Gate.AI›博客›Hy3：完整規格、定價、API 串接與使用範例（2026）

Hy3：完整規格、定價、API 串接與使用範例（2026）

模型

更新於: 2026-09-15 09:25

Hy3 是騰訊面向複雜規劃、程式設計、文件密集型任務以及工具驅動工作流程打造的量產級推理與智能體模型。它於 2026 年 7 月 6 日發布，並在 Hy3 Preview 之上進行額外的後訓練，以提升穩定性並增強智能體行為。騰訊文件披露其總參數量為 2950 億、啟用參數量為 210 億、上下文視窗為 256K；而所提供的 Gate.AI 收錄列表所顯示的平台上下文值為 262K。

什麼是 Hy3？

Hy3 是由騰訊 Hy 團隊開發的混合專家（MoE）大型語言模型。它使用 2950 億總參數，但每個 token 約啟用 210 億參數，並配套 3.8B 參數的多 token 預測層。騰訊將其描述為一種用於推理、智能體與生產力工作負載的「快思 + 慢思」混合型模型。

量產版本是在 Hy3 Preview 之後發布；Hy3 Preview 於 2026 年 4 月上線。騰訊表示，最終 Hy3 發布前的擴展後訓練參考了來自超過 50 個產品的回饋。兩者在搜尋意圖層面很關鍵：Hy3 Preview 覆蓋較早的實驗版本，而本頁聚焦於 7 月發布的量產級模型、更新後的定價、可配置的推理設定以及部署情境。

騰訊也以 Apache 2.0 授權釋出 Hy3 權重，並提供 vLLM 與 SGLang 的部署指引。

Hy3 的關鍵規格與定價是什麼？

規格	Hy3
提供方	騰訊 / 騰訊 Hy 團隊
發布時間	2026 年 7 月 6 日
架構	混合專家（MoE）
總參數量	295B
啟用參數量	21B
MTP 參數	3.8B
專家數	192，top-8 啟用
提供方上下文長度	256K tokens
Gate.AI 收錄上下文	262K tokens
Gate.AI 模型 ID	`tencent/hy3`
Gate.AI 輸入價格	$0.132 / 1M tokens
Gate.AI 輸出價格	$0.528 / 1M tokens
Gate.AI 快取讀取	$0.033 / 1M tokens
快取寫入	未列出
授權	Apache 2.0
主要模態	文本

騰訊官方倉庫標明 256K 上下文長度，而不是 262K。262K 這個數值來自本文所使用的 Gate.AI 模型卡細節，因此應將其視為平台特定的託管限制，而非悄悄取代騰訊的模型規格。

一個實際的 Gate.AI 成本範例可以說明為何該模型對長時間智能體運行可能更具吸引力。依所列費率計算：若請求使用 500,000 個未快取的輸入 tokens，並生成 100,000 個輸出 tokens，則費用約為：

輸入： 0.5 × $0.132 = $0.066
輸出： 0.1 × $0.528 = $0.0528
預估合計： $0.1188

此範例為計算結果，未包含重試、額外的智能體回合，或依帳號客製的計費調整。

Hy3 在量產環境中能做什麼，讓它更有用？

Hy3 特別適合長視野智能體。騰訊報告指出：其工具呼叫穩定性、輸出格式一致性，以及在更長互動中抵抗意圖漂移方面都有改善。當智能體需要反覆解讀中間結果，而不只是回覆單一提示時，這些特性就特別重要。

其可配置推理是另一項實用差異。騰訊的開源部署支援 no_think、low 與 high 的推理工作量（reasoning-effort）設定，使應用在處理簡單任務時能採用更快的直接回應，而在程式設計、數學或複雜規劃中則分配更深入的推理。

對於程式設計與技術型智能體，Hy3 可支援倉庫分析、除錯計畫、CI/CD 推理以及多階段實作任務。騰訊特別強調其在前端開發、資料與儲存工作、金融建模以及生產力工作流程方面的改進。這些能力均為提供方披露，仍應與團隊自身的工作負載進行驗證。

模型的長上下文也使其適合處理大型文件、財務報表、規格說明，或程式碼檔案集合——否則過於激進的分塊（chunking）可能會遺失跨文件的關聯性。

Hy3 支援哪些模態？

模態	支援情況	備註
文本輸入	是	提示、文件、程式碼與結構化指令
文本輸出	是	自然語言、偏推理導向的回覆與程式碼
程式碼輸入/輸出	是	已記錄的程式撰寫與智能體工作流程
圖片輸入	未公開確認	不要從其他騰訊多模態模型推斷
音訊輸入/輸出	未公開確認	由單獨的騰訊模型涵蓋音訊相關任務
影片輸入/輸出	未公開確認	未將 Hy3 記錄為影片模型
工具互動	在模型/部署層面支援	具體平台 schema 取決於接入路徑

因此，應將 Hy3 主要視為一種 文本與程式碼推理模型，而不是通用的原生多模態系統。騰訊更廣泛的 Hunyuan 產品組合包含影像、影片與其他多模態技術，但若沒有針對 Hy3 的模型級文件支撐，就不應把這些能力歸因給 Hy3。

Hy3 存在哪些不足？

最大的實際限制是：不論是 256K 還是平台列出的 262K 上下文視窗，它依然是有限的。非常龐大的程式碼庫、文件集合，以及持續運行的智能體歷史記錄，可能需要透過檢索、摘要或上下文裁剪來處理。

另一個考量是自託管（self-hosting）基礎設施。騰訊建議使用例如 H20 等級的高記憶體 GPU（共八張）以取得部署指引。該模型同時只會啟用 21B 參數，但其總參數足跡為 295B，這使得本地量產級服務的要求仍顯著高於部署一個小型密集模型。

此外，關於託管服務的一些細節也未公開確認到確切的 Gate.AI 路徑上，包括 Hy3 特定的速率限制、最大輸出長度、快取寫入定價，以及騰訊的 reasoning_effort 控制是否以相同方式在 Gate.AI 中暴露。

最後，提升可靠性並不意味著模型輸出會自動正確。程式碼、金融分析、文件擷取以及自主工具操作仍應使用驗證、權限與人工審核機制來管控。

Hy3 最適合用來做什麼？

Hy3 適配 多步驟智能體：它們需要在延伸會話中規劃、呼叫工具，並維持目標一致性。其推理工作量控制也使其在應用中混合簡單請求與更艱難任務時更有價值。

它也適合 程式設計與程式碼庫工作流程：當模型必須理解多個檔案、推斷相依關係並提出協同的變更建議時，尤其如此。專注於自主編碼的團隊也可以對比 GLM 5.1，該模型定位於長視野的軟體工程情境。

Hy3 還能支援 長文件分析與金融建模：在推理過程中需要讓大量原始材料保持可用時特別適合。產出的金融結論應當能被獨立驗證，而不應被當作專業金融建議直接採信。

當「低於清單的 token 定價、長上下文、可配置推理與面向智能體的行為」是優先級時，可以選擇 Hy3。當「原生視覺/音訊支援、超出 256K 級別限制的超長上下文，或更輕量的自託管需求」更重要時，則應考慮其他模型。

Hy3 與 Hy3 Preview 以及 GLM 5.1 如何對比？

領域	Hy3	Hy3 Preview	GLM 5.1
提供方	騰訊	騰訊	Z.ai
發布時間	2026 年 7 月	2026 年 4 月	2026 年 4 月
主要側重	推理 + 智能體	推理 + 智能體	長視野程式設計智能體
參數	295B / 21B 啟用	295B / 21B 啟用	此處未按參數量比較
官方上下文	256K	256K	200K（已記錄的程式設計配置）
Gate.AI 輸入價格	$0.132/M	$0.18/M	$0.83/M 起
Gate.AI 輸出價格	$0.528/M	$0.60/M	$3.30/M 起
開放權重	是	是	取決於具體發布版本的存取情況
關鍵差異	最終量產版本發布	更早的預覽版	面向工程的替代方案

當最終量產級模型可用時，Hy3 是對 Hy3 Preview 的合理替代。騰訊表示，新模型在穩定性、成本效率與智能體能力方面有所提升，因此 Preview 文章應聚焦於 4 月發布內容，而不要與本文占據相同的主要搜尋查詢。

與 GLM 5.1 相比，Hy3 在 Gate.AI 的掛價 token 價格更低，且其已記錄的模型上下文更大；而 GLM 5.1 對長視野程式設計智能體的定位更為明確。合適的選擇取決於工具可靠性、任務成功率、延遲以及端到端工作流程的總成本，而不僅是 token 價格。

我如何透過 Gate.AI 存取 Hy3？

Gate.AI 的文件驗證了在 https://api.gate.ai/openai/v1/chat/completions 存在相容 OpenAI 的 chat-completions 路由，並使用 Bearer 驗證，且在請求體中帶上模型識別符。其 model-list API 可提供平台模型 ID、上下文長度與定價。

對於 Hy3，請使用 Gate.AI 模型 ID：

tencent/hy3

Python 範例

import os
from openai import OpenAI
client = OpenAI(
    api_key=os.environ["GATEAI_API_KEY"],
    base_url="https://api.gate.ai/openai/v1",
)
try:
    response = client.chat.completions.create(
        model="tencent/hy3",
        messages=[
            {
                "role": "user",
                "content": "Create a step-by-step migration plan for this Python service."
            }
        ],
    )
    print(response.choices[0].message.content)
except Exception as exc:
    print(f"Request failed: {exc}")

curl 範例

curl https://api.gate.ai/openai/v1/chat/completions \
  -H "Authorization: Bearer $GATEAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tencent/hy3",
    "messages": [
      {
        "role": "user",
        "content": "Identify the main risks in this deployment plan."
      }
    ]
  }'

這些範例使用了 Gate.AI 文件中已記錄的、相容 OpenAI 的請求結構。它們有意省略 Hy3 特定的推理控制，因為現有 Gate.AI 文件並未確認騰訊自託管的 reasoning_effort 參數是否會在託管路由中暴露。Gate.AI 的 SDK 文件確認支援 chat-completions，但應用端仍需自行負責智能體迴圈、工具分發、記憶與編排。

常見問題

Hy3 是否與 Hy3 Preview 相同？

不是。Hy3 Preview 於 2026 年 4 月發布。量產級 Hy3 模型於 7 月 6 日上線，並進行額外後訓練，且在穩定性、成本效率與智能體表現方面有提供方披露的改進。

Hy3 的上下文視窗有多大？

騰訊官方記錄的是 256K-token 上下文視窗。所提供的 Gate.AI 模型卡列為 262K，因此兩者應分別視為提供方模型規格與託管平台規格，而非假定完全一致。

Hy3 在 Gate.AI 上要多少錢？

所提供的 Gate.AI 記錄列出：輸入為每 100 萬 tokens $0.132、輸出為每 100 萬 tokens $0.528、快取讀取為每 100 萬 tokens $0.033。快取寫入價格未列出。

Hy3 支援可配置推理嗎？

支援，且是在騰訊的模型/部署層級提供。騰訊文件說明了 no_think、low 與 high 三種推理工作量模式。相同控制是否會以同樣方式在每個託管提供方中暴露，應在落地前進行核實。

Hy3 是開源的嗎？

騰訊以 Apache 2.0 授權發布了 Hy3 權重與部署資源，包括 vLLM 與 SGLang 的指引說明。

Hy3 在 Gate.AI 上正確的模型 ID 是什麼？

在本 Hy3 頁面中，模型識別符為 tencent/hy3。bytedance/seed-2-1-turbo 屬於另一款位元跳動模型，不應在 Hy3 API 請求中使用。