腾讯混元发布 Hy3
来自 Tencent Hunyuan Research · 期号 2026-07-06
摘要
腾讯混元发布 Hy3 模型，在推理、Agent 与长上下文任务上对标参数量大 2-5 倍的开源旗舰模型。 在 270 位专家参与的盲评中，Hy3 得分 2.67/4，超过 GLM-5.1 的 2.51/4，前端开发、数据存储与 CI/CD 场景优势最明显。幻觉率从 12.5% 降至 5.4%，常识错误率从 25.4% 降至 12.7%。 接入 QQ 浏览器元宝助手后，编程成功率提升 37.6%；在《流放之路 2》AI 助手中，多轮推理与工具编排成功率 92%，幻觉率从 4.5% 降至 2.8%。 模型以 Apache 2.0 协议开源，API 定价为输入 1 元/百万 token、输出 4 元、缓存输入 0.25 元。
深读
导读 腾讯混元团队发布 Hy3 模型，在推理、Agent 与长上下文任务上对标参数量大 2-5 倍的开源旗舰模型。通过后训练数据质量提升与 RL 扩展，Hy3 在真实场景的盲评中击败了 GLM-5.1，并将幻觉率从 12.5% 降至 5.4%。对于关注开源模型实用性与成本效益的从业者，这是一份关于如何通过数据与训练策略而非单纯堆参数来提升模型能力的案例。 关键信息 - 在 270 位专家参与的盲评中，Hy3 得分 2.67/4，超过 GLM-5.1 的 2.51/4，前端开发、数据存储与 CI/CD 场景优势最明显。 - 幻觉率从 12.5% 降至 5.4%，常识错误率从 25.4% 降至 12.7%。 - 接入 QQ 浏览器元宝助手后，编程成功率提升 37.6%。 - 在《流放之路 2》AI 助手中，多轮推理与工具编排成功率 92%，幻觉率从 4.5% 降至 2.8%。 - 多轮对话问题率从 17.4% 降至 7.9%，意图识别准确率从 98.28% 提升至 98.94%。 - 模型以 Apache 2.0 协议开源，API 定价为输入 1 元/百万 token、输出 4 元、缓存输入 0.25 元。 逐节讲解 更强的 Agent 能力 Hy3 在 Hy3 preview 的基础上，通过提升后训练数据的质量和多样性并扩展 RL 训练，在推理、Agent 和长上下文任务上取得了显著进步，能够与参数量大 2-5 倍的旗舰开源模型竞争。在编程、办公、金融建模、前端设计和游戏开发等生产力场景中，Hy3 表现可靠。团队组织了 270 位专家使用各自工作中的真实任务进行盲评，Hy3 得分 2.67/4，优于 GLM-5.1 的 2.51/4，优势最明显的领域是前端开发、数据存储和 CI/CD 任务。 更可靠的产品体验 团队基于产品反馈识别并修复了三个关键问题。工具调用与输出格式的稳定性：修复了多项基线可靠性问题，使模型达到生产级标准。在 SWE-Bench Verified 上，不同 Agent 框架（CodeBuddy、Cline、KiloCode）间的准确率差异保持在 4% 以内。知识与反幻觉：通过细粒度数据清洗和训练约束，幻觉率从 12.5% 降至 5.4%，常识错误率从 25.4% 降至 12.7%。复杂上下文保持与多轮意图追踪：通过 SFT 和 RL 的联合优化，多轮测试问题率从 17.4% 降至 7.9%，意图识别准确率从 98.28% 提升至 98.94%。 产品落地效果 Hy3 上线 QQ 浏览器元宝助手后，编程成功率提升 37.6%，在网页理解和金融、时政等专业研究方面表现稳定。在《流放之路 2》AI 助手中，多轮推理与工具编排成功率达到 92%，幻觉率从 4.5% 降至 2.8%。模型已以 Apache 2.0 协议开源，API 定价为输入 1 元…