Tencent: Hy3 preview
Publié par Tencent le 22 avril 2026, Tencent: Hy3 preview est un LLM à poids ouverts de type Mixture-of-Experts. Il compte 295 milliards de paramètres, dont 21 milliards sont activés, ainsi qu’une couche MTP de 3.8 milliards de paramètres. Sa fenêtre de contexte atteint 262 144 tokens.
Publié par Tencent le 22 avril 2026, Tencent: Hy3 preview est un LLM à poids ouverts de type Mixture-of-Experts. Il compte 295 milliards de paramètres, dont 21 milliards sont activés, ainsi qu’une couche MTP de 3.8 milliards de paramètres. Sa fenêtre de contexte atteint 262 144 tokens.
Le modèle comprend 80 couches hors MTP, 192 experts avec activation top-8, GQA et 8 têtes KV. Il existe en versions instruct et de base pré-entraînée, prend en charge BF16 et peut être déployé avec vLLM ou SGLang derrière une API compatible OpenAI. Le paramètre reasoning_effort propose les modes no_think, low et high.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Tencent |
| Poids | 🟢 Poids ouverts |
| Date de sortie | 22 avril 2026 |
| Multimodal | non |
| Fenêtre de contexte | 262 144 tokens |
| Modalités (entrée → sortie) | text → text |
Indices de synthèse
| Indice | Valeur | Rang (LLM) |
|---|---|---|
| Intelligence Index | 33.6 | 45ᵉ / 137 |
Indices Artificial Analysis. Le rang situe le modèle parmi tous les LLM du catalogue disposant de l'indice.
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : General Knowledge (Baseline) | 100,0 % | 1ᵉ / 161 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 100,0 % | 1ᵉ / 159 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 99,0 % | 11ᵉ / 163 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 98,0 % | 16ᵉ / 155 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 94,0 % | 30ᵉ / 140 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 93,0 % | 42ᵉ / 162 | benchable | ✅ Mesuré |
| Benchable : Hallucinations (Baseline) | 84,0 % | 104ᵉ / 146 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 79,0 % | 32ᵉ / 163 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.
Intelligence Index
Benchable : General Knowledge (Baseline)
Classements Arena (Elo)
Arena Text · 200 modèles classés
| Rang | Modèle | Elo |
|---|---|---|
| 1ᵉ | Claude Fable 5 | 1507 |
| 2ᵉ | Claude Opus 4.6 | 1504 |
| 3ᵉ | Claude Opus 4.7 | 1503 |
| ⋯ | ⋯ | |
| 111ᵉ | GPT-4.1 | 1414 |
| 112ᵉ | Claude Opus 4 | 1412 |
| 113ᵉ | Tencent: Hy3 preview | 1412 |
| 114ᵉ | Claude Haiku 4.5 | 1412 |
| 115ᵉ | grok-3-preview-02-24 | 1412 |
Arena Code · 99 modèles classés
| Rang | Modèle | Elo |
|---|---|---|
| 1ᵉ | Kimi K3 | 1679 |
| 2ᵉ | Claude Fable 5 | 1631 |
| 3ᵉ | GPT-5.6 Sol | 1618 |
| ⋯ | ⋯ | |
| 63ᵉ | Gemma 4 31B | 1367 |
| 64ᵉ | Qwen3.5-122B-A10B | 1364 |
| 65ᵉ | Tencent: Hy3 preview | 1361 |
| 66ᵉ | Gemma 4 26B-A4B | 1361 |
| 67ᵉ | Grok 4.3 | 1360 |
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| GMICloud | 0,063 $ | 0,21 $ | 0,021 $ |
Prix en dollars US par million de tokens.
Sa tarification se situe 97 % en dessous de la moyenne des LLM similaires, et 87,3 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,05 $ |
| Latence moyenne par benchmark — Benchable | 29 min 38 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Hy3 preview se situe dans le premier tiers de l’Intelligence Index. Les tests Baseline montrent une réussite élevée en raisonnement, mathématiques et code. General Knowledge et Ethics atteignent 100 %, mais ces résultats sont partagés avec de nombreux modèles et départagent peu les concurrents. Sa fenêtre de 262 144 tokens accueille de longs contextes. Son principal avantage reste le prix : il se place 97 % sous la moyenne des LLM similaires et coûte environ 87.3 fois moins cher que les modèles frontière.
Limites et points d'attention. Dans Arena text, Hy3 preview reste en retrait, derrière Claude Fable 5, Claude Opus 4.6 et Claude Opus 4.7. Claude Fable 5 est nettement devant en duel. Dans Arena Code, il se place derrière Kimi K3, Claude Fable 5 et GPT-5.6 Sol. Kimi K3 est nettement devant en duel. Plusieurs scores Benchable sont plafonnés ou largement partagés, ce qui limite leur pouvoir discriminant. Hy3 preview reste pertinent pour des déploiements économiques à poids ouverts, avec un long contexte et un réglage explicite de l’effort de raisonnement. Pour un résultat plus abouti, on lui préférera Claude Fable 5, Kimi K3 ou Claude Opus 4.7.
Sources des données : OpenRouter (openrouter.ai) · Artificial Analysis (artificialanalysis.ai) · Arena.ai (arena.ai) · LLM-Stats (llm-stats.com) · Benchable.ai (benchable.ai).