CI/CD 任务中最为突出。

更可靠的产品体验

模型的有用性并不能完全通过基准测试来体现。基于广泛的产品反馈，我们识别并修复了以下问题，并持续收到产品团队的积极反馈：

工具调用与输出格式的稳定性：我们修复了多个基础可靠性问题，使模型在各类工具配置和输出约束下达到生产级标准。工具调用的错误恢复能力和整体效率均得到提升。Hy3 还能在不同智能体框架间进行泛化。在 SWE-Bench Verified 上，使用 CodeBuddy、Cline 和 KiloCode 等不同框架时的准确率差异保持在 4% 以内。

知识与反幻觉：遵循“有依据时作答，缺乏证据时说明，不混淆来源或编造数据”的原则，我们实施了细粒度的数据清洗和训练约束。在基于真实场景的内部评估中，Hy3 的幻觉率从 12.5% 降至 5.4%，常识性错误率从 25.4% 降至 12.7%。这些改进切实减少了事实混淆、编造和逻辑矛盾。

复杂上下文保留与多轮意图追踪：通过 SFT 和 RL 的联合优化，Hy3 在指代消解、省略恢复和多轮约束继承等操作痛点方面取得了改进。在内部综合多轮测试中，问题率从 17.4% 降至 7.9%。Hy3 在 MRCR 等长对话评估中也取得了显著提升。其输出更加简洁，同时确保复杂意图在长程交互中不会衰减或偏移。

在 WorkBuddy 的内部测试中，我们看到任务成功率从 Hy3 预览版的 72% 提升至 Hy3 的 90%，平均完成时间下降了 34%。改进是广泛的——数据处理、文档工作和研究报告分析都明显变好。模型 token 效率也表现突出。我们在几个常见任务上将 Hy3 与 GLM-5.2 进行了对比：Hy3 在文档处理上少用了 47.4% 的 token，在演示文稿制作上少用了 49%。当模型能更正确地完成更多任务，且每个任务消耗更少 token 时，它自然就成为用户的日常首选。

Hy3 已在 GitHub、HuggingFace、ModelScope 和 AtomGit 上以 Apache 2.0 许可证开源。通过软硬件协同优化，Hy3 进一步降低了 API 价格，为更多用户和使用场景降低了采用门槛。

Hy3 API 定价（每 1M tokens）

| 输入 | 输出 | 缓存输入 | | --- | --- | --- | | 1 元 | 4 元 | 0.25 元 |

从 1 月底重建基础设施，到 4 月发布 Hy3 预览版，再到今天推出 Hy3 并伴随多种产品部署，我们在六个月内完成了一个端到端的模型开发循环。混元的重建与演进才刚刚开始。我们深知仍有许多挑战。我们将继续扎实地扩大训练规模、提升数据质量并优化用户体验细节，同时保持敏捷、透明和开放。

附录：基准测试结果