Tencent เปิดตัวโมเดลโอเพนซอร์ส Hy3
(hy.tencent.com)- ตั้งเป้าประสิทธิภาพสูงกว่าโมเดลขนาดใกล้เคียงกัน และอยู่ในระดับที่แข่งขันได้กับโมเดลโอเพนซอร์สเรือธงที่มี พารามิเตอร์มากกว่า 2~5 เท่า
- ในการ ประเมินแบบ blind evaluation โดยผู้เชี่ยวชาญ 270 คนจากงานจริง Hy3 ได้ 2.67/4 แซง GLM-5.1 ที่ได้ 2.51/4 โดยมีความต่างชัดเจนในงานพัฒนา frontend, ข้อมูลและสตอเรจ, และ CI/CD
- จากการปรับปรุงตามฟีดแบ็กผลิตภัณฑ์ อัตรา hallucination ลดลงจาก 12.5%→5.4%, อัตราข้อผิดพลาดด้านสามัญสำนึกลดจาก 25.4%→12.7%, และอัตราปัญหาในการทดสอบ multi-turn ภายในลดจาก 17.4%→7.9%
- เปิดให้ใช้งานภายใต้ไลเซนส์ Apache 2.0 บน GitHub, HuggingFace, ModelScope, AtomGit และราคา API อยู่ที่ input 1 RMB·output 4 RMB·cached input 0.25 RMB ต่อ 1 ล้านโทเค็น
- Tencent เปิดตัว Hy3 เวอร์ชันทางการ หลังจาก Hy3 preview เมื่อปลายเดือนเมษายน โดยสะท้อนฟีดแบ็กจากผลิตภัณฑ์กว่า 50 รายการและข้อมูล post-training คุณภาพสูง
การเปิดตัว Hy3 และประสิทธิภาพด้านเอเจนต์
- Tencent รวบรวมฟีดแบ็กจากผลิตภัณฑ์กว่า 50 รายการหลังเปิดตัว Hy3 preview เมื่อปลายเดือนเมษายน และขยาย post-training ด้วยข้อมูลคุณภาพสูงขึ้น ก่อนเปิดตัว Hy3
- โมเดลใหม่นี้ทำประสิทธิภาพได้สูงกว่าโมเดลขนาดใกล้เคียงกัน และได้รับการประเมินว่าอยู่ในระดับที่แข่งขันได้กับโมเดลโอเพนซอร์สเรือธงที่มี พารามิเตอร์มากกว่า 2~5 เท่า
- หลัง preview ได้เพิ่ม คุณภาพและความหลากหลาย ของข้อมูล post-training และขยายการฝึก RL
- ดีขึ้นในงาน reasoning, งานแบบ agentic และงานบริบทระยะยาว
- ตั้งเป้าให้อยู่ในระดับที่แข่งขันได้กับโมเดลเรือธงขนาดใหญ่กว่า
- ในงานด้านผลิตภาพ มีความคืบหน้าในงาน coding, งานออฟฟิศ, financial modeling, frontend design และ game development
- ในการ ประเมินแบบ blind evaluation โดยผู้เชี่ยวชาญ 270 คนที่ใช้โจทย์งานจริง Hy3 ทำคะแนนได้ 2.67/4
- GLM-5.1 ทำคะแนนได้ 2.51/4
- จุดที่ Hy3 เหนือกว่ามากที่สุดคือ งานพัฒนา frontend, ข้อมูลและสตอเรจ, และงาน CI/CD
ความน่าเชื่อถือของผลิตภัณฑ์ ต้นทุน และรูปแบบการเปิดเผย
- มองว่า benchmark เพียงอย่างเดียวจับประโยชน์ใช้สอยของโมเดลได้ไม่ครบ จึงแก้ปัญหาหลายจุดจากฟีดแบ็กผลิตภัณฑ์จริง
- ปรับปรุง ความเสถียรของการเรียกใช้เครื่องมือและรูปแบบเอาต์พุต
- แก้ปัญหาความน่าเชื่อถือพื้นฐาน เพื่อให้สอดคล้องกับมาตรฐานระดับ production ทั้งในด้านการตั้งค่าเครื่องมือและข้อจำกัดของเอาต์พุต
- การกู้คืนจากข้อผิดพลาดในการเรียกใช้เครื่องมือและประสิทธิภาพโดยรวมดีขึ้น
- ใน agent scaffolding ที่แตกต่างกัน เช่น CodeBuddy, Cline, KiloCode ความผันผวนของความแม่นยำ SWE-Bench Verified อยู่ภายใน 4%
- เสริมความแข็งแกร่งด้าน ความรู้และการป้องกัน hallucination
- ใช้การคัดกรองข้อมูลและข้อจำกัดในการฝึกตามเกณฑ์ว่า เมื่อตอบได้โดยมีหลักฐานให้ตอบ เมื่อไม่มีหลักฐานให้บอกว่าไม่มี และไม่ปะปนแหล่งที่มาหรือปลอมแปลงข้อมูล
- ในการประเมินสถานการณ์จริงภายใน อัตรา hallucination ลดจาก 12.5% เหลือ 5.4%
- อัตราข้อผิดพลาดด้านสามัญสำนึกลดจาก 25.4% เหลือ 12.7%
- ลดการสับสนข้อเท็จจริง การแต่งข้อมูล และความขัดแย้งทางตรรกะ
- ปรับปรุง การคงบริบทซับซ้อนและการติดตามเจตนาแบบ multi-turn
- ใช้การปรับเหมาะร่วมกันของ SFT และ RL เพื่อจัดการปัญหาเชิงปฏิบัติการ เช่น การตีความเป้าหมายของคำสั่ง การกู้คืนส่วนที่ละไว้ และการสืบทอดข้อจำกัดข้ามหลายรอบสนทนา
- อัตราปัญหาในการทดสอบ multi-turn แบบรวมภายในลดจาก 17.4% เหลือ 7.9%
- ดีขึ้นในการประเมินบทสนทนายาว เช่น MRCR ด้วย
- แม้ในการโต้ตอบยาว ๆ ก็ช่วยไม่ให้เจตนาซับซ้อนอ่อนลงหรือ drift ขณะเดียวกันเอาต์พุตกระชับขึ้น
- ในการทดสอบภายใน WorkBuddy Hy3 ปรับปรุง อัตราความสำเร็จของงาน และเวลาในการทำงานให้ดีขึ้นเมื่อเทียบกับ preview
- อัตราความสำเร็จของงานเพิ่มจาก 72% ใน Hy3 preview เป็น 90% ใน Hy3
- เวลาเฉลี่ยในการทำงานลดลง 34%
- ดีขึ้นในงานประมวลผลข้อมูล งานเอกสาร และการวิเคราะห์รายงานวิจัย
- ในงานทั่วไปบางส่วนเมื่อเทียบกับ GLM-5.2 Hy3 มี ประสิทธิภาพการใช้โทเค็น สูงกว่า
- ใช้โทเค็นน้อยลง 47.4% ในการประมวลผลเอกสาร
- ใช้โทเค็นน้อยลง 49% ในการสร้างงานนำเสนอ
- Hy3 เปิดให้ใช้งานภายใต้ไลเซนส์ Apache 2.0
- ลดราคา API ผ่านการปรับเหมาะร่วมกันระหว่างฮาร์ดแวร์และซอฟต์แวร์
- input ต่อ 1 ล้านโทเค็น: 1 RMB
- output ต่อ 1 ล้านโทเค็น: 4 RMB
- cached input ต่อ 1 ล้านโทเค็น: 0.25 RMB
- Tencent ผ่านลูปการพัฒนาโมเดลแบบ end-to-end ภายใน 6 เดือน ตั้งแต่การสร้างโครงสร้างพื้นฐานใหม่ปลายเดือนมกราคม, Hy3 preview ในเดือนเมษายน, จนถึงการเปิดตัว Hy3 ครั้งนี้และการนำไปใช้ในผลิตภัณฑ์
- มีแผนเดินหน้าขยายการฝึก ปรับปรุงคุณภาพข้อมูล และปรับรายละเอียดประสบการณ์ผู้ใช้ให้เหมาะสมต่อไป
1 ความคิดเห็น
ความเห็นบน Hacker News
ผลลัพธ์ Pelican เมื่อไม่กี่วันก่อน: https://simonwillison.net/2026/Jul/6/hy3/ — ตอนนั้นใช้ free tier ของ OpenRouter และหมดอายุไปเมื่อ 21 กรกฎาคม
เมื่อ 41 วันก่อนลองกับโมเดลพรีวิวแล้วได้เพลิแกนที่มีปุ่ม "change pelican color": https://static.simonwillison.net/static/2026/hy3-preview-pelican.html
มันเจ๋งมากที่ได้เห็นว่าโมเดลต่าง ๆ พัฒนาขึ้นแค่ไหนกับ SVG เพลิแกน
เขียนไว้ว่า
tencent/Hy3. New Apache 2.0 licensed model from Tencent in Chinaแต่สถาบันวิจัย AI ของ Tencent มีในภูมิภาคอื่นด้วยหรือเปล่า? อย่างเช่น MiniMax เกี่ยวข้องกับ Tencent อย่างไรฉันไม่ได้ชอบ LLM เท่าไรนัก แต่เพราะคุณทำให้ฉันตระหนักว่าอารมณ์ของตัวเองมันไม่มีเหตุผล และงานที่เคยทำอย่างมีความสุขนั้นในรูปแบบเดิมแทบจะจบลงแล้ว เลยต้องปล่อยวางแล้วเข้าร่วมฝั่งที่ทำเพื่อ เงินและความสนใจ
ถึงอย่างนั้น สำหรับโปรเจกต์ส่วนตัวฉันก็ตั้งใจว่าจะยังเขียนโค้ดเองให้มากที่สุดและไม่ใช้ LLM
ไม่รู้ว่า meme เพลิแกนจะมีประโยชน์จริงแค่ไหน แต่คิดว่าอย่างน้อยการเริ่มต้นจากมุมมองด้านสุนทรียะก็ดูเท่มาก
เมื่อเดือนก่อนผมเขียนบล็อกว่าทั้งที่แทบไม่มีใครพูดถึง Hy3 เลย แต่มันกลับขึ้นไปอยู่สูงใน อันดับของ OpenRouter: https://news.ycombinator.com/item?id=48317294
ณ วันนี้มันตกลงมาอยู่แถวอันดับ 8~9 แล้ว และยังมองไม่ค่อยเห็นเหตุผลว่าทำไมต้องใช้ตัวนี้แทนโมเดลคู่แข่ง
แต่โครงสร้างราคาค่อนข้างทำให้งง เพราะตอนนี้ราคาค่า input ที่แท้จริงของ Hy3 ผ่าน OpenRouter เท่ากับ DeepSeek Flash V4 ที่โฮสต์โดย DeepSeek แล้ว
https://openrouter.ai/tencent/hy3-preview
https://openrouter.ai/deepseek/deepseek-v4-flash
ที่อันดับตกก็น่าจะเพราะเรื่องนั้น และดูเหมือนจะรองรับดีมานด์ไม่ไหว
ถึงจะยังเป็นโมเดลขนาดเล็กอยู่ แต่แค่อย่างน้อย คะแนนเบนช์มาร์ก ก็ขึ้นมาเยอะมาก รวมถึง DeepSWE
ราคาเท่ากับ Flash แต่เบนช์มาร์กใกล้กับ Pro หรือบางอันก็สูงกว่า
แน่นอนว่าเบนช์มาร์กส่วนใหญ่ไม่ได้มีความหมายมากนัก และเบนช์มาร์กจริงคือเอาไปทำงานจริงที่มอบหมาย
ความรู้เกี่ยวกับโลกเมื่อเทียบกับขนาดก็ดีมาก และผมว่าดีกว่า DS4 Flash
Novita กำลังให้ ใช้งาน Hy3 ฟรี บน OpenRouter ถึงวันที่ 21 กรกฎาคม
https://openrouter.ai/tencent/hy3:free
https://x.com/novita_labs/status/2074158304159510819
ด้วยความที่ขนาดใกล้เคียงกันมาก เลยอยากรู้ว่าคนอื่นรู้สึกอย่างไรเมื่อเทียบกับ DS4 Flash
อีกอย่างก็อยากรู้ว่ามันทนได้แค่ไหนเมื่อใส่ การควอนไทซ์หนัก ๆ
ตอนนี้ DS4 Flash รันได้ค่อนข้างดีบนระบบที่มี RAM ราว 96GB ขึ้นไป แต่ไม่แน่ใจว่า Hy3 จะแข่งในระดับนั้นได้ไหม
ผมรู้สึกว่า DS4 Flash ค่อนข้างเอาแน่เอานอนไม่ได้เวลาใช้ผ่าน Claude Code
ความเร็วนั้นยอดเยี่ยม แต่บ่อยครั้งมันสร้าง mental model ที่ผิดไปทั้งหมดแล้วพุ่งไปผิดทาง จนต้องคอยควบคุมบ่อย ๆ และยังต้องบีบอัด history ด้วย ทำให้ข้อได้เปรียบด้านราคาแคชลดลง
Hy3 ไม่ได้เร็วขนาดนั้น แต่เท่าที่ลองมาจนถึงตอนนี้มันรักษาทิศทางได้เสถียรกว่า DS4 Flash มาก
ดูเหมือนจะพังน้อยกว่าในบริบทยาว ๆ ด้วย ส่วนราคาจริงยังไม่แน่ใจ แต่ให้ความรู้สึกว่าเป็นโมเดลที่แข่งขันได้มาก
แยกกันอีกเรื่อง ผมยังลอง LongCat 2.0 ด้วยการซื้อแพ็ก 50 ล้านโทเค็นมาทดสอบ ซึ่งไม่ฟรีแต่ก็ถูกจนแทบเหมือนแจก
ตัวนี้ก็น่าประทับใจทีเดียว และดูใกล้เคียงกับ Hy3 พอสมควร
มันไม่ใช่ความฉลาดระดับแนวหน้าสุด แต่ใกล้เคียงกับ คนทำงานที่ไว้ใจได้ ที่สำรวจโค้ดเบสได้ดีและทำงานตามที่สั่งได้อย่างเสถียร
ถ้า llama.cpp รองรับ lightning indexer แบบสมบูรณ์ เมื่อใช้บริบทเต็ม 1M จะต้องใช้ RAM แค่ราว 6GB
ดังนั้นถึงขนาดจะใกล้กัน แต่ในมุมนั้น DeepSeek น่าจะมีประสิทธิภาพกว่ามาก
ส่วน Hy3 จะสู้ได้ไหมคงขึ้นอยู่มากว่ามันทนต่อการควอนไทซ์ได้ดีแค่ไหน
DSV4 ยังใช้งานได้แม้จะควอนไทซ์แบบ 2 บิต
บางทีเอา Qwen3.6-27B ไปรันที่ Q8 อาจจะดีกว่า
DSv4 Flash รันบน DGX Spark สองเครื่องแล้วยังเหลือหน่วยความจำพอใส่ KV cache 3M โทเค็นได้ แต่ Hy3 ต่อให้ควอนไทซ์เป็น FP4 ก็ยังใส่ KV cache ได้แค่ประมาณ 130K โทเค็น
โมเดลนี้เล็กอย่างน่าประหลาดเมื่อเทียบกับประสิทธิภาพ
ใหญ่กว่า deepseekV4 flash เล็กน้อย แต่ในบางเบนช์มาร์กดูเหมือนจะพอๆ กับหรือดีกว่า V4 pro จึงไม่น่าแปลกใจถ้ามันจะกลายเป็น โมเดลรันในเครื่องยอดนิยม
GLM-5.2 ก็มีขนาดแค่ครึ่งหนึ่งของ DeepSeek V4 Pro แต่ราคากลับประมาณสองเท่า
ผมลองดูโครงสร้างของ DeepSeek นิดหน่อย และจุดโฟกัสหลักเหมือนจะเป็นการลดต้นทุนให้มากที่สุด
พวกเขาลดต้นทุนในกลไก attention ลงไปมาก และด้วยเหตุนี้จึงสามารถเสนอราคาที่ถูกเหลือเชื่อแม้ในบริบทยาวมากๆ ได้ แต่ก็ดูเหมือนจะแลกมากับประสิทธิภาพบางส่วน
อย่างน้อยพอเห็นว่าโมเดลที่เล็กกว่ากลับแพงกว่าและทำได้ดีกว่า ก็ทำให้นึกว่า “attention มันหนาแน่นกว่าหรือเปล่า?”
Hy3 has 295B parameters in total. To serve it on 8 GPUs, we recommend using H20-3e or other GPUs with larger memory capacity.ผมก็คิดว่ามันอาจกลายเป็นโมเดลรันในเครื่องยอดนิยมได้
ผมลองใช้โมเดลแล้ว มันค่อนข้างยอดเยี่ยม และน่าจะดีกว่า ~~gpt5.4~~ gpt-5.4-mini
ประสิทธิภาพก็ใกล้กับ sonnet 5 มากพอจนแทบไม่รู้สึกถึงความต่างใหญ่ๆ
มันไม่ถึงระดับ gpt 5.5 และอาจต่ำกว่า glm 5.2 แต่สำหรับงานส่วนใหญ่ที่ผมลอง มันใช้งานได้ดีเฉยๆ และถูกมาก
ถ้าคุณต้องการ โมเดล FOSS ก็ไม่มีเหตุผลอะไรที่จะไม่ใช้มัน
แก้ไข: ไม่ใช่ gpt-5.4 ตัวปกติ แต่เป็น gpt-5.4-mini
ในบล็อกโพสต์ของ Hy3 ดูเหมือนจะมีเบนช์มาร์กที่ปนเปื้อนอยู่หลายอัน จึงจำเป็นต้องมีการทดสอบจริง
เหมือนกับโมเดลจีนจำนวนมาก มันให้ความรู้สึกแรงมากว่า ถูกปรับจูนเพื่อเบนช์มาร์ก
ถ้าเป็น gpt-5.4 ก็คงยังไม่มีโมเดลโอเพนซอร์สตัวไหนเทียบได้ และอาจต้องรออีกประมาณ 1 ปี
พอใช้ Hy3 แล้วผมรู้สึกเหมือนตัวเองเพี้ยนๆ
ไม่รู้ว่าเป็นเพราะมัน ถูกปรับจูนเพื่อเบนช์มาร์ก แบบสุดโต่ง หรือเป็นปัญหาที่วิธีใช้ของผมเอง แต่ผมยังอยากใช้ dense Gemma มากกว่า
จากความทรงจำช่วงหลังๆ ไม่มีโมเดลไหนที่ทำให้ผมเสียเวลาได้มากขนาดนี้
31B นำอยู่ชัดเจน และแม้แต่ MoE ก็ยังดีกว่านิดหน่อยเมื่อใช้เวอร์ชัน QAT พร้อมการควอนไทซ์ 4 บิต
Qwen 3.6 27B ก็ดีกว่า Hy3 เช่นกัน
ตอนนี้มันพ้นช่วง preview แล้วและผ่าน post-training เพิ่มมาอีก ผมจึงวางแผนจะลองทดสอบอีกครั้ง
อย่างน้อยมันก็คงไม่ได้แย่ลง และอาจดีขึ้นจนพอจะแข่งกับโมเดล 31B ได้
ผมนึกว่าเป็นรีลีสใหม่ของภาษา Hy: https://hylang.org
สิ่งที่ต้องการจริงๆ คือ การทะลุข้อจำกัดด้าน inference หรือสถาปัตยกรรม LLM
เราควรต้องทำให้โมเดลระดับ GLM-5.2 ที่มีขนาดไม่เกิน Qwen 3.6 27b รันได้บนอุปกรณ์ผู้บริโภคอย่าง Macbook Pro 48GB ที่อย่างน้อย 100 โทเคนต่อวินาที
สมมติฐานของผมคือ ถ้าเอาโมเดลที่เล็กกว่า ฉลาดน้อยกว่า แต่เร็วกว่า ไปจับคู่กับตัวดำเนินการที่ดี มันจะสามารถรันได้นานขึ้นและใช้พละกำลังแก้ปัญหาที่ปกติโมเดลใหญ่แก้ได้ในรอบเดียว
คล้ายกับการติด ตัวหน่วงการสั่นสะเทือน ให้กับโครงสร้างเชิงกลหลายแบบ
เข้าเว็บไม่ได้
เชื่อมต่อไปที่ https://hy.tencent.com/research/hy3 ไม่ได้