腾讯已发布其 Hy3 模型的完整版本，这是一个拥有 2950 亿参数的混合专家（MoE）模型，并采用宽松的 Apache 2.0 许可证发布，此前阻碍其采用的地理限制已被移除。这一许可变更是对预览版发布的重大调整，已获开源社区广泛赞誉，部分观点认为此举使腾讯在开源领域确立了领先地位。Hy3 的架构与其四月的预览版保持一致，总参数量为 2950 亿，每次前向传播激活参数为 210 亿。腾讯声称，完整版的性能显著优于同类规模模型，并能与规模大两到五倍的旗舰开源模型相竞争。该模型基于超过 50 个内部产品团队的反馈进行优化，提升了任务执行与交互能力。尽管腾讯的盲测人类评估显示 Hy3 在某些开发领域优于 GLM-5.1，但在智能体编码基准测试中落后于 GLM-5.2。作为参数量约为 7440 亿的大型模型，GLM-5.2 在编码性能上仍保持领先。然而，Hy3 在智能体搜索、工具编排及长上下文检索方面表现卓越，使其成为搜索密集型及工具密集型智能体工作负载的有力竞争者。Hy3 发布的关键重点在于强调可靠性指标与部署经济性，而非仅关注基准分数。腾讯报告称，与预览版相比，幻觉率与常识错误率显著降低，这得益于细粒度数据清洗与训练约束。这些可靠性提升解决了企业买家在生产环境中寻求一致性能模型的关键关切。从经济角度看，Hy3 提供了比 GLM-5.2 更易实现的部署方案。其 FP8 显存占用低于 300GB，所需内存与计算资源更少，降低了自托管的硬件门槛。腾讯推荐的推理配置面向英伟达 H20-3e GPU，该 GPU 专为应对针对中国的美国出口限制而设计，从而确保更广泛的可用性。这种由约束驱动的设计使模型在多种硬件上均具高效性，包括西方数据中心可用的设备。宽松许可的 Apache 2.0 许可证、在特定智能体任务中的强劲表现、增强的可靠性以及更具可及性的部署经济性，共同使 Hy3 成为企业的可行选择。该模型尤其吸引那些将可靠性与成本效益基础设施置于绝对编码性能之上的组织。剩余的不确定性在于：西方企业是否会因腾讯的中国背景而采纳该模型，以及未来独立基准测试将如何影响其采用。