Hy3：完整规格、定价、API 接入与使用案例（2026）

Hy3 是腾讯面向复杂规划、编程、文档密集型任务以及工具驱动工作流打造的生产级推理与智能体模型。它于 2026 年 7 月 6 日发布，在 Hy3 Preview 之上进行了额外的后训练，提升了稳定性，并增强了智能体行为。腾讯文档披露其总参数量为 2950 亿、激活参数量为 210 亿、上下文窗口为 256K；而所提供的 Gate.AI 收录列表显示的平台上下文值为 262K。

什么是 Hy3？

Hy3 是由腾讯 Hy 团队开发的混合专家（MoE）大语言模型。它使用 2950 亿总参数，但每个 token 约激活 210 亿参数，并配套 3.8B 参数的多 token 预测层。腾讯将其描述为一种用于推理、智能体与生产力工作负载的“快思 + 慢思”混合型模型。

生产版本是在 Hy3 Preview 之后发布的；Hy3 Preview 于 2026 年 4 月上线。腾讯表示，最终 Hy3 发布前的扩展后训练参考了来自超过 50 个产品的反馈。两者在搜索意图层面很关键：Hy3 Preview 覆盖更早的实验版本，而本页面聚焦于 7 月发布的生产级模型、更新后的定价、可配置的推理设置以及部署画像。

腾讯还以 Apache 2.0 许可证发布了 Hy3 权重，并提供了 vLLM 和 SGLang 的部署指导。

Hy3 的关键规格与定价是什么？

腾讯官方仓库标明 256K 上下文长度，而不是 262K。262K 这一数值来自本文所用的 Gate.AI 模型卡细节，因此应将其视为平台特定的托管限制，而不是默默替换腾讯的模型规格。

一个实际的 Gate.AI 成本示例能说明为何该模型对长时间智能体运行可能更具吸引力。按所列费率计算：若请求使用 500,000 个未缓存的输入 tokens，并生成 100,000 个输出 tokens，则费用大约为：

输入： 0.5 × $0.132 = $0.066
输出： 0.1 × $0.528 = $0.0528
预计合计： $0.1188

该示例为计算结果，未包含重试、额外的智能体轮次或按账号定制的计费调整。

Hy3 在生产环境中能做什么，从而更有用？

Hy3 特别适合长视野智能体。腾讯报告称：其工具调用稳定性、输出格式一致性以及在更长交互中抵抗意图漂移方面都有改进。当智能体需要反复解读中间结果，而不仅仅是回答单条提示时，这些特性就尤为重要。

其可配置推理是另一项实用差异。腾讯的开源部署支持 no_think、low 和 high 的推理工作量（reasoning-effort）设置，使应用在处理简单任务时可以采用更快的直接响应，而在编程、数学或复杂规划中分配更深的推理。

对于编程与技术型智能体，Hy3 可支持仓库分析、调试计划、CI/CD 推理以及多阶段实现任务。腾讯特别强调其在前端开发、数据与存储工作、金融建模以及生产力工作流方面的改进。这些能力均为提供方披露，仍应与团队自身的工作负载进行验证。

模型的长上下文也使其适合处理大型文档、财务报表、规格说明，或代码文件集合——否则过于激进的分块（chunking）可能会丢失跨文档的关联关系。

Hy3 支持哪些模态？

因此，应将 Hy3 主要视为一种 文本与代码推理模型，而不是通用的原生多模态系统。腾讯更广泛的 Hunyuan 产品组合包含图像、视频与其他多模态技术，但如果没有针对 Hy3 的模型级文档支撑，不应把这些能力归因给 Hy3。

Hy3 存在哪些不足？

最大的实际限制是：无论是 256K 还是平台列出的 262K 上下文窗口，它依然是有限的。非常庞大的代码库、文档集合以及持续运行的智能体历史记录，可能需要检索、总结或上下文裁剪。

另一个考虑是自托管（self-hosting）基础设施。腾讯建议使用例如 H20 级别的高内存 GPU（共八张）来获取部署指导。该模型同时只会激活 21B 参数，但其总参数足迹为 295B，这使得本地生产级服务的要求依然显著高于部署一个小型密集模型。

此外，关于托管服务的某些细节也未公开确认到确切的 Gate.AI 路径上，包括 Hy3 特定的速率限制、最大输出长度、缓存写入定价，以及腾讯的 reasoning_effort 控制是否以同样方式在 Gate.AI 中暴露。

最后，改进可靠性并不意味着模型输出会自动正确。代码、金融分析、文档抽取以及自主工具操作仍应使用验证、权限与人工审核控制。

Hy3 最适合用来做什么？

Hy3 适配 多步骤智能体：它们需要在扩展会话中规划、调用工具，并保持目标一致。其推理工作量控制也使其在应用中混合简单请求与更难任务时更有价值。

它也适合 编程与代码库工作流：当模型必须理解多个文件、推断依赖关系并提出协同的变更建议时尤其如此。专注于自主编码的团队也可以对比 GLM 5.1，该模型定位于长视野的软件工程场景。

Hy3 还能支持 长文档分析与金融建模：在推理过程中需要让大量原始材料保持可用时尤为适用。生成的金融结论应当独立验证，而不是当作专业金融建议直接采信。

当“低于列表的 token 定价、长上下文、可配置推理和面向智能体的行为”是优先级时，可选择 Hy3。当“原生视觉/音频支持、超出 256K 级别限制的极长上下文，或更轻量的自托管需求”更重要时，则应考虑其他模型。

Hy3 与 Hy3 Preview 以及 GLM 5.1 如何对比？

当最终生产级模型可用时，Hy3 是对 Hy3 Preview 的合理替代。腾讯表示，新模型在稳定性、成本效率与智能体能力方面有所提升，因此 Preview 文章应聚焦于 4 月发布内容，而不与本文占据相同的主要搜索查询。

与 GLM 5.1 相比，Hy3 在 Gate.AI 的列价 token 价格更低，且其已记录模型上下文更大；而 GLM 5.1 对长视野编程智能体的定位则更为明确。合适的选择取决于工具可靠性、任务成功率、延迟以及端到端工作流的总成本，而不仅仅是 token 价格。

我如何通过 Gate.AI 访问 Hy3？

Gate.AI 的文档验证了在 https://api.gate.ai/openai/v1/chat/completions 处存在兼容 OpenAI 的 chat-completions 路由，使用 Bearer 认证，并在请求体中带上模型标识符。其 model-list API 可提供平台模型 ID、上下文长度与定价。

对于 Hy3，请使用 Gate.AI 模型 ID：

tencent/hy3

Python 示例

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 示例

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."
      }
    ]
  }'

这些示例使用了 Gate.AI 文档中已记录的、兼容 OpenAI 的请求结构。它们有意省略 Hy3 特定的推理控制，因为现有 Gate.AI 文档并未确认腾讯自托管的 reasoning_effort 参数是否会在托管路由中暴露。Gate.AI 的 SDK 文档确认支持 chat-completions，但应用仍需自行负责智能体循环、工具分发、记忆与编排。

常见问题

Hy3 是否与 Hy3 Preview 相同？

不是。Hy3 Preview 于 2026 年 4 月发布。生产级 Hy3 模型在 7 月 6 日上线，并进行了额外后训练，且在稳定性、成本效率与智能体表现方面有提供方披露的改进。

Hy3 的上下文窗口有多大？

腾讯官方记录的是 256K-token 上下文窗口。所提供的 Gate.AI 模型卡列为 262K，因此两者应分别视为提供方模型规格与托管平台规格，而不是假定完全一致。

Hy3 在 Gate.AI 上要多少钱？

所提供的 Gate.AI 记录列出：输入为每 100 万 tokens $0.132、输出为每 100 万 tokens $0.528、缓存读取为每 100 万 tokens $0.033。缓存写入价格未列出。

Hy3 支持可配置推理吗？

支持，且是在腾讯的模型/部署级别提供。腾讯文档说明了 no_think、low 和 high 三种推理工作量模式。该相同控制是否会以同样方式在每个托管提供方中暴露，应在落地前进行核实。

Hy3 是开源的吗？

腾讯以 Apache 许可证 2.0 发布了 Hy3 权重与部署资源，包括 vLLM 和 SGLang 的指导说明。

Hy3 在 Gate.AI 上正确的模型 ID 是什么？

在本 Hy3 页面中，模型标识符为 tencent/hy3。bytedance/seed-2-1-turbo 属于另一款字节跳动模型，不应在 Hy3 API 请求中使用。