Hy3

Publié par Tencent le 6 juillet 2026, Hy3 est un LLM instruct open-weights sous licence Apache 2.0, utilisable commercialement. À sa sortie, il se plaçait dans le top 10% des 172 LLM de sa génération sur GPQA, un benchmark centré sur des questions scientifiques complexes.

Son architecture Mixture-of-Experts réunit 295 milliards de paramètres, dont 21 milliards actifs, avec 192 experts sélectionnés en top-8 et une couche MTP de 3,8 milliards de paramètres. Sa fenêtre de contexte atteint 256K et ses trois modes, « no_think », « low » et « high », modulent l’effort de raisonnement.

Caractéristiques

Performances (benchmarks)

« 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.

Coût & vitesse agentiques

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 obtient ses résultats les plus solides sur Hallucinations et Email Classification, tout en affichant un niveau élevé en Mathematics et Coding. Son classement dans le top 10% de sa génération sur GPQA le situait, à sa sortie, dans le haut du panier pour le traitement de questions scientifiques complexes. Le modèle prend également en charge les appels d’outils, les interactions multi-tours et les tâches à contexte long. Il peut être servi avec vLLM ou SGLang au moyen d’une API compatible OpenAI, puis adapté grâce à des pipelines de fine-tuning et de post-entraînement par renforcement GRPO.

Limites et points d'attention. Reasoning constitue son résultat le moins convaincant, avec une position en milieu de classement malgré des performances supérieures dans les tâches mathématiques. Instruction Following reste également en retrait par rapport à ses meilleurs domaines. Coding, Hallucinations et Email Classification présentent des scores bruts élevés, mais leurs rangs montrent que de nombreux modèles obtiennent des résultats comparables ou supérieurs. Son architecture totalise par ailleurs 295 milliards de paramètres, même si seuls 21 milliards sont actifs. Hy3 convient surtout aux déploiements open-weights commerciaux associant contexte long, outils, échanges multi-tours et effort de raisonnement configurable.

Sources des données : LLM-Stats (llm-stats.com) · Benchable.ai (benchable.ai).