腾讯 Hy3 正式版发布：Apache 2.0 开源 295B MoE 模型，幻觉率砍半，Agent 任务领先开源阵营
7月6日，腾讯混元团队发布了 Hy3 的正式版——一个 2950 亿参数的 MoE（混合专家）模型，每次推理仅激活 210 亿参数，支持 256K 上下文长度。这次更新最引人注目的不是性能数字，而是许可证：从 4 月预览版的限制性许可直接切换为 Apache 2.0，一举解决了此前国产开源模型排除欧盟、英国、韩国市场的合规障碍。与此同时，幻觉率从 12.5% 降至 5.4%，在搜索和工具调用类 Agent 任务上领跑开源阵营——但编码能力仍逊于智谱 GLM-5.2。
从预览到正式：10 周迭代
Hy3 的 4 月预览版是腾讯重建预训练和强化学习基础设施后的首个模型，距 2 月基础设施重建仅不到三个月。首席 AI 科学家姚顺雨当时将早期开源定位为"收集开发者反馈"——腾讯表示这正是后续发生的事。
根据模型卡，团队在 4 月底预览后收集了超过 50 个产品团队的反馈，修复了任务执行和交互中的问题，并扩大了后训练管线规模。架构本身没有变化：295B 总参数，21B 活跃参数，top-8 路由跨 192 个专家，3.8B 参数的多 token 预测（MTP）层用于投机解码，256K 上下文窗口。变化的是行为——腾讯称正式版在多个维度上显著优于预览版。
Apache 2.0：真正的开放
过去一年，国产开源模型有一个尴尬的现实：许多最强模型的开源许可排除了欧盟、英国和韩国。这意味着企业法务团队在评估还没完成前就否决了部署——不只是总部在这些地区的公司，任何向这些地区提供服务的公司都受影响。
Hy3 正式版改用 Apache 2.0 许可，彻底消除了这个障碍。开源社区的反应非常直接：X 上的研究者普遍认为许可证变更才是真正的头条，有人直言"如果分数站得住，腾讯刚成为开源领导者之一"。腾讯还宣布 Hy3 在 OpenRouter 上免费开放两周。
性能：Agent 任务领先，编码让位 GLM-5.2
腾讯的评估方式比较特别——没有只跑公开 benchmark，而是做了一场盲测：270 位各领域专家在真实工作流中进行 312 次有效对比，Hy3 得分 2.67（满分 4），GLM-5.1 得分 2.51，优势集中在前端开发、CI/CD 和数据存储领域。
在公开 benchmark 上，Hy3 的优势领域非常明确：
- 搜索与工具调用：BrowseComp 84.2、DeepSearchQA 91.0，领先所有开源模型，与 Claude Opus 4.8 和 GPT-5.5 同档；MCP-Atlas 工具编排 79.1，ClawEval Agent 评估领先
- 长上下文检索：AA-LCR 73.4，开源最佳
但编码是另一幅画面。腾讯自己的附录数据显示，GLM-5.2 在几乎所有编码 benchmark 上领先：SWE-bench Verified 84.2 vs 78.0，SWE-bench Multilingual 83.0 vs 75.8，Terminal-Bench 2.1 81 vs 71.7，DeepSWE 差距更大（46.2 vs 28.0）。不过 GLM-5.2 是约 744B 参数、40B 活跃参数的模型——Hy3 的总参数不到一半，活跃参数也约为一半。用一半的参数做到接近的水平，这个差距可以理解。
需要注意的是，附录中几乎所有竞品数据都标注为"腾讯自测"，独立验证（如 Artificial Analysis）尚在进行中。
可靠性：幻觉率砍半
比起 benchmark 分数，腾讯这次更强调的是可靠性指标——模型卡读起来更像一份生产环境可靠性报告，而非排行榜公告。
内部真实场景评估中，Hy3 的幻觉率从预览版的 12.5% 降至 5.4%，常识错误率从 25.4% 降至 12.7%，多轮对话问题率从 17.4% 降至 7.9%。长对话 benchmark MRCR 从 42.9% 跳到 75.1%。腾讯将改善归因于精细数据清洗和围绕"有据则答、无据则说、不混淆来源、不编造数据"的行为约束。
另一个被强调的指标是跨 Agent 框架一致性：SWE-bench 得分在 Claude Code 风格、Cline、KiloCode 等不同框架下波动仅几个百分点。这听起来不起眼，但对企业来说很实际——团队很少能统一使用同一个 Agent 框架，一个只在特定框架下表现好的模型意味着隐性的集成成本。
这些是厂商自测数据，理应保持审慎。但选择把可靠性指标放在 benchmark 前面，本身就说明腾讯认为自己的目标客户是谁：那些被"演示很好、生产翻车"的模型伤过的团队。
部署经济性：半参数，半成本
可靠性故事直接连着经济性——这也是 Hy3 编码差距看起来更像"刻意取舍"而非"输掉比赛"的原因。
GLM-5.2 约 744B 参数、40B 活跃参数，FP8 权重约 744GB，8×H200 节点是生产部署的最低配置。Hy3 总参数 295B，FP8 权重不到 300GB——不到一半的显存，约一半的每 token 计算量。对于决定自托管模型的企业来说，这意味着更低的硬件门槛和更低的推理成本。在出口合规硅片上部署的可行性也更高。
对谁有用
- 需要合规开源部署的企业：Apache 2.0 消除了此前国产模型的许可障碍，可以直接在 EU/UK/KR 市场部署
- 搜索和工具密集型 Agent 场景：BrowseComp、DeepSearchQA、MCP-Atlas 上的表现说明 Hy3 在"搜索-工具-编排"类任务上是开源最佳选择
- 对编码有强需求的团队：GLM-5.2 仍然是更好的选择，Hy3 在 SWE-bench 等编码 benchmark 上有明显差距
- 关注部署成本的自托管用户：不到 300GB 的 FP8 权重让单节点部署成为可能
需要注意的
- benchmark 数据多为腾讯自测，独立第三方验证尚待发布
- 盲测对比对象是 GLM-5.1（旧版），而非最新的 GLM-5.2
- 编码能力与 GLM-5.2 差距明显，如果主要用途是代码生成，Hy3 不是最优选
- 幻觉率和可靠性数据为内部评估，非独立审计
---
*基于 VentureBeat 报道及 HuggingFace 模型卡整理。VentureBeat 文章发布于 2026 年 7 月 6 日。*
参考来源
- https://venturebeat.com/technology/tencents-apache-licensed-hy3-takes-on-glm-5-2-at-half-the-size-and-wins-everywhere-except-coding
- https://huggingface.co/tencent/Hy3