# 策展 · X (Twitter) 🔥🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Tencent Hy (@TencentHunyuan) · 平台：X (Twitter) · 日期：2026-07-15

> 原始來源：https://x.com/TencentHunyuan/status/2076953120765280284

## 中文摘要

Tencent Hy Team 發布 Hy3 模型，讓使用者單張 GPU 執行 295B 參數。

**模型發布與效能**
Tencent Hy Team 正式推出 295B 參數的 Mixture-of-Experts (MoE) 模型「Hy3」，該模型具備 21B 啟用參數與 3.8B MTP 層參數。根據開發團隊的盲測評估，Hy3 在前端開發、資料與儲存及 CI/CD 等專業任務表現優異，得分達 2.67/4，超越 GLM-5.1 的 2.51/4。此模型採用 Apache 2.0 授權，適合商業用途，並針對 Agent 應用場景進行了強化。

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/3769932ce6ce7a72.jpg)
> 全新發布的 Hy3 在多項 Agent 與推理基準測試中，相較於前代 Hy3 preview 展現出顯著的性能提升，並在 FrontierScience-Olympiad 等任務上超越了 GLM5.2、DeepSeek V4 pro 等同級模型。

**技術優化與應用**
Hy3 在產品實務中針對穩定性與準確度進行了多項改進：
- 穩定性：提升了工具呼叫（tool calls）的可靠性，並在 CodeBuddy、Cline 與 KiloCode 等不同 Agent 框架下保持高度一致的準確度，不同 Agent 框架間的準確率差異維持在 4% 以內。
- 幻覺抑制：透過細緻的資料清理與訓練限制，將幻覺率從 12.5% 降低至 5.4%，並將常識錯誤率從 25.4% 降至 12.7%。
- 長文本與多輪對話：優化了指代消解與多輪意圖追蹤，使長對話測試中的錯誤率從 17.4% 降至 7.9%。

**部署與使用建議**
為了讓使用者能以更低的硬體門檻執行模型，Tencent Hy Team 釋出了 1-bit 與 4-bit 量化版本：
- 執行方式：使用者可透過 `llama.cpp` 執行 Hy3，並啟用 MTP 功能以提升效能。
- 生產環境：建議使用 `vLLM` 或 `SGLang` 進行部署，針對 295B 參數規模，官方建議以 8 張 H20-3e 等具備較大記憶體容量的 GPU 部署。
- 資源連結：
    - 模型權重：[Hugging Face（Hy3 模型權重）](https://huggingface.co/tencent/Hy3)
    - 研究文件：[Hy3 官方研究頁面](https://hy.tencent.com/research/hy3)
    - API 試用：[OpenRouter（Hy3 免費 API）](https://openrouter.ai/tencent/hy3:free)（提供兩週免費試用）

此外，官方提供「AngelSlim」工具組，支援包含低位元量化與推測採樣在內的大型模型壓縮方案，並提供完整的微調流程文件供開發者參考。若有技術回饋，可透過 email（hunyuan_opensource@tencent.com）聯繫研發團隊。

## 媒體內容

**全新發布的 Hy3 在多項 Agent 與推理基準測試中，相較於前代 Hy3 preview 展現出顯著的性能提升，並在 FrontierScience-Olympiad 等任務上超越了 GLM5.2、DeepSeek V4 pro 等同級模型。**

**數據表（1）SWE-bench Pro**

| 模型 | 分數 |
| --- | --- |
| Hy3 | 57.9 |
| Hy3 preview | 46.0 |
| DeepSeek V4 pro | 55.4 |
| Seed2.1 Pro | 57.5 |
| Qwen3.7 Max | 60.6 |
| GLM5.2 | 62.1 |
| Claude Opus 4.8 | 69.2 |

**數據表（2）SWE-bench Multilingual**

| 模型 | 分數 |
| --- | --- |
| Hy3 | 75.8 |
| Hy3 preview | 68.3 |
| Seed2.1 Pro | 75.1 |
| DeepSeek V4 pro | 76.2 |
| Qwen3.7 Max | 78.3 |
| GLM5.2 | 83.0 |
| Claude Opus 4.8 | 84.4 |

**數據表（3）NL2repo**

| 模型 | 分數 |
| --- | --- |
| Hy3 | 45.6 |
| Hy3 preview | 35.3 |
| DeepSeek V4 pro | 41.5 |
| Seed2.1 Pro | 47.0 |
| Qwen3.7 Max | 47.2 |
| GLM5.2 | 48.9 |
| Claude Opus 4.8 | 69.7 |

**數據表（4）Terminal Bench 2.1**

| 模型 | 分數 |
| --- | --- |
| Hy3 | 71.7 |
| Hy3 preview | 58.0 |
| DeepSeek V4 pro | 64.0 |
| Seed2.1 Pro | 71.0 |
| Qwen3.7 Max | 75.0 |
| GLM5.2 | 81.0 |
| Claude Opus 4.8 | 85.0 |

**數據表（5）BrowseComp**

| 模型 | 分數 |
| --- | --- |
| Hy3 | 84.2 |
| Hy3 preview | 67.1 |
| GLM5.2 | 79.3 |
| DeepSeek V4 pro | 83.4 |
| Seed2.1 Pro | 86.2 |
| Claude Opus 4.8 | 84.3 |
| GPT 5.5 | 84.4 |

**數據表（6）MCP Atlas (public)**

| 模型 | 分數 |
| --- | --- |
| Hy3 | 79.1 |
| Hy3 preview | 66.1 |
| Qwen3.7 Max | 79.6 |
| DeepSeek V4 pro | 79.7 |
| Seed2.1 Pro | 80.6 |
| GLM5.2 | 82.6 |
| Claude Opus 4.8 | 84.1 |

**數據表（7）ClawEval (pass^3)**

| 模型 | 分數 |
| --- | --- |
| Hy3 | 68.5 |
| Hy3 preview | 55.0 |
| Seed2.1 Pro | 62.1 |
| DeepSeek V4 pro | 62.1 |
| GLM5.2 | 62.4 |
| Qwen3.7 Max | 65.2 |
| Claude Opus 4.8 | 72.1 |

**數據表（8）SkillsBench (text-only)**

| 模型 | 分數 |
| --- | --- |
| Hy3 | 55.3 |
| Hy3 preview | 29.1 |
| DeepSeek V4 pro | 40.5 |
| Qwen3.7 Max | 46.8 |
| GLM5.2 | 51.9 |
| Seed2.1 Pro | 53.2 |
| Claude Opus 4.8 | 64.6 |

**數據表（9）HLE (with tools, text-only)**

| 模型 | 分數 |
| --- | --- |
| Hy3 | 53.2 |
| Hy3 preview | 35.4 |
| DeepSeek V4 pro | 48.2 |
| Qwen3.7 Max | 53.5 |
| GLM5.2 | 54.7 |
| Seed2.1 Pro | 55.7 |
| Claude Opus 4.8 | 57.9 |

**數據表（10）FrontierScience-Olympiad**

| 模型 | 分數 |
| --- | --- |
| Hy3 | 74.8 |
| Hy3 preview | 70.0 |
| DeepSeek V4 pro | 70.0 |
| Seed2.1 Pro | 70.1 |
| GLM5.2 | 72.5 |
| Qwen3.7 Max | 74.3 |
| GPT 5.5 | 73.8 |

**數據表（11）MathArena Apex**

| 模型 | 分數 |
| --- | --- |
| Hy3 | 38.7 |
| Hy3 preview | 12.6 |
| GLM5.2 | 16.8 |
| Seed2.1 Pro | 31.3 |
| DeepSeek V4 pro | 38.3 |
| Qwen3.7 Max | 44.5 |
| GPT 5.5 | 85.4 |

**數據表（12）AA-LCR**

| 模型 | 分數 |
| --- | --- |
| Hy3 | 73.4 |
| Hy3 preview | 66.3 |
| Seed2.1 Pro | 70.0 |
| Qwen3.7 Max | 70.2 |
| DeepSeek V4 pro | 71.3 |
| GLM5.2 | 73.4 |
| GPT 5.5 | 76.4 |

## 標籤

LLM, 新產品, 開源專案, Agent, Tencent, Hy3