Tencent открыла Hy3: китайская гонка ИИ снова давит на цену агентной работы

Tencent опубликовала Hy3 — новую открытую MoE-модель на 295 млрд параметров под лицензией Apache 2.0. Веса уже доступны на Hugging Face и других площадках, включая FP8-версию. По данным карточки модели, Hy3 использует 21 млрд активных параметров, поддерживает контекст до 256K и рассчитана на развертывание через vLLM или SGLang.

Что именно выпустили

Hy3 выросла из апрельского preview-релиза. Tencent пишет, что после обратной связи от более чем 50 продуктов усилила post-training и RL-обучение. Компания отдельно выделяет не только рассуждение и длинный контекст, но и практические сценарии: coding, офисную работу, финансовое моделирование, frontend и игровые задачи.

Самая важная деталь для разработчиков — не число параметров. Tencent заявляет, что улучшила стабильность вызова инструментов, соблюдение форматов вывода и восстановление после ошибок. В карточке модели также указаны парсеры для tool calls и reasoning, а в примерах запуска есть параметры для OpenAI-совместимого API.

Почему это важно

Китайская open-weight гонка всё меньше похожа на спор за красивую таблицу. После GLM-5.2, Qwen, DeepSeek и MiniMax рынок смотрит на другое: может ли модель жить внутри агентной оболочки, читать большой проект, запускать инструменты, исправлять код и не превращать каждую итерацию в дорогой эксперимент.

Tencent прямо сравнивает Hy3 с GLM-5.1 во внутренней слепой оценке 270 экспертов и говорит о преимуществе в frontend, data & storage и CI/CD. Эти цифры требуют независимой проверки, но направление понятно: модель продают как рабочую альтернативу для продуктивных задач, а не как универсальный чат-бот.

Для компаний такой релиз полезен даже без немедленного перехода. Apache 2.0, FP8-вариант и готовые рецепты развертывания дают повод протестировать тяжелую модель в своем контуре, рядом с привычными агентными инструментами вроде Cline или KiloCode. Если качество подтвердится на реальных задачах, давление на закрытые API пойдет не только по цене, но и по контролю: кто владеет моделью, данными и рабочим циклом агента.