Hy3 正式发布 - 比肩更大尺寸旗舰模型的高性价比选择 - 元宝

Hy3 封面

发布

4 月底发布 Hy3 preview 后，腾讯混元在 50 多个业务中获得了广泛的反馈，修复了各种体验问题，进一步提升了后训练的质量和规模。

2026 年 7 月 6 日，Hy3 正式发布。它展现出显著强于同尺寸模型的智能水平，并比肩更大尺寸旗舰模型的效果，大幅提升了在各类产品和生产力任务中的实用价值。

Hy3 基于 preview 版本进一步提升了后训练数据的质量和多样性，扩大了 RL 算力规模，在推理、智能体、长上下文等任务上显著进步，取得了比肩国内外更大尺寸旗舰模型（参数规模往往是 Hy3 的 2～5 倍）的效果。

Hy3 benchmark

Hy3 在软件开发、办公生产、金融建模、前端设计、游戏制作等生产力任务上的进步尤其显著，可以成为高性价比的可靠选择。

在内部组织的 270 位专家基于真实工作的模型盲测中，Hy3（均分 2.67 / 4）展现出优于 GLM5.1（均分 2.51 / 4）的表现，尤其在前端、数据与存储、CI/CD 等类别优势显著。

模型的实用体验不完全与榜单成绩挂钩。基于广泛的用户反馈和分析，腾讯混元定位并优化了一系列体验向能力，获得了产品侧一致且积极的评价。

显著改善了一系列基础底线问题，确保模型在各种工具设置和输出要求下达到生产级标准，工具调用的错误恢复能力和效率大幅提升。

另外，Hy3 还增强了跨脚手架泛化性，不同脚手架（如 Codebuddy、Cline、KiloCode）在 SWE Bench Verified 上的分数标准差控制在 4 个百分点以内。

基于「有依据才回答、无依据明示缺失，多来源信息不乱拼，数据和状态不乱编」的理想态，进行了细粒度的数据清洗和训练约束。

在基于真实产品的内部评测中，Hy3 的幻觉率从 12.5% 降至 5.4%，常识错误率从 25.4% 降至 12.7%，显著改善了「张冠李戴」、无中生有、逻辑矛盾等问题。

Hy3 在 SFT 与 RL 阶段联合优化了指代消解、省略还原及多轮约束继承等业务痛点问题，内部评测的多轮问题率从 17.4% 降至 7.9%。

同时 Hy3 在长对话理解基准中取得显著跨越（如 MRCR 从 42.9% 升至 75.1%），输出更精炼的同时确保复杂意图在长程交互中不衰减、不跑偏。

Hy3 已基于 Apache 2.0 协议 在 GitHub、HuggingFace、ModelScope、AtomGit 开源。

得益于一系列软硬协同的优化，腾讯也进一步降低了 Hy3 在腾讯云的 API 价格及在 WorkBuddy 等产品上的使用成本，让混元模型普惠更多用户和场景。

从 1 月底重建基础设施，到 4 月发布 Hy3 preview，再到今天迭代升级 Hy3，腾讯混元用不到半年跑通了从底层基建到产品落地的完整研发链路。

但这只是一个起点，还有很多问题需要解决，混元的重建和进步才刚刚开始。腾讯混元将持续踏实地扩大训练规模、提升数据质量、优化体验细节，保持敏捷迭代和坦诚开放的态度。