今天下午，腾讯混元正式发布了Hy3模型，并同步开放了Hy3与Hy3-FP8的权重。这一动作意味着什么？一款面向推理、代码生成、工具调用及长程任务设计的295B参数MoE模型，搭载21B激活参数与3.8B MTP层，现已直接呈现在开发者面前。
本次发布，腾讯将Agent能力、产品反馈数据、开源权重、API定价以及部署入口全面整合。WorkBuddy、CodeBuddy、元宝、Marvis、ima等内部产品均已接入Hy3，同时任务成功率、系统稳定性、幻觉率以及多轮对话能力等关键指标也一并公开。
可以说，这是腾讯混元在preview版本基础上持续迭代推出的正式版本。官方将其命名为“快慢思考融合的混合专家模型”，核心聚焦于办公、代码编写、搜索、工具调用及多轮任务场景下的稳定执行。
295B MoE架构，21B激活参数
先看规格参数。Hy3采用MoE架构，总参数量295B，激活参数21B，MTP层参数3.8B。主网络共80层，包含192个专家，每次激活Top-8，支持256K上下文长度。
这套配置明确走大规模稀疏模型路线。通过扩大总参数量来提升模型容量，利用专家路由机制按需激活部分参数，从而将推理成本控制在更可接受的范围内。而256K上下文长度，恰好对应长文档、长对话、代码仓库以及步骤繁多、依赖关系复杂的Agent任务。
| 指标 | Hy3 参数 |
|---|---|
| 模型架构 | MoE |
| 总参数量 | 295B |
| 激活参数 | 21B |
| MTP 层参数 | 3.8B |
| 主网络层数 | 80 |
| 专家数量 | 192 experts，Top-8 activated |
| 上下文长度 | 256K |
| 支持精度 | BF16 |
Hy3还提供了一个值得关注的参数：reasoning_effort。默认的no_think为直接回答模式，简单请求可快速响应；而high则留给数学、代码和复杂推理任务。换言之，日常对话走捷径，遇到硬核问题再全力运算——这个度的把握，直接影响最终的用户体验、响应速度与使用成本。
从preview到Hy3：聚焦Agent能力升级
Hy3 preview于4月份发布，此后腾讯混元团队收集了来自50多个产品团队的反馈意见。从任务执行到交互细节，问题逐一修复，后训练阶段的数据质量和规模也持续提升。
Hy3的迭代路径更像一条产品驱动的反馈闭环：先让真实业务场景使用，暴露问题；模型团队将问题回收用于后训练与评测；改进后的能力再回到产品中。循环往复，不断优化。
目前Hy3已接入WorkBuddy/CodeBuddy、元宝、Marvis、ima等产品，覆盖办公自动化、代码任务、知识库问答、文件编辑、甚至电脑诊断与生活服务。考验的远不止问答能力，还包括理解需求、规划步骤、调用工具、处理失败以及最终交付结果。以下为几组产品侧关键数据：
| 应用场景 | Hy3 性能数据 |
|---|---|
| WorkBuddy | 办公任务成功率从 72% 提升至 90%，平均耗时缩短 34% |
| ima | Agent 任务系统稳定性达到 95.1% |
| Marvis Agent | 文件编辑、文件管理、电脑诊断与操作等场景任务完成率达到 93.7%，相比 preview 提升 12.7% |
| 元宝 | 综合办公与生活服务场景接入 Hy3，用于执行复杂任务并交付 PPT、Word、Excel、PDF、HTML 等文件 |
这些数字背后，对应的是Agent落地时最现实的几个压力点：任务成功率、耗时长短、工具调用的准确性、多轮约束的保持能力，以及事实的可靠性。
幻觉率、多轮能力与工具调用优化
一组更贴近产品体验的内部评估显示：Hy3在真实场景中，幻觉率从12.5%降至5.4%，常识错误率从25.4%降至12.7%。综合多轮测试中的问题率从17.4%降到7.9%，MRCR（多轮正确率）从42.9%大幅提升至75.1%。
搜索、长文档、知识库问答、办公材料生成等场景，都绕不开事实约束。模型在证据不足时臆造内容，会直接影响用户是否将其接入业务链路。
多轮任务的挑战更大。真实需求并非一次性说完，用户会追加限制、修改目标、补充文件、纠正结果。模型必须记住之前的约束，不能越跑越偏。
至于工具调用，那是决定Agent能否真正执行任务的关键。代码、文件、浏览器、搜索、表格、PPT生成，都需要依赖工具链。如果模型反复调用错误工具、填错参数、失败后继续硬跑，那么Agent就从自动执行变成了自动制造问题。
评测结果分析
本次评测图表中，Hy3涉及一系列偏向Agent与生产力场景的任务：SWE-bench Pro、SWE-bench Multilingual、NL2repo、Terminal Bench 2.1、BrowseComp、MCP Atlas、ClawEval、SkillsBench、HLE、FrontierScience-Olympiad、MathArena Apex、AA-LCR等。
评测任务的选择具有很强的针对性。SWE-bench和NL2repo考察代码与仓库任务，Terminal Bench评估终端环境下的执行能力，BrowseComp检验浏览器与信息查找，MCP Atlas关注工具生态，ClawEval和SkillsBench更侧重Agent技能与工具使用。
相比Hy3 preview，Hy3的提升集中且显著。例如Terminal Bench 2.1从58.0提升至71.7，BrowseComp从67.1升至84.2，NL2repo从35.3提升至45.6，SkillsBench更是从29.1猛增至55.3。虽然并非在所有项目上都超越最强闭源模型，但在代码、工具、终端、浏览器及长程任务方面，这些确实是本次最突出的能力线。
腾讯还组织了一次内部盲测，270位来自不同工种的专家在真实工作中对模型进行对比，最终获得312条有效比较结果。数据显示Hy3均分2.67/4，高于GLM-5.1的2.51/4，优势主要体现在前端、CI/CD、数据与存储等类别。
盲测数据与公开benchmark反映的是不同维度。公开评测衡量能力边界，而真实工作盲测更贴近实际体验：模型嵌入工作流后，能否稳定完成任务。
开源入口与调用方式
Hy3的使用入口已全部公开。GitHub仓库中，模型介绍、benchmark、OpenAI兼容API示例、vLLM与SGLang部署命令、微调文档及量化说明一应俱全。Hugging Face上，tencent/Hy3与tencent/Hy3-FP8也已上线。
部署方面，Hy3提供了vLLM和SGLang两条路线。vLLM的启动命令包含了MTP speculative config、tool-call parser和reasoning parser；SGLang的示例同样包含工具调用解析、推理参数、speculative配置以及服务模型名称。除了权重，推理框架、工具调用与推理引擎等工程入口也一并到位。
API价格也已公布：输入1元/百万tokens，输出4元/百万tokens；若命中缓存，输入仅需0.25元/百万tokens。考虑到长上下文和多轮Agent任务会反复携带历史记录、工具结果及系统提示，缓存命中率将直接决定使用成本。
总结
Hy3的本次发布，可以说是腾讯混元的一次完整交付：模型规格、开源权重、API定价、评测结果、产品侧反馈及部署入口，全部整合在一起。
295B总参数、21B激活参数、256K上下文，将Hy3定位在大规模稀疏模型路线上；Hy3与Hy3-FP8权重同步开放，为开发者提供了继续部署、量化及二次验证的空间；WorkBuddy、ima、Marvis、元宝等产品的数据，也将模型的校准回归到真实场景。
Hy3后续的表现，最终取决于它在开发者工作流中的真实效率：能否稳定读取长文档、处理仓库级代码任务、准确控制工具调用、减少无效重试，并在多轮约束下保持方向。benchmark分数只能说明一部分问题，真实任务会更快暴露模型的长处与短板。
这件事的意义在于，Hy3将国产开源模型继续推向Agent、代码与工具调用这条清晰的主线。模型发布本身，也开始从“给权重、发榜单”转向“提供一套更完整的工程交付”。
参考链接
- Hy3 blogpost：https://hy.tencent.com/research/hy3
- GitHub 仓库：https://github.com/Tencent-Hunyuan/Hy3
- Hugging Face：Hy3：https://huggingface.co/tencent/Hy3
- Hugging Face：Hy3-FP8：https://huggingface.co/tencent/Hy3-FP8
- ModelScope：Hy3：https://modelscope.cn/models/Tencent-Hunyuan/Hy3
- GitCode：Hy3：https://ai.gitcode.com/tencent_hunyuan/Hy3