腾讯混元Hy3开源：256K上下文+Agent能力工程交付

近期，混元推出的Hy3大模型正式发布并开源，同步开放了Hy3和Hy3-FP8两种权重版本。这款模型主打推理、代码开发、工具调用以及长程任务场景，属于大规模混合专家架构（MoE）模型。

Hy3采用MoE架构，总参数规模达到295B，单次激活仅使用21B参数，其中MTP层参数为3.8B，搭载80层主网络，配备192个专家节点，每次推理会Top-8激活专家，支持256K的上下文长度，兼容BF16精度格式。这种设计既通过总参数规模拉高了模型上限，又通过稀疏激活控制了推理成本，能够适配长文档处理、长对话、代码仓库分析以及多步骤智能体任务等场景。

Hy3还新增了reasoning_effort可调参数，默认采用no_think模式直接返回结果，针对数学计算、代码编写和复杂推理任务则可以切换为high模式提升推理强度，这种灵活配置可以平衡响应速度、使用成本和最终效果。

Hy3并非首次亮相，其预览版在今年4月就已推出，团队在收到超过50个产品团队的反馈后，对任务执行、交互体验进行了优化，同时升级了后训练数据的质量和规模。Hy3的迭代逻辑完全贴合真实产品场景：从业务一线暴露问题，再将问题反馈到模型训练和评测环节，优化后的能力再反哺到产品落地中。

目前Hy3已经接入多款内部产品，覆盖办公自动化、代码开发、知识库问答、文件编辑、设备诊断、生活服务以及多轮对话等多个场景。这些场景不仅考验模型的问答能力，更要求模型能够理解用户需求、规划执行步骤、调用外部工具、处理执行失败，并最终交付完整结果。各产品的实测数据显示：

在真实业务场景中，Hy3的表现也有显著提升。内部评估数据显示，模型的幻觉率从12.5%下降至5.4%，常识错误率从25.4%降至12.7%；综合多轮测试的问题率从17.4%下降到7.9%，MRCR指标从42.9%提升至75.1%。

在搜索、长文档处理、知识库问答以及办公材料生成等场景中，事实准确性是核心约束，模型在证据不足时随意补充信息会直接影响业务落地效果。而多轮对话场景中，用户往往会追加限制、修改目标、补充素材或纠正结果，模型需要全程记住对话上下文，避免偏离任务方向。工具调用能力则决定了智能体能否真正落地，代码、文件、浏览器、搜索、表格、PPT生成等场景都依赖完整的工具链，模型如果反复调用错误工具、参数填写出错，或者失败后强行执行，反而会让智能体从自动化工具变成问题制造者。

评测结果

Hy3的评测覆盖了多个偏向智能体和生产力场景的任务，包括SWE-bench Pro、SWE-bench Multilingual、NL2repo、Terminal Bench 2.1、BrowseComp、MCP Atlas、ClawEval、SkillsBench、HLE、FrontierScience-Olympiad、MathArena Apex、AA-LCR等。其中，SWE-bench和NL2repo用于评估代码和仓库任务能力，Terminal Bench测试终端环境下的任务执行能力，BrowseComp评估浏览器和信息检索能力，MCP Atlas考察工具生态适配性，ClawEval和SkillsBench则聚焦智能体技能和工具使用效果。

相比预览版，Hy3在多个核心任务上有明显提升：Terminal Bench 2.1的得分从58.0提升至71.7，BrowseComp从67.1提升至84.2，NL2repo从35.3提升至45.6，SkillsBench从29.1提升至55.3。虽然Hy3并未在所有评测项目上超越顶尖闭源模型，但在代码开发、工具调用、终端操作、浏览器交互以及长程任务等领域的表现尤为突出。

此外，团队组织了270名来自不同工种的内部专家进行盲测，最终收集到312条有效对比数据，Hy3的综合得分为2.67/4，高于GLM-5.1的2.51/4，优势主要体现在前端开发、CI/CD、数据存储等细分场景。需要说明的是，公开评测更多考察模型的能力边界，而内部盲测则更贴近真实工作流体验，能够直接反映模型在实际业务中的稳定执行能力。

开源入口和调用方式

目前Hy3的相关资源已经全面公开。GitHub仓库提供了模型介绍、基准测试数据、兼容OpenAI格式的API示例、vLLM和SGLang部署命令、微调文档以及量化说明。相关开源平台已经上线了模型权重仓库。

在部署方面，Hy3提供了vLLM和SGLang两种部署方案，vLLM启动命令内置了MTP speculative配置、工具调用解析器和推理解析器，SGLang示例也包含了工具调用解析器、推理解析器、推测参数和服务模型名称，不仅开放了权重文件，还提供了完整的推理框架、工具调用流程和推理解析入口。

API调用价格也已公布：输入token单价为1元/百万tokens，输出token单价为4元/百万tokens，缓存命中的输入token单价仅为0.25元/百万tokens。由于长上下文和多轮智能体任务会反复携带历史对话、工具返回结果、文件内容以及系统提示词，缓存命中的低价策略能够有效降低使用成本。

总结

本次Hy3的发布可以看作一次完整的工程交付，从模型规格、开源权重、API定价、基准测试数据、产品落地反馈到部署方案，形成了一套完整的落地体系。295B总参数、21B激活参数以及256K上下文长度，将Hy3归入大规模稀疏模型赛道；同步开放的不同权重版本，让开发者可以自由进行部署、量化和二次验证；而各产品的实测数据，则证明了模型校准完全贴合真实业务场景。

Hy3的后续表现，需要回到开发者的实际工作流中验证：能否稳定读取长文档、处理仓库级代码任务、精准控制工具调用、减少无效重试、在多轮约束下保持任务方向。单一的基准测试分数只能反映部分能力，真实业务场景才能更快暴露模型的优势和短板。总体来看，Hy3将国产开源大模型的发展方向进一步推向了智能体、代码开发和工具调用赛道，大模型的发布也从单纯的权重和榜单竞争，转向了更完整的工程化交付能力比拼。

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/

AI生成内容提示：本文由人工智能辅助创作，内容仅供参考，不代表平台观点。请注意核实信息的准确性，并理性判断。