Tencent, açık kaynak model Hy3'ü duyurdu
(hy.tencent.com)- Benzer boyuttaki modellere göre daha yüksek performans hedefliyor ve 2~5 kat daha fazla parametreye sahip amiral gemisi açık kaynak modellerle de rekabet edebilecek seviyede
- 270 uzmanın gerçek iş görevlerine dayalı kör değerlendirmesinde Hy3, 2.67/4 ile GLM-5.1'in 2.51/4 puanını geride bıraktı; fark özellikle frontend geliştirme, veri ve depolama, CI/CD alanlarında büyüktü
- Ürün geri bildirimine dayalı iyileştirmelerle halüsinasyon oranı 12.5%→5.4%, sağduyu hata oranı 25.4%→12.7%, kurum içi çok turlu test sorun oranı 17.4%→7.9% seviyesine düştü
- Apache 2.0 lisansıyla GitHub, HuggingFace, ModelScope ve AtomGit üzerinde yayımlandı; API fiyatı 1 milyon token başına giriş için 1 RMB, çıkış için 4 RMB, önbellekli giriş için 0.25 RMB
- Tencent, nisan sonundaki Hy3 preview sonrasında 50'den fazla üründen gelen geri bildirimleri ve yüksek kaliteli sonradan eğitim verilerini yansıtarak resmi Hy3'ü duyurdu
Hy3'ün duyurulması ve ajan performansı
- Tencent, nisan sonunda Hy3 preview'yu yayımladıktan sonra 50'den fazla üründen geri bildirim topladı ve daha yüksek kaliteli verilerle sonradan eğitimi genişleterek Hy3'ü duyurdu
- Yeni model, benzer boyuttaki modellerden daha yüksek performans veriyor ve 2~5 kat parametreye sahip amiral gemisi açık kaynak modellerle rekabet edebilecek düzeyde değerlendiriliyor
- preview sonrasında sonradan eğitim verilerinin kalitesi ve çeşitliliği artırıldı ve RL eğitimi genişletildi
- Akıl yürütme, ajan tipi görevler ve uzun bağlamlı görevlerde iyileşme sağlandı
- Daha büyük amiral gemisi modellerle rekabet edebilecek seviyeyi hedefliyor
- Üretkenlik görevlerinde kodlama, ofis işleri, finansal modelleme, frontend tasarımı ve oyun geliştirmede ilerleme kaydedildi
- 270 uzmanın gerçek iş görevlerini kullandığı kör değerlendirmede Hy3, 2.67/4 puan aldı
- GLM-5.1 ise 2.51/4 puan aldı
- Hy3'ün üstünlüğü en çok frontend geliştirme, veri ve depolama ile CI/CD görevlerinde görüldü
Ürün güvenilirliği, maliyet ve yayımlanma biçimi
- Yalnızca benchmark'ların modelin kullanışlılığını yeterince yakalayamadığı düşünülerek, gerçek ürün geri bildirimlerine dayanıp çeşitli sorunlar giderildi
- Araç çağırma ve çıktı biçimi kararlılığı iyileştirildi
- Araç yapılandırması ve çıktı kısıtlarının genelinde üretim seviyesi standartlarına ulaşmak için temel güvenilirlik sorunları düzeltildi
- Araç çağırma hata kurtarma ve genel verimlilik iyileşti
- CodeBuddy, Cline ve KiloCode gibi farklı ajan scaffolding'lerinde SWE-Bench Verified doğruluk değişim aralığı %4 içinde kaldı
- Bilgi ve halüsinasyon önleme güçlendirildi
- Dayanak olduğunda yanıt verme, kanıt yoksa bunu açıkça söyleme, kaynakları karıştırmama veya veri uydurmama ilkelerine göre veri temizleme ve eğitim kısıtları uygulandı
- Kurum içi gerçek senaryo değerlendirmesinde halüsinasyon oranı %12.5'ten %5.4'e düştü
- Sağduyu hata oranı %25.4'ten %12.7'ye indi
- Olgusal karışıklık, uydurma ve mantıksal çelişkiler azaldı
- Karmaşık bağlamı koruma ve çok turlu niyet takibini iyileştirildi
- SFT ve RL'nin ortak optimizasyonuyla talimat hedefini yorumlama, eksik bırakılanı tamamlama, çok turlu kısıt mirası gibi operasyonel sorunlar ele alındı
- Kurum içi kapsamlı çok turlu testte sorun oranı %17.4'ten %7.9'a düştü
- MRCR gibi uzun diyalog değerlendirmelerinde de iyileşme görüldü
- Uzun etkileşimlerde karmaşık niyetin zayıflamaması veya kaymaması sağlanırken çıktı daha özlü hale geldi
- WorkBuddy kurum içi testlerinde Hy3, preview'ya kıyasla görev başarı oranı ve tamamlama süresinde iyileşme gösterdi
- Görev başarı oranı Hy3 preview'daki %72'den Hy3'te %90'a yükseldi
- Ortalama tamamlama süresi %34 azaldı
- Veri işleme, belge işleri ve araştırma raporu analizinde iyileşme görüldü
- GLM-5.2 ile karşılaştırılan bazı genel görevlerde Hy3'ün token verimliliği daha yüksekti
- Belge işlemede %47.4 daha az token kullandı
- Sunum oluşturmada %49 daha az token kullandı
- Hy3, Apache 2.0 lisansıyla yayımlandı
- Donanım-yazılım ortak optimizasyonuyla API fiyatı düşürüldü
- 1 milyon token başına giriş: 1 RMB
- 1 milyon token başına çıkış: 4 RMB
- 1 milyon token başına önbellekli giriş: 0.25 RMB
- Tencent, ocak sonunda altyapıyı yeniden kurmasından, nisandaki Hy3 preview'ya ve bu Hy3 duyurusuyla ürün dağıtımına kadar 6 ay içinde uçtan uca model geliştirme döngüsünü tamamladı
- Bundan sonra eğitim ölçeklendirme, veri kalitesini artırma ve kullanıcı deneyiminin ayrıntılı optimizasyonunu sürdürmeyi planlıyor
1 yorum
Hacker News görüşleri
Birkaç gün önceki Pelican sonucu: https://simonwillison.net/2026/Jul/6/hy3/ — OpenRouter'ın ücretsiz katmanını kullanıyordum ve 21 Temmuz'da süresi doluyor
41 gün önce önizleme modelini denediğimde "change pelican color" düğmesi olan bir pelikan çıkmıştı: https://static.simonwillison.net/static/2026/hy3-preview-pelican.html
Modellerin SVG pelikan konusunda ne kadar geliştiğini görmek gerçekten harika
tencent/Hy3. New Apache 2.0 licensed model from Tencent in Chinayazıyor; Tencent AI araştırma laboratuvarının başka bölgelerde de merkezleri mi var? Örneğin MiniMax'in Tencent ile nasıl bir ilişkisi varLLM'leri pek sevmiyorum ama sizin sayenizde duygularımın mantıksız olduğunu ve keyif aldığım mesleğin önceki haliyle fiilen bittiğini, bu yüzden bunu kabullenip para ve ilgi için yapan tarafın arasına katılmam gerektiğini fark ettim
Yine de kişisel projelerimde mümkün olduğunca doğrudan elle kod yazmayı ve LLM kullanmamayı düşünüyorum
Pelikan meminin pratikte ne kadar faydalı olduğunu bilmiyorum ama en azından estetik taraftan başlamış olması hoşuma gidiyor
Bir ay önce kimsenin Hy3'ten bahsetmemesine rağmen OpenRouter sıralamasında üst sıralarda olduğuna dair bir blog yazısı yazmıştım: https://news.ycombinator.com/item?id=48317294
Bugün itibarıyla sıralamada 8-9. sıralara gerilemiş durumda ve rakip modeller yerine bunu kullanmak için çok net bir neden göremiyorum
Yine de fiyat yapısı biraz kafa karıştırıcı; şu anda OpenRouter üzerinden Hy3'ün fiili giriş fiyatı, DeepSeek'in barındırdığı DeepSeek Flash V4 ile aynı seviyeye gelmiş durumda
https://openrouter.ai/tencent/hy3-preview
https://openrouter.ai/deepseek/deepseek-v4-flash
Sıralamasının düşmesinin nedeni de muhtemelen budur; talebi karşılayamıyor gibi görünüyordu
Hâlâ küçük bir model ama en azından benchmark puanları, DeepSWE dahil, ciddi biçimde yükselmiş
Fiyatı Flash ile aynı ama benchmarkları Pro'ya benziyor, hatta bazıları daha yüksek
Tabii benchmarklar çoğu zaman çok anlamlı değil; gerçek benchmark, ona fiilen verdiğiniz iştir
Boyutuna göre dünya bilgisi de çok iyi ve bence DS4 Flash'tan daha iyi
Novita, OpenRouter'da 21 Temmuz'a kadar ücretsiz Hy3 kullanımı sunuyor
https://openrouter.ai/tencent/hy3:free
https://x.com/novita_labs/status/2074158304159510819
Boyutları epey benzer olduğu için insanların DS4 Flash ile karşılaştırınca ne düşündüğünü merak ediyorum
Ayrıca ağır quantization uygulandığında ne kadar dayandığını da merak ediyorum
DS4 Flash şu anda yaklaşık 96GB veya daha fazla RAM'e sahip sistemlerde oldukça iyi çalışıyor; Hy3'ün o alanda rekabet edip edemeyeceğinden emin değilim
DS4 Flash'ın Claude Code üzerinden kullanıldığında oldukça kaprisli olduğunu düşündüm
Hızı mükemmel ama sık sık tamamen yanlış bir zihinsel model kurup alakasız bir yöne saldırıyor, bu yüzden onu sık sık kontrol etmem gerekti; ayrıca geçmişi de sıkıştırmak zorunda kaldım, bu da önbellek fiyat avantajını azalttı
Hy3 o kadar hızlı değil ama şimdiye kadar DS4 Flash'tan çok daha istikrarlı biçimde yönünü koruyor
Uzun bağlamda da daha az bozuluyor gibi görünüyor; gerçek fiyatını tam bilmiyorum ama oldukça rekabetçi bir model izlenimi veriyor
Ayrı olarak LongCat 2.0'ı da 50 milyon token paketi alıp denedim; ücretsiz değil ama neredeyse bedava denecek kadar ucuz
O da oldukça etkileyici ve kabaca Hy3 ile benzer görünüyor
En ön saftaki düzeyde zekâ değil ama kod tabanını iyi gezen ve verilen işi istikrarlı şekilde yapan güvenilir bir işçiye daha yakın
llama.cpp lightning indexer için tam destek verdiğinde, tüm 1M bağlam için yalnızca yaklaşık 6GB RAM gerekecek
Bu yüzden boyutları benzer olsa bile bu açıdan DeepSeek'in çok daha verimli olacağını düşünüyorum
Hy3'ün rekabet edip edemeyeceği büyük ölçüde quantization karşısında ne kadar dayanıklı olduğuna bağlı
DSV4, 2 bit quantization ile bile kullanılabilir durumda
Belki de onun yerine Qwen3.6-27B'yi Q8 olarak çalıştırmak daha iyi olur
DSv4 Flash, iki DGX Spark üzerinde çalıştırılırken bile 3M tokenlık KV cache için hâlâ belleğe sahip ama Hy3, FP4 quantization uygulansa bile yalnızca yaklaşık 130K tokenlık KV cache sığdırabiliyor
Bu model, performansına kıyasla şaşırtıcı derecede küçük
deepseekV4 flash'tan biraz daha büyük, ama bazı benchmark'larda V4 pro kadar iyi ya da daha iyi görünüyor; bu yüzden popüler bir yerel model haline gelirse şaşırtıcı olmaz
GLM-5.2 de DeepSeek V4 Pro'nun yarısı kadar, ama fiyatı yaklaşık iki katı
DeepSeek mimarisine biraz baktım; ana odak maliyeti olabildiğince düşürmenin bir yoluydu
Attention mekanizmasında çok ciddi maliyet düşürmüşler ve bu sayede devasa bağlamlarda inanılmaz derecede ucuz fiyat verebilmişler, ama sanırım bunun bir performans bedeli oldu
En azından daha küçük modelin daha pahalı olup daha iyi iş çıkardığını görünce insanın aklına “attention daha mı yoğun?” sorusu geliyor
Hy3 has 295B parameters in total. To serve it on 8 GPUs, we recommend using H20-3e or other GPUs with larger memory capacity.Bence bu yine de popüler bir yerel model olabilir
Modeli denedim; bayağı iyiydi ve ~~gpt5.4~~ gpt-5.4-mini'den daha iyi gibi geldi
Performans da sonnet 5'e yeterince yakındı; büyük bir fark hissetmedim
gpt 5.5 seviyesinde değil, muhtemelen glm 5.2'nin de altında, ama denediğim çoğu işte gayet iyi çalıştı ve çok ucuz
FOSS model gerekiyorsa kullanmamak için bir sebep yok
Düzeltme: temel gpt-5.4 değil, gpt-5.4-mini idi
Hy3 blog yazısında kirlenmiş benchmark sayısı fazla gibi görünüyor; gerçek test lazım
Birçok Çin modelinde olduğu gibi yoğun benchmark optimizasyonu yapılmış hissi veriyor
gpt-5.4 ise, ona denk bir açık kaynak model yoktur; muhtemelen olması için 1 yıl daha gerekir
Hy3 kullanınca kendimi tuhaf hissediyorum
Aşırı derecede benchmark optimizasyonu yapılmış mı, yoksa sorun benim kullanım biçimimde mi bilmiyorum ama dense Gemma kullanmayı tercih ederim
Son zamanlarda vaktimi bana bu kadar harcatan başka bir model hatırlamıyorum
31B açıkça öndeydi ve MoE de 4 bit quantization kullanan QAT sürümünde bile biraz daha iyiydi
Qwen 3.6 27B de Hy3'ten daha iyiydi
Preview aşamasını geçip daha fazla post-training aldığına göre şimdi tekrar denemeyi planlıyorum
Daha kötüye gitmemiştir; belki 31B modelle rekabet edecek kadar iyileşmiştir
Bunun Hy dilinin yeni sürümü olduğunu sandım: https://hylang.org
Asıl ihtiyaç duyulan şey muhakeme ya da LLM mimarisinde bir atılım
GLM-5.2 seviyesinde bir modelin, Qwen 3.6 27b'den büyük olmadan, 48GB Macbook Pro gibi tüketici cihazlarında saniyede en az 100 token hızında çalışabilmesi gerekiyor
Benim hipotezim şu: daha küçük, daha az akıllı ama hızlı bir modeli iyi bir yürütücü ajanla eşleştirirseniz, onu daha uzun süre çalıştırıp büyük bir modelin tek seferde çözdüğü problemleri kaba kuvvetle çözebilirsiniz
Bu, çeşitli mekanik yapılara titreşim sönümleyici takmaya benzer bir yaklaşım
Siteye erişemiyorum
https://hy.tencent.com/research/hy3 adresine bağlanmıyor