Hy3
Hy3 est un LLM instruct à poids ouverts lancé par Tencent le 6 juillet 2026. Distribué sous licence Apache 2.0, il autorise l’usage commercial. À sa sortie, ses résultats sur GPQA le plaçaient dans le top 10% des LLM de sa génération.
Hy3 est un LLM instruct à poids ouverts lancé par Tencent le 6 juillet 2026. Distribué sous licence Apache 2.0, il autorise l’usage commercial. À sa sortie, ses résultats sur GPQA le plaçaient dans le top 10% des LLM de sa génération.
Son architecture Mixture-of-Experts compte 295 milliards de paramètres, dont 21 milliards actifs, 192 experts avec sélection top-8 et une couche MTP de 3,8 milliards de paramètres. Sa fenêtre de contexte atteint 256K. Trois modes, « no_think », « low » et « high », règlent l’effort de raisonnement.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | Tencent |
| Poids | 🟢 Poids ouverts · usage commercial autorisé |
| Licence | Apache 2.0 |
| Date de sortie | 6 juillet 2026 |
| Multimodal | non |
| Paramètres | 295 milliards |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Hallucinations (Baseline) | 98,0 % | 47ᵉ / 146 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 98,0 % | 55ᵉ / 163 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 94,7 % | 26ᵉ / 140 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 92,9 % | 54ᵉ / 162 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 81,2 % | 68ᵉ / 155 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 74,0 % | 46ᵉ / 163 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 45,9 % | 146ᵉ / 159 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 36,0 % | 148ᵉ / 161 | benchable | ✅ Mesuré |
| DeepSearchQA | 91,0 % | 4ᵉ / 8 | llm-stats | Auto-déclaré |
| GPQA | 90,4 % | 18ᵉ / 219 | llm-stats | Auto-déclaré |
| IMO-AnswerBench | 90,0 % | 3ᵉ / 19 | llm-stats | Auto-déclaré |
| BrowseComp | 84,2 % | 13ᵉ / 57 | llm-stats | Auto-déclaré |
| MCP Atlas | 79,1 % | 7ᵉ / 30 | llm-stats | Auto-déclaré |
| SWE-Bench Verified | 78,0 % | 19ᵉ / 102 | llm-stats | Auto-déclaré |
| WideSearch | 76,4 % | 3ᵉ / 9 | llm-stats | Auto-déclaré |
| SWE-bench Multilingual | 75,8 % | 9ᵉ / 34 | llm-stats | Auto-déclaré |
| FrontierScience Olympiad | 74,8 % | 3ᵉ / 3 | llm-stats | Auto-déclaré |
| AA-LCR | 73,4 % | 1ᵉ / 15 | llm-stats | Auto-déclaré |
| USAMO 2026 | 72,0 % | 3ᵉ / 3 | llm-stats | Auto-déclaré |
| Terminal-Bench 2.1 | 71,7 % | 9ᵉ / 13 | llm-stats | Auto-déclaré |
| Claw-Eval | 68,5 % | 4ᵉ / 13 | llm-stats | Auto-déclaré |
| SWE-Bench Pro | 57,9 % | 17ᵉ / 41 | llm-stats | Auto-déclaré |
| SkillsBench | 55,3 % | 2ᵉ / 6 | llm-stats | Auto-déclaré |
| SuperChem | 54,9 % | 3ᵉ / 3 | llm-stats | Auto-déclaré |
| WildClawBench | 53,6 % | 3ᵉ / 4 | llm-stats | Auto-déclaré |
| Toolathlon | 48,5 % | 16ᵉ / 30 | llm-stats | Auto-déclaré |
| NL2Repo | 45,6 % | 4ᵉ / 12 | llm-stats | Auto-déclaré |
| MathArena Apex | 38,7 % | 4ᵉ / 7 | llm-stats | Auto-déclaré |
| DeepSWE | 28,0 % | 8ᵉ / 9 | llm-stats | Auto-déclaré |
| APEX-Agents | 25,6 % | 7ᵉ / 7 | llm-stats | Auto-déclaré |
| FrontierScience Research | 21,3 % | 4ᵉ / 4 | llm-stats | Auto-déclaré |
| HorizonMath | 7,1 % | 1ᵉ / 3 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.
Benchable : Hallucinations (Baseline)
Benchable : Email Classification (Baseline)
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0,01 $ |
| Latence moyenne par benchmark — Benchable | 5 h 16 min |
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 se distingue surtout en Mathematics, où il figure dans le haut du classement Benchable. Ses résultats restent solides en Coding et en Instruction Following. Son positionnement dans le top 10% sur GPQA à sa sortie confirme un bon niveau en raisonnement scientifique à l’échelle de sa génération. Le modèle gère aussi les appels d’outils, les échanges multi-tours et les tâches à contexte long. Il peut être servi avec vLLM ou SGLang au moyen d’une API compatible OpenAI. Des pipelines couvrent le fine-tuning et le post-entraînement par renforcement GRPO.
Limites et points d’attention. Hy3 se situe davantage en milieu de tableau sur Reasoning et Coding que parmi les tout premiers modèles. Les résultats de Hallucinations et Email Classification sont peu discriminants : ces benchmarks sont plafonnés, et Hy3 y partage sa place avec respectivement 18 et 42 autres modèles. Le total de 295 milliards de paramètres implique des poids volumineux, même si l’architecture MoE limite l’activation à 21 milliards de paramètres. Hy3 convient surtout aux déploiements contrôlés qui recherchent des poids ouverts, un long contexte, des appels d’outils et plusieurs niveaux d’effort de raisonnement.
Sources des données : LLM-Stats (llm-stats.com) · Benchable.ai (benchable.ai).