След като две години беше широко смятан за изоставащ в надпреварата за основаване на модели в Китай, Tencent отново се включи в разговора с пускането на Hunyuan Hy3. Без шумно представяне, моделът се изкачи до осмо място в списъка с най-популярните модели на OpenRouter в рамките на три дни от безплатен достъп, предизвика 50% опашка за своя продукт WorkBuddy, изискващ спешно разширяване на капацитета, и вдигна акциите на Tencent с 4,82% в деня на стартиране.
Hy3 използва архитектура Mixture of Experts с общо 295 милиарда параметри и 21 милиарда активирани на извод. Вместо да преследва върхови сравнителни резултати, моделът дава приоритет на инженерната практичност, ефективността на разходите за изводи и надеждността на задачата на агента. На SWE-bench Verified, Hy3 отбелязва 78 точки, зад Claude Fable 5, GLM-5.2 и DeepSeek V4 Pro. Но на по-твърдия SWE-bench Pro той отбелязва 57,9, надминавайки DeepSeek V4 Pro. На WildClawBench превъзхожда GLM-5.1 и DeepSeek V4 Pro сред отворените модели.
По-важната история е как Tencent стигна до там. През септември 2025 г. компанията нае бившия изследовател на OpenAI Яо Шуню като главен учен по изкуствен интелект, отбелязвайки стратегически център. Яо реорганизира системата за научноизследователска и развойна дейност Hunyuan, преустрои тръбопровода за предварително обучение и обучение за укрепване, разшири и изчисти данните за обучението и обърна последователността на разработка, като започна с продуктовите изисквания за офис, кодиране и управление на знания, преди да определи архитектурата на модела. Подходът гарантира, че обратната връзка за продукта се подава директно в обучението на модела, затваряйки цикъла между разработването на модела и употребата в реалния свят.
Външното валидиране изглежда обещаващо. Дневното потребление на токени Hy3 нарасна 20 пъти по време на предварителния преглед, а активният потребителски избор на Hy3 в WorkBuddy нарасна 6 пъти. В юлската класация за използване на модели за програмиране на OpenRouter, Hy3 влезе в челната четворка заедно със серията GLM-5.2, MiniMax M3 и DeepSeek V4. Производителността в рамките на множество агенти показва флуктуация на точността, контролирана в рамките на 4%, с намалени нива на халюцинации и подобрена стабилност при много завъртания.
Практиците в индустрията на агентите описват Hy3 като силен цялостен модел от второ ниво, който постига статут на първо ниво сред отворените рентабилни модели, особено конкурентен в разработката на преден край, код, сърфиране при търсене и извикване на инструменти. Той все още не е водещ при когнитивни задачи с висока трудност, но е оформил ясна позиция за чувствителни към разходите корпоративни внедрявания в мащаб. DeepSeek V4 Pro и GLM-5.2 все още превъзхождат Hy3 при няколко взискателни бенчмарка, но разликата е намаляла значително от по-ранните итерации на Hunyuan.
Истинският тест ще започне, когато безплатният достъп приключи. Въпреки това, Hy3 вече постигна нещо, което нито една предишна итерация на Hunyuan не беше постигнала: той убеди външните разработчици активно да избират модела на Tencent пред алтернативите и накара вътрешните продукти на Tencent да му поверят реални работни натоварвания. Дали това ще се превърне в устойчива конкурентна позиция зависи от способността на Tencent да поддържа непрекъсната скорост на итерация и да разширява възможностите на модела, като същевременно запазва ценовите предимства непокътнати.