Tencent công bố mô hình mã nguồn mở Hy3
(hy.tencent.com)- Hướng tới hiệu năng cao hơn các mô hình có quy mô tương tự, đồng thời ở mức có thể cạnh tranh với các mô hình mã nguồn mở flagship có nhiều tham số hơn 2~5 lần
- Trong đánh giá mù dựa trên công việc thực tế của 270 chuyên gia, Hy3 đạt 2,67/4, vượt GLM-5.1 với 2,51/4; chênh lệch lớn ở phát triển frontend, dữ liệu và lưu trữ, CI/CD
- Nhờ cải tiến dựa trên phản hồi sản phẩm, tỷ lệ ảo giác giảm từ 12,5% xuống 5,4%, tỷ lệ lỗi kiến thức phổ thông từ 25,4% xuống 12,7%, tỷ lệ vấn đề trong kiểm thử nội bộ nhiều lượt từ 17,4% xuống 7,9%
- Được phát hành trên GitHub, HuggingFace, ModelScope, AtomGit theo giấy phép Apache 2.0; giá API là 1 RMB cho input, 4 RMB cho output và 0,25 RMB cho cached input trên mỗi 1 triệu token
- Sau Hy3 preview vào cuối tháng 4, Tencent đã phản ánh phản hồi từ hơn 50 sản phẩm và dữ liệu post-training chất lượng cao để phát hành bản Hy3 chính thức
Công bố Hy3 và hiệu năng agent
- Sau khi ra mắt Hy3 preview vào cuối tháng 4, Tencent đã thu thập phản hồi từ hơn 50 sản phẩm, mở rộng post-training bằng dữ liệu chất lượng cao hơn và công bố Hy3
- Mô hình mới đạt hiệu năng cao hơn các mô hình có quy mô tương tự, và được đánh giá ở mức có thể cạnh tranh với các mô hình mã nguồn mở flagship có nhiều tham số hơn 2~5 lần
- Sau bản preview, Tencent đã nâng cao chất lượng và độ đa dạng của dữ liệu post-training, đồng thời mở rộng huấn luyện RL
- Cải thiện trong suy luận, tác vụ dạng agent và tác vụ ngữ cảnh dài
- Hướng tới mức có thể cạnh tranh với các mô hình flagship lớn hơn
- Trong các tác vụ năng suất, mô hình có tiến bộ ở lập trình, công việc văn phòng, mô hình hóa tài chính, thiết kế frontend và phát triển game
- Trong đánh giá mù của 270 chuyên gia sử dụng bài toán công việc thực tế, Hy3 đạt 2,67/4
- GLM-5.1 đạt 2,51/4
- Ưu thế của Hy3 lớn nhất ở phát triển frontend, dữ liệu và lưu trữ, các tác vụ CI/CD
Độ tin cậy sản phẩm, chi phí và cách phát hành
- Cho rằng benchmark không thể nắm bắt đầy đủ tính hữu ích của mô hình, Tencent đã sửa nhiều vấn đề dựa trên phản hồi sản phẩm thực tế
- Cải thiện độ ổn định của gọi công cụ và định dạng đầu ra
- Sửa các vấn đề độ tin cậy nền tảng để đáp ứng tiêu chuẩn cấp production trên toàn bộ thiết lập công cụ và ràng buộc đầu ra
- Khả năng phục hồi lỗi khi gọi công cụ và hiệu suất tổng thể được cải thiện
- Trên các agent scaffolding khác nhau như CodeBuddy, Cline, KiloCode, mức dao động độ chính xác SWE-Bench Verified được duy trì trong phạm vi 4%
- Tăng cường tri thức và chống ảo giác
- Áp dụng làm sạch dữ liệu và ràng buộc huấn luyện theo tiêu chí: trả lời khi có căn cứ, nói là không có khi không có bằng chứng, không trộn lẫn nguồn hoặc bịa dữ liệu
- Trong đánh giá kịch bản thực tế nội bộ, tỷ lệ ảo giác giảm từ 12,5% xuống 5,4%
- Tỷ lệ lỗi kiến thức phổ thông giảm từ 25,4% xuống 12,7%
- Giảm nhầm lẫn sự thật, bịa đặt và mâu thuẫn logic
- Cải thiện duy trì ngữ cảnh phức tạp và theo dõi ý định nhiều lượt
- Bằng tối ưu hóa kết hợp SFT và RL, xử lý các vấn đề vận hành như diễn giải đối tượng chỉ thị, khôi phục phần lược bỏ, kế thừa ràng buộc qua nhiều lượt
- Tỷ lệ vấn đề trong kiểm thử tổng hợp nhiều lượt nội bộ giảm từ 17,4% xuống 7,9%
- Cũng cải thiện trong các đánh giá hội thoại dài như MRCR
- Ngay cả trong tương tác dài, mô hình giữ cho ý định phức tạp không bị suy yếu hoặc drift, đồng thời đầu ra ngắn gọn hơn
- Trong kiểm thử nội bộ WorkBuddy, Hy3 cải thiện tỷ lệ thành công tác vụ và thời gian hoàn thành so với bản preview
- Tỷ lệ thành công tác vụ tăng từ 72% của Hy3 preview lên 90% của Hy3
- Thời gian hoàn thành trung bình giảm 34%
- Cải thiện trong xử lý dữ liệu, tác vụ tài liệu và phân tích báo cáo nghiên cứu
- Trong một số tác vụ phổ thông so với GLM-5.2, Hy3 có hiệu quả token cao hơn
- Sử dụng ít token hơn 47,4% trong xử lý tài liệu
- Sử dụng ít token hơn 49% trong tạo bài thuyết trình
- Hy3 được phát hành theo giấy phép Apache 2.0
- Nhờ tối ưu hóa đồng thời phần cứng-phần mềm, Tencent hạ giá API
- Input trên mỗi 1 triệu token: 1 RMB
- Output trên mỗi 1 triệu token: 4 RMB
- Cached input trên mỗi 1 triệu token: 0,25 RMB
- Từ việc tái cấu trúc hạ tầng vào cuối tháng 1, Hy3 preview vào tháng 4, đến lần công bố Hy3 này và triển khai sản phẩm, Tencent đã đi qua vòng lặp phát triển mô hình end-to-end trong vòng 6 tháng
- Trong thời gian tới, Tencent dự định tiếp tục mở rộng huấn luyện, cải thiện chất lượng dữ liệu và tối ưu chi tiết trải nghiệm người dùng
1 bình luận
Ý kiến trên Hacker News
Kết quả Pelican vài ngày trước: https://simonwillison.net/2026/Jul/6/hy3/ — tôi đã dùng gói miễn phí của OpenRouter và nó hết hạn vào ngày 21 tháng 7
41 ngày trước tôi đã thử với bản preview model thì ra một con bồ nông có nút "change pelican color": https://static.simonwillison.net/static/2026/hy3-preview-pelican.html
Thật sự rất ấn tượng khi thấy các model đã cải thiện đến mức nào với SVG pelican
Nó ghi là
tencent/Hy3. New Apache 2.0 licensed model from Tencent in China, vậy Tencent AI research lab có ở các khu vực khác nữa không? Ví dụ MiniMax có liên hệ gì với Tencent khôngTôi không thực sự thích LLM lắm, nhưng nhờ bạn mà tôi nhận ra cảm xúc của mình là thiếu lý trí, và rằng công việc từng mang lại niềm vui cho tôi về cơ bản đã kết thúc ở hình thức cũ, nên tôi phải buông bỏ và tham gia vào phe làm vì tiền và sự chú ý
Dù vậy, với các dự án cá nhân tôi vẫn định tự code tay nếu có thể và không dùng LLM
Tôi không biết meme pelican thực sự hữu ích đến mức nào, nhưng tôi nghĩ việc bắt đầu từ góc độ thẩm mỹ thôi cũng đã rất hay
Một tháng trước tôi đã viết một bài blog nói rằng chẳng ai bàn về Hy3 mà nó vẫn đứng khá cao trong xếp hạng OpenRouter: https://news.ycombinator.com/item?id=48317294
Tính đến hôm nay thì nó đã tụt xuống hạng 8~9, và tôi không thấy rõ lý do để dùng nó thay vì các model cạnh tranh
Tuy vậy, cấu trúc giá có hơi khó hiểu: hiện tại giá input thực tế của Hy3 qua OpenRouter đã ngang với DeepSeek Flash V4 do DeepSeek host
https://openrouter.ai/tencent/hy3-preview
https://openrouter.ai/deepseek/deepseek-v4-flash
Có lẽ đó cũng là lý do thứ hạng bị tụt, trông như họ không gánh nổi nhu cầu
Nó vẫn là model nhỏ, nhưng ít nhất điểm benchmark đã tăng mạnh, bao gồm cả DeepSWE
Giá thì bằng Flash nhưng benchmark lại ngang Pro hoặc ở vài mục còn cao hơn
Tất nhiên benchmark phần lớn không có nhiều ý nghĩa, benchmark thật sự là công việc bạn giao cho nó ngoài thực tế
Kiến thức về thế giới so với kích thước của nó cũng rất tốt, và tôi thấy nó còn hơn cả DS4 Flash
Novita đang cung cấp dùng Hy3 miễn phí trên OpenRouter đến ngày 21 tháng 7
https://openrouter.ai/tencent/hy3:free
https://x.com/novita_labs/status/2074158304159510819
Vì kích thước khá tương đồng, tôi tò mò mọi người thấy nó thế nào khi so với DS4 Flash
Tôi cũng tò mò nó trụ được đến đâu khi áp lượng tử hóa mạnh
DS4 Flash hiện chạy khá tốt trên các hệ thống có khoảng hơn 96GB RAM, nên tôi không rõ Hy3 có cạnh tranh được ở phân khúc đó không
Tôi thấy DS4 Flash khá thất thường khi dùng qua Claude Code
Tốc độ thì tuyệt vời, nhưng nó thường dựng nên mô hình tinh thần hoàn toàn sai và lao theo hướng kỳ quặc, nên tôi phải kiểm soát thường xuyên, đồng thời còn phải nén history nên lợi thế giá cache cũng giảm đi
Hy3 không nhanh bằng như vậy, nhưng đến lúc này thì nó giữ hướng ổn định hơn DS4 Flash rất nhiều
Có vẻ nó cũng ít hỏng hơn trong ngữ cảnh dài, và dù tôi không rõ giá thực tế, tôi vẫn thấy đây là một model rất cạnh tranh
Ngoài ra, tôi cũng mua gói 50 triệu token của LongCat 2.0 để thử; không miễn phí nhưng rẻ đến mức gần như cho không
Nó cũng khá ấn tượng và trông tương đương Hy3
Không phải kiểu trí tuệ tuyến đầu, nhưng giống một người thợ đáng tin có thể khám phá codebase tốt và thực hiện ổn định những việc được giao
Khi llama.cpp hỗ trợ đầy đủ lightning indexer, toàn bộ ngữ cảnh 1M sẽ chỉ cần khoảng 6GB RAM
Vì vậy dù kích thước tương đương, ở khía cạnh đó tôi nghĩ DeepSeek sẽ hiệu quả hơn nhiều
Hy3 có cạnh tranh được hay không sẽ phụ thuộc rất lớn vào việc nó chịu lượng tử hóa tốt đến đâu
DSV4 vẫn dùng được cả ở lượng tử hóa 2 bit
Có khi chạy Qwen3.6-27B ở Q8 còn tốt hơn
DSv4 Flash vẫn còn đủ bộ nhớ để nhét KV cache 3M token ngay cả khi chạy trên hai máy DGX Spark, nhưng Hy3 kể cả khi lượng tử hóa xuống FP4 thì KV cache cũng chỉ chứa được khoảng 130K token
Mô hình này nhỏ đến ngạc nhiên so với hiệu năng của nó
Nó chỉ lớn hơn deepseekV4 flash một chút, nhưng ở một số benchmark lại trông ngang bằng hoặc thậm chí vượt V4 pro, nên sẽ không ngạc nhiên nếu nó trở thành một mô hình chạy local phổ biến
GLM-5.2 cũng chỉ bằng một nửa kích thước của DeepSeek V4 Pro, nhưng giá lại đắt gấp khoảng hai lần
Tôi có xem qua cấu trúc của DeepSeek một chút, và trọng tâm cốt lõi có vẻ là tìm cách giảm chi phí tối đa
Họ đã cắt giảm chi phí rất nhiều ở cơ chế attention, nhờ đó có thể cung cấp mức giá rẻ vô lý ngay cả với ngữ cảnh khổng lồ, nhưng có vẻ cũng phải đánh đổi hiệu năng
Ít nhất khi thấy một mô hình nhỏ hơn lại đắt hơn và làm tốt hơn, tôi sẽ nghĩ ngay: “attention có dày đặc hơn không?”
Hy3 has 295B parameters in total. To serve it on 8 GPUs, we recommend using H20-3e or other GPUs with larger memory capacity.Tôi cũng nghĩ nó có thể trở thành một mô hình local phổ biến
Tôi đã thử dùng mô hình này và thấy nó khá ấn tượng, thậm chí có vẻ tốt hơn ~~gpt5.4~~ gpt-5.4-mini
Hiệu năng của nó cũng đủ gần với sonnet 5 đến mức tôi không cảm nhận được khác biệt lớn
Nó không ở mức gpt 5.5, và có lẽ cũng thấp hơn glm 5.2, nhưng với hầu hết tác vụ tôi thử thì nó cứ thế hoạt động ổn và rất rẻ
Nếu bạn cần một mô hình FOSS thì hầu như không có lý do gì để không dùng
Sửa: không phải gpt-5.4 bản đầy đủ mà là gpt-5.4-mini
Bài blog của Hy3 có vẻ có khá nhiều benchmark bị nhiễm, nên cần kiểm thử thực tế
Giống nhiều mô hình Trung Quốc khác, cảm giác rất rõ là nó đã được tối ưu hóa cho benchmark khá nặng
Nếu là gpt-5.4 thì có lẽ chưa có mô hình mã nguồn mở nào ngang được, và có thể phải thêm khoảng 1 năm nữa
Dùng Hy3 khiến tôi có cảm giác mình bị khùng lên
Tôi không biết là nó bị tối ưu hóa benchmark cực đoan hay là do cách tôi dùng, nhưng tôi thà dùng Gemma dense còn hơn
Trong ký ức gần đây thì chưa có mô hình nào làm tôi lãng phí thời gian đến thế
Bản 31B rõ ràng nhỉnh hơn, và ngay cả MoE ở phiên bản QAT dùng lượng tử hóa 4 bit cũng tốt hơn một chút
Qwen 3.6 27B cũng tốt hơn Hy3
Giờ nó đã qua giai đoạn preview và được hậu huấn luyện thêm, nên tôi dự định sẽ thử lại
Dù sao thì chắc cũng không thể tệ hơn, và có thể nó đã đủ tốt để cạnh tranh với các mô hình 31B
Tôi cứ tưởng đây là bản phát hành mới của ngôn ngữ Hy: https://hylang.org
Điều thực sự cần là một bước đột phá về suy luận hoặc kiến trúc LLM
Cần có một mô hình cỡ GLM-5.2 nhưng nhỏ bằng hoặc dưới Qwen 3.6 27b, có thể chạy trên thiết bị tiêu dùng như Macbook Pro 48GB với tốc độ ít nhất 100 token/giây
Giả thuyết của tôi là, nếu ghép một mô hình nhỏ hơn, kém thông minh hơn nhưng nhanh hơn với một bộ thực thi tốt, thì có thể cho nó chạy lâu hơn để dùng sức giải những bài toán mà mô hình lớn giải được chỉ trong một lượt
Nó giống như cách gắn bộ giảm chấn rung vào nhiều cấu trúc cơ khí khác nhau
Tôi không vào được trang web
Không kết nối được tới https://hy.tencent.com/research/hy3