腾讯混元发布Hy3模型

腾讯混元将 295B 参数的旗舰模型 Hy3 量化至 1bit 与 4bit，并打包成 GGUF 格式。1bit 版本（IQ1_M）将权重从 598 GB 压缩至 85.5 GiB，单张 96GB 推理显卡即可部署；4bit 版本（Q4_K_M）体积 169.9 GiB，需两张显卡。量化版本在 Agent 能力、多语言代码、工具调用和长文理解等任务上贴近满血模型。团队还开发了 llama.cpp 的 MTP 投机解码 patch，开启后 1bit 版本解码速度提升约 50%，4bit 版本提升接近 60%。此外还提供 GPTQ Int4 版本，可通过 vLLM 部署。

腾讯混元团队为旗舰模型 Hy3（295B 参数）推出量化版本。1bit 版本（IQ1_M）将权重从 598 GB 压缩至 85.5 GiB，缩小 6.7 倍，单张 96GB 推理显卡即可部署；4bit 版本（Q4_K_M）体积 169.9 GiB，两张显卡可承载。量化版在 Agent、多语言代码、工具调用、长文理解等任务上表现接近满血模型。团队还提供 GPTQ Int4 版本，支持 vLLM 部署。配合 MTP 投机解码，1bit 版本解码速度提升约 50%，4bit 版本提升近 60%。所有版本已开源并打包为 GGUF 格式，适配 llama.cpp 生态。

腾讯 Hy3（295B 总参数，21B 激活参数的 MoE 架构）被定位为 Agent 向 LLM，而非聊天模型。实测中，Hy3 将 101 个混乱 SKU 的销售数据自动整理为含执行摘要、异常值识别（IQR 方法）、定价梯度、重复 SKU 清理的多 sheet Excel，并同步生成 30 页可直接使用的汇报 PPT。其内部 WorkBuddy 任务成功率从 72% 提升至 90%，耗时降低 34%，幻觉和常识错误持续下降。Hy3 在 coding、办公、复杂任务规划方面表现突出，但纯视觉能力仍为短板。作者认为，Hy3 的核心价值在于以极低 token 成本（适配微信 10 亿用户）提供稳定、可上生产的 Agent 底座能力。

腾讯低调发布Hy3，295B总参数、21B激活的MoE架构，推理效率打平参数2-5倍的旗舰模型。Hy3定位Agent向LLM，非聊天模型。从preview到正式版，基于50+真实业务反馈迭代，内部WorkBuddy任务成功率从72%提升至90%，耗时降低34%，幻觉与常识错误持续下降。Hy3已直接塞进微信10亿+用户手中，核心优势在coding、办公、复杂任务规划，纯视觉仍是短板。作者认为大模型竞争正从拼参数转向拼“干活能力+低摩擦触达”，Hy3更像一个会干活、会自检的Agent底座。

腾讯混元宣布其 Hy3 模型（295B MoE）在 OpenRouter LLM 排行榜上获得第一。Hy3 在同尺寸模型中表现最佳，性能可媲美万亿参数级旗舰模型，适用于大多数智能体场景。模型采用 Apache 2.0 开源协议，支持商用，并提供两周免费 API 试用。

腾讯混元团队发布Hy3模型，采用295B总参数、21B激活参数的MoE架构，推理效率可打平参数规模2-5倍的旗舰模型。Hy3定位为Agent向LLM，从preview到正式版基于50多个真实业务反馈迭代，内部WorkBuddy任务成功率从72%提升至90%，耗时降低34%，幻觉和常识错误持续下降。实测显示其在coding、办公、复杂任务规划方面表现突出，纯视觉能力为短板。Hy3已集成至微信服务10亿+用户，视频演示包括生成HTML网页、Agent网页和10页PPT，模型具备自检和主动说明不足的能力。

腾讯低调发布 Hy3 大模型，定位 Agent 向 LLM 而非聊天模型。采用 295B 总参数、21B 激活参数的 MoE 架构，推理效率打平参数 2-5 倍的旗舰模型。从 preview 到正式版，基于 50+ 真实业务反馈迭代，内部 WorkBuddy 任务成功率从 72% 提升至 90%，耗时降低 34%，幻觉和常识错误持续下降。Hy3 已直接接入微信 10 亿+用户，核心优势在 coding、办公、复杂任务规划，纯视觉能力仍有短板。实测可生成 HTML 网页、Agent 系统页面及 10 页 PPT，具备自检与主动说明不足的能力。

腾讯低调发布Hy3模型，采用295B总参数、21B激活参数的MoE架构，推理效率极高，能以远小于旗舰模型的激活参数打平2-5倍参数量的模型。Hy3定位为Agent向LLM，而非聊天模型，基于50多个真实业务反馈迭代，内部WorkBuddy任务成功率从72%提升至90%，耗时降低34%，幻觉和常识错误显著下降。其核心优势在于低token成本和高稳定性，适合规模化部署于微信10亿+用户场景。短板是纯视觉能力不足，但coding、办公、复杂任务规划表现突出。

腾讯低调发布Hunyuan Hy3，295B总参数、21B激活参数的MoE架构，以旗舰模型2-5倍的参数规模打平其性能。Hy3定位为Agent向LLM，基于50多个真实业务反馈迭代，内部WorkBuddy任务成功率从72%提升至90%，耗时降低34%。低推理成本使其能规模化部署至微信10亿+用户。Hy3在coding、办公、复杂任务规划方面表现突出，但纯视觉能力仍有短板。