Tencent представила модель Hunyuan Hy3, которая оснащена архитектурой Mixture of Experts (MoE) с 295 миллиардами параметров. Эта модель продемонстрировала сильные возможности в работе агентов и поднялась на восьмое место в списке самых популярных моделей на OpenRouter, что свидетельствует о пересмотре подхода компании к созданию ИИ-моделей через изменение конвейера обучения.
После двух лет, когда Tencent считалась отстающей в гонке китайских фундаментальных моделей, компания вновь заявила о себе с выпуском Hunyuan Hy3. Несмотря на отсутствие громкого презентационного мероприятия, модель достигла восьмого места в рейтинге самых популярных моделей на OpenRouter всего за три дня после предоставления бесплатного доступа. Кроме того, спрос на продукт WorkBuddy, использующий эту модель, достиг 50%-го уровня очереди, что потребовало экстренного расширения мощностей, а акции Tencent выросли на 4,82% в день запуска.
Hy3 использует архитектуру Mixture of Experts, имеющую в общей сложности 295 миллиардов параметров, при этом во время инференса активируется 21 миллиард параметров. Вместо того чтобы стремиться к максимальным баллам в бенчмарках, разработчики сосредоточились на практической инженерной реализации, эффективности затрат на инференс и надежности задач агентов. На тесте SWE-bench Verified Hy3 показала 78 баллов, уступив Claude Fable 5, GLM-5.2 и DeepSeek V4 Pro. Однако на более сложном тесте SWE-bench Pro она набрала 57,9 балла, обогнав DeepSeek V4 Pro. В сравнении среди открытых моделей, на WildClawBench Hy3 превзошла как GLM-5.1, так и DeepSeek V4 Pro.
Более важным аспектом стало то, как Tencent достигла этих результатов. В сентябре 2025 года компания наняла Яо Шуньюй, бывшего исследователя из OpenAI, на должность главного ученого по ИИ, что ознаменовало стратегический сдвиг. Яо провел реорганизацию системы исследований и разработок Hunyuan, восстановил конвейер предварительного обучения и обучения с подкреплением, расширил и очистил обучающие данные. Он также изменил последовательность разработки, начав с требований продукта для офисных задач, кодирования и управления знаниями, прежде чем определять архитектуру модели. Такой подход гарантирует, что обратная связь от продукта напрямую влияет на обучение модели, замыкая цикл между разработкой модели и ее реальным применением.
Внешняя оценка выглядит многообещающе: ежедневное потребление токенов Hy3 увеличилось в 20 раз во время предварительного просмотра, а выбор активными пользователями Hy3 в WorkBuddy вырос в 6 раз. В июльских рейтингах использования программных моделей на OpenRouter Hy3 вошла в топ-четыре вместе с GLM-5.2, MiniMax M3 и серией DeepSeek V4. Производительность в различных фреймворках агентов демонстрирует контроль колебаний точности в пределах 4%, снижение частоты галлюцинаций и улучшенную стабильность при многоходовом взаимодействии.
Практики индустрии агентов характеризуют Hy3 как сильную модель второго эшелона, которая достигает статуса первой среди экономически эффективных открытых моделей. Она особенно конкурентоспособна в разработке фронтенда, кодировании, поиске и вызове инструментов. Хотя она пока не лидирует в задачах высокого когнитивного уровня, она заняла четкую нишу для крупномасштабных корпоративных внедрений, чувствительных к стоимости. DeepSeek V4 Pro и GLM-5.2 все еще превосходят Hy3 в ряде сложных тестов, однако разрыв значительно сократился по сравнению с предыдущими итерациями Hunyuan. Реальное испытание начнется, когда закончится бесплатный доступ. Тем не менее, Hy3 уже добилась того, чего не смогла ни одна предыдущая итерация Hunyuan: она убедила внешних разработчиков активно выбирать модель Tencent вместо альтернатив и побудила внутренние продукты Tencent поручать ей реальные рабочие нагрузки. То, приведет ли это к устойчивому конкурентному положению, зависит от способности Tencent поддерживать постоянную скорость итераций и расширять возможности модели, сохраняя при этом ценовое преимущество.
