Протягом останнього року прихованою проблемою буму відкритих моделей ставало те, що багато найпотужніших китайських розробок були недоступні для значної частини підприємств, які ними найбільше цікавилися. Ліцензійні умови, що виключали Європейський Союз, Велику Британію та Південну Корею, змушували юридичні відділи скасовувати розгортання ще до того, як інженерні команди завершували оцінку – не лише для компаній, що там розташовані, але й для будь-якого підприємства, яке надає послуги цим регіонам. Для ІТ-команд, що розглядають відкриті моделі, компроміси були незвичайно очевидними.
Компанія Tencent щойно усунула цю перешкоду. Команда Hunyuan представила повну версію Hy3 – моделі Mixture-of-Experts (MoE) з 295 мільярдами параметрів та 21 мільярдом активних параметрів, і, на відміну від попереднього випуску у квітні, випустила її під вільною ліцензією Apache 2.0. Реакція спільноти відкритих моделей була миттєвою: дослідники в X відзначили зміну ліцензії як головну новину, а один широко розповсюджений допис стверджував, що якщо результати будуть підтверджені, Tencent стане одним із лідерів у сфері відкритого програмного забезпечення. Tencent повідомляє, що модель буде безкоштовно доступна на OpenRouter протягом двох тижнів.
Результати заслуговують на детальний розгляд, але вони не завжди вказують в одному напрямку. Однак цікавішою є історія того, що Tencent обрала для акцентування: показники надійності та економіка розгортання, спрямовані безпосередньо на виробниче використання.
Від попередньої версії до продукту за десять тижнів, завдяки 50 внутрішнім командам
Попередній випуск Hy3 у квітні став першою моделлю оновленої інфраструктури Tencent для попереднього навчання та навчання з підкріпленням, випущеною менш ніж за три місяці після оновлення у лютому. Головний науковий співробітник з питань ШІ Шанью Яо (Shunyu Yao) представив ранній відкритий реліз як свідомий крок для збору відгуків від розробників та користувачів перед офіційною версією. Tencent стверджує, що саме так і сталося. Згідно з документацією моделі, команда зібрала відгуки від понад 50 команд розробників продуктів після попереднього випуску наприкінці квітня, виправила проблеми з виконанням завдань та взаємодією, а також масштабувала конвеєр подальшого навчання.
Архітектура не змінилася: 295 мільярдів загальних параметрів, 21 мільярд активних на прямий прохід за допомогою маршрутизації top-8 між 192 експертами, шар багатотокенного передбачення (MTP) з 3.8 мільярдами параметрів для спекулятивного декодування та вікно контексту 256K. Змінилася поведінка. Tencent позиціонує Hy3 як модель, що значно перевершує моделі подібного розміру та конкурує з флагманськими моделями відкритого програмного забезпечення, які мають у два-п’ять разів більше параметрів.
Цей акцент на “у два-п’ять разів більше” параметрів пояснює, на кого орієнтована ця модель, і запрошує до прямого порівняння з поточним лідером у сфері розробки коду – GLM-5.2.
Сліпий тест Tencent надає перевагу Hy3 над GLM-5.1, але GLM-5.2 залишається лідером у кодуванні
Основна оцінка Tencent – це сліпий людський тест, а не рейтинг. Стверджуючи, що загальнодоступні бенчмарки не розкривають повної картини, компанія провела сліпий тест за участю 270 експертів з різних галузей, які працювали над реальними робочими процесами. Було зібрано 312 валідних порівнянь, в яких, за даними Tencent, Hy3 набрала 2.67 з 4 балів проти 2.51 у GLM-5.1. Найбільш виражені переваги спостерігалися у фронтенд-розробці, CI/CD, а також у роботі з даними та сховищами.
Вибір опонента має значення. Zhipu AI випустила GLM-5.2 в середині червня, і власна таблиця показників Tencent показує, що GLM-5.2 випереджає Hy3 практично в усьому спектрі завдань, пов’язаних з агентами для кодування: SWE-bench Verified (84.2 проти 78.0), SWE-bench Multilingual (83.0 проти 75.8), Terminal-Bench 2.1 (81 проти 71.7) та DeepSWE зі значною перевагою (46.2 проти 28.0). Сліпий тест був націлений на старішу модель; новіша зберігає лідерство у кодуванні.
Перевага GLM-5.2 у кодуванні менш дивовижна, якщо врахувати розміри моделей: GLM-5.2 – це MoE приблизно з 744 мільярдами параметрів, з приблизно 40 мільярдами активних параметрів на токен, тоді як Hy3 має 295 мільярдів загальних і 21 мільярд активних. Tencent виставляє модель, яка має менше половини параметрів – і майже вдвічі менші обчислювальні потужності на токен – від тієї, якій вона поступається.
Справжні перемоги Hy3 знаходяться в інших сферах. У сфері агентського пошуку модель демонструє 84.2 на BrowseComp і 91.0 на DeepSearchQA – випереджаючи всі відкриті моделі в таблиці Tencent і конкуруючи з Claude Opus 4.8 та GPT-5.5. Вона лідирує у відкритому сегменті за оркестрацією інструментів (79.1 на публічному наборі даних MCP-Atlas), за оцінками агентських платформ, таких як ClawEval, і за відновленням інформації з довгого контексту (73.4 на AA-LCR). Читаючи ці дані разом, можна припустити, що Hy3 є, мабуть, найкращим відкритим вибором для агентських завдань, що інтенсивно використовують пошук та інструменти, поступаючись GLM-5.2 у кодуванні на рівні репозиторіїв.
Є одне застереження, яке стосується як перемог, так і поразок: майже всі показники конкурентів у додатку Tencent позначені як отримані під час власних тестів Tencent. Незалежна перевірка, від таких індексів, як Artificial Analysis, на момент публікації ще не завершена.
Заявка на надійність: показник галюцинацій зменшено вдвічі
Найцікавішим для корпоративних покупців є набір показників, які Tencent вирішила наголосити замість бенчмарків. Документація моделі більше схожа на звіт про надійність виробництва, ніж на анонс рейтингу.
За внутрішніми оцінками в реальних сценаріях Tencent стверджує, що показник галюцинацій Hy3 знизився порівняно з попередньою версією з 12.5% до 5.4%, а показник помилок у здоровому глузді впав з 25.4% до 12.7%. Ці покращення пояснюються ретельним очищенням даних та навчальними обмеженнями, побудованими навколо чіткої моделі поведінки: відповідати, коли є обґрунтування; зазначати, коли доказів бракує; не змішувати джерела; не вигадувати дані. Поведінка в багатооборотних діалогах зазнала подібного поліпшення: показник проблем у внутрішніх тестах для багатооборотних діалогів знизився з 17.4% до 7.9%, а Tencent повідомила, що оцінка моделі за відкритим бенчмарком довгих діалогів MRCR зросла з 42.9% до 75.1%.
Tencent також наголошує на узгодженості роботи з різними агентськими платформами, повідомляючи про незначні відхилення у variance SWE-bench, незалежно від того, чи працює модель у середовищі Claude Code-style harnesses, Cline чи KiloCode. Це недооцінена властивість: підприємства рідко контролюють, яку агентську платформу обирають їхні команди, і модель, яка працює лише в одному середовищі, стає прихованим витратним інтеграційним елементом. Це власні вимірювання компанії, і вони заслуговують на такий самий скептицизм, як і будь-які бенчмарки постачальника. Однак сам факт їхнього висвітлення сигналізує про те, кого Tencent вважає своїм клієнтом: команди, які постраждали від моделей, що добре демонструються, але впевнено фабрикують дані у виробничому середовищі.
Математика розгортання: модель на 295B у світі 744B – на обладнанні, що відповідає експортним нормам
Історія надійності безпосередньо пов’язана з економікою, і саме тут розрив Hy3 у кодуванні порівняно з GLM-5.2 починає виглядати як свідомий компроміс, а не як програш.
GLM-5.2 – це MoE приблизно з 744 мільярдами параметрів, з приблизно 40 мільярдами активних параметрів на токен. У форматі FP8 її ваги самі по собі займають приблизно 744 ГБ, що робить вузол з 8 GPU H200 практичним мінімумом для виробничого обслуговування. Hy3, з 295 мільярдами загальних параметрів, має обсяг FP8 менше 300 ГБ – менше половини пам’яті, з приблизно половиною активних параметрів на токен, що забезпечує нижчі обчислювальні потужності на запит. Для організації, що вирішує питання самостійного розміщення, це різниця між одним високопродуктивним вузлом і чимось набагато доступнішим, з вільним місцем для KV-кешу та пакетної обробки.
Існує також геополітичний нюанс у посібнику з розгортання, на який варто звернути увагу: рекомендована конфігурація обслуговування Tencent націлена на H20-3e від Nvidia – варіант H20 з підвищеною пам’яттю, GPU, який Nvidia розробила спеціально для дотримання обмежень США на експорт до Китаю. На відміну від GLM-5.2, тут немає згадок про чіпи Huawei чи Ascend. Іншими словами, модель розрахована таким чином, щоб вісім чіпів, які китайські компанії можуть легально придбати, комфортно обслуговували її з повною точністю. Такий дизайн, зумовлений обмеженнями, має зручний побічний ефект для всіх інших: модель, яка добре працює на спеціально обмеженому обладнанні, ще комфортніше працює на H100, H200 та B200, доступних у західних центрах обробки даних, через стандартні розгортання vLLM та SGLang зі спекулятивним декодуванням MTP.
Додайте ліцензію Apache 2.0 – без регіональних виключень, без обмежень щодо сфери використання – і рівняння для підприємств стає зрозумілим. GLM-5.2 залишається вибором відкритого програмного забезпечення, коли продуктивність кодування є єдиним критерієм, а бюджет на 8 GPU H200 є доступним. Hy3 пропонує свої переваги в усіх інших сферах: агентські завдання, що інтенсивно використовують пошук та інструменти, застосунки, чутливі до надійності, та організації, які хочуть можливості, близькі до передових, без інфраструктури передових рішень. Відкритим питанням залишається, чи розглядатимуть західні підприємства, тепер, коли ліцензійна перешкода зникла, модель Tencent як серйозного кандидата – чи чи наступне оновлення Artificial Analysis вирішить дебати щодо бенчмарків, перш ніж відділ закупівель матиме можливість це зробити.
Прогноз ІТ-Блогу: Hy3 демонструє зростаючу тенденцію до створення ефективніших MoE-моделей, що пропонують високу продуктивність при зменшених обчислювальних вимогах. Очікується, що ця тенденція стимулюватиме подальший розвиток оптимізованих архітектур та технік розгортання, що робить передові мовні моделі більш доступними для ширшого кола користувачів та бізнесів.
За матеріалами: venturebeat.com