Vorschau auf Hy3: Erste Open-Source-Version nach der Umstrukturierung von Yuan mit verbesserter Praxistauglichkeit und erweiterten Agent-Funktionen

Am 23. April veröffentlichte Tencent Huan Yuan das Sprachmodell „Hy3preview“ als Open-Source-Version. Dieses hybride Expertenmodell kombiniert schnelles und langsames Schlussfolgern, verfügt über insgesamt 295 Milliarden Parameter und 21 Milliarden aktivierte Parameter und unterstützt eine Kontextlänge von bis zu 256K. Es ist das erste Modell, das nach der Umstrukturierung von Huan Yuan trainiert wurde, und das intelligenteste Modell in der Geschichte von Huan Yuan. Es bietet erhebliche Verbesserungen bei komplexem Schlussfolgern, der Befolgung von Anweisungen, kontextbezogenem Lernen, der Codegenerierung, den Fähigkeiten von Agenten und der allgemeinen Schlussfolgerungsleistung.

Im Februar 2026 strukturierte Tencent Huan Yuan seine Infrastruktur für Vortraining und bestärkendes Lernen neu und legte drei Leitprinzipien für die Erzielung praktischer Nutzen fest:

1. Systematische Fähigkeiten: Anstatt den Schwerpunkt auf Spezialisierung zu legen, erkennen wir an, dass selbst eine einzelne Anwendung wie ein Code-Agent eine intensive Zusammenarbeit zwischen Schlussfolgerung, Verarbeitung langer Kontexte, Befehlsbefolgung, Dialog, Programmierung und Tool-Nutzung erfordert.

2. Authentische Bewertung: Wir gehen über leicht zu manipulierende öffentliche Benchmarks hinaus und bewerten und verbessern die reale Wirksamkeit des Modells mithilfe intern entwickelter Fragen, aktueller Prüfungssätze, menschlicher Bewertung, produktspezifischer Crowd-Tests und anderer Methoden.

3. Fokus auf Kosteneffizienz: Praktikabilität muss mit kommerzieller Rentabilität einhergehen. Die gemeinsam entwickelte Modellarchitektur und das Inferenz-Framework senken die Aufgabenkosten erheblich und machen KI sowohl erschwinglich als auch effektiv.

Hy3preview markiert den Beginn von Huan Yuans beschleunigtem Streben nach praktischen großen Sprachmodellen, die reale Probleme lösen.

Yao Shunyu, Chief AI Scientist bei Tencent, merkte an, dass Hy3preview der erste Schritt bei der Modellüberarbeitung von Huan Yuan ist. Durch diese Open-Source-Veröffentlichung freuen wir uns auf echtes Feedback aus der Community und von den Nutzern, das dazu beitragen wird, die Praxistauglichkeit der offiziellen Hy3-Version zu verfeinern. Gleichzeitig bauen wir das Vortraining und das verstärkende Lernen weiter aus und heben die Intelligenzgrenze des Modells an. Durch eine enge Zusammenarbeit bei der Entwicklung mit zahlreichen Tencent-Produkten verbessern wir stetig die Leistung des Modells in der Praxis und beginnen, spezialisierte Modellfähigkeiten zu erforschen.

Derzeit ist Hy3preview auf Tencent Cloud, Yua, ima, CodeBuddy, WorkBuddy, QQ, QQ Browser, Tencent Docs und Tencent LeXiang verfügbar. Weitere wichtige Produkte wie der WeChat-Offiziell-Account, Peace Elite, Tencent News, Tencent Stock Selection, Tencent Customer Service und WeChat Reading werden schrittweise eingeführt. Darüber hinaus lässt sich Hy3preview in beliebte Open-Source-Agent-Frameworks wie OpenClaw, OpenCode und KiloCode integrieren und ist auf TokenHub, der Plattform für große Modelle von Tencent Cloud, gelistet.

Hy3preview legt Wert auf umfassende Praxistauglichkeit und bietet eine deutliche Steigerung der Agentenfähigkeiten

Mehrere Bewertungen bestätigen, dass die Fähigkeiten von Hy3preview umfassend verbessert wurden.

1.Hervorragende Fähigkeiten zum kontextbezogenen Lernen und zur Befolgung von Anweisungen

In vielfältigen realen Produktions- und Alltagsszenarien bleibt das Parsen unübersichtlicher, langwieriger Kontexte und die Einhaltung komplexer, sich weiterentwickelnder Regeln eine zentrale Herausforderung für Modelle. Ausgehend von Tencents Geschäftsanwendungsfällen führte Huan Yuan CL-bench und CL-bench-Life ein, um das kontextbezogene Lernen innovativ zu bewerten, und verbesserte die Fähigkeiten von Hy3preview beim Kontextlernen und bei der Befolgung von Anweisungen erheblich.

2. Außergewöhnliche Fähigkeiten im komplexen Schlussfolgern, die in China die Bestnote bei der Doktorprüfung in Mathematik an der Tsinghua-Universität erzielten

Komplexes logisches Denken bildet die Grundlage für die Fähigkeit des Modells, vielfältige Probleme zu lösen. Hy3preview schnitt bei anspruchsvollen MINT-Benchmarks wie FrontierScience-Olympiad und IMOAnswerBench hervorragend ab und erzielte herausragende Ergebnisse bei der jüngsten Doktoranden-Qualifikationsprüfung in Mathematik der Quzhen-Akademie der Tsinghua-Universität (Frühjahr 2026) sowie beim nationalen Biologiewettbewerb für Oberschulen (CHSBO2025), womit es sein robustes, verallgemeinertes logisches Denken unter Beweis stellte.

3. Wesentliche Fortschritte bei den Code- und Agentenfähigkeiten, die eine hohe Kosteneffizienz demonstrieren

Code- und Agentenfähigkeiten sind die bemerkenswertesten Verbesserungen in Hy3preview. Dank der überarbeiteten Infrastruktur für Vortraining und bestärkendes Lernen sowie des erweiterten Umfangs der RL-Aufgaben erzielte Tencent Huan Yuan schnell wettbewerbsfähige Ergebnisse bei führenden Code-Agenten-Benchmarks wie SWE-Bench Verified und Terminal-Bench2.0 sowie bei Suchagenten-Benchmarks wie BrowseComp und WideSearch.

Im digitalen Bereich misst der Code die Fähigkeit des Modells, Aufgaben in Entwicklungsumgebungen auszuführen, während die Suche seine Fähigkeit bewertet, Informationen aus offenen Quellen abzurufen, zu filtern und zu synthetisieren. Zusammen bestimmen diese Faktoren, ob das Modell in komplexen Agentenszenarien wie OpenClaw wirklich nützlich ist. Hy3preview erzielte starke Ergebnisse bei Bewertungen wie ClawEval und WildClawBench, was zeigt, dass sich unsere Agentenfähigkeiten stetig in Richtung Vollständigkeit und Praxistauglichkeit entwickeln.

Über öffentliche Benchmarks hinaus hat Tencent Huan Yuan mehrere interne Evaluierungssuiten entwickelt, um die Leistung des Modells in realen Entwicklungskontexten zu messen. Die Ergebnisse zeigen, dass Hy3preview über den Backend-Engineering-Aufgabensatz Hy-Backend, den entwicklerorientierten Hy-Vibe-Bench und den anspruchsvollen Software-Engineering-Aufgabensatz Hy-SWE Max hinweg eine starke Wettbewerbsfähigkeit aufweist.

Beim Vergleich der Modellgröße und der Gesamtleistung des Agenten mit Open-Source-Alternativen zeichnet sich Hy3preview durch seine hohe Kosteneffizienz aus.

Die Kerngeschäfte von Tencent sind vollständig integriert, und mehrere wichtige KI-Produkte zeigen deutliche Vorteile

Vor seiner offiziellen Einführung wurde Hy3preview in den wichtigsten KI-Produkten von Tencent getestet und erzielte dabei spürbare positive Ergebnisse.

Im Bereich Yua wurden Huan Yuan und Yua einer intensiven gemeinsamen Entwicklung unterzogen. Die Leistung des Modells bei Schlüsselkennzahlen wie der Genauigkeit des Intent-Verständnisses, der Qualität der Textgenerierung und der Deep Search wurde verbessert, während es gleichzeitig hinsichtlich Schreibstil, Ausdrucksweise, emotionaler Intelligenz, Inhaltsstruktur und Professionalität feinabgestimmt wurde. Diese enge Zusammenarbeit zwischen Modell und Produkt ermöglichte den Nutzern ein intelligenteres und menschenähnlicheres Interaktionserlebnis.

In den Szenarien der Wissensdatenbank-QA und der allgemeinen QA von ima zeigten Tests, dass Hy3preview bei der Verarbeitung langer Texte hervorragende Leistungen erbringt, insbesondere bei Abrufaufgaben, bei denen es eine hohe Genauigkeit, Abdeckung und Vollständigkeit der Antworten erreicht.

In CodeBuddy und WorkBuddy sank die Latenzzeit des ersten Tokens von Hy3preview um 54 %, die End-to-End-Dauer verringerte sich um 47 % und die Erfolgsquote stieg auf über 99,99 %. In realen Benutzerumgebungen steuert es stabil komplexe Agent-Workflows mit bis zu 495 Schritten, die verschiedene Büroaufgaben wie Dokumentenverarbeitung, Datenanalyse, Wissensabruf und die Orchestrierung der MCP-Toolchain umfassen.

In speziellen Evaluierungen für den KI-Avatar und den KI-Kundenservice des WeChat-Offiziellen-Kontos lieferte Hy3preview umfassendere Verbesserungen gegenüber Hy2. Es zeigte eine größere Reife beim Verständnis der Benutzerabsicht, bei der Fortsetzung komplexer Kontexte und bei der Wissensorganisation. Beim Umgang mit mehrdeutigen Anfragen, kurzen Sätzen und mehrrunden Dialogen erfasste es die Nutzerbedürfnisse besser und lieferte klarere, stabilere Antworten. Durch die Integration von Wissensdatenbanken, Nutzergedächtnis und kontextbezogener Generierung passten sich seine Ausgaben besser an die Rolle des KI-Avatars oder des Kundenservices an, wodurch übermäßige Fantasie, subjektive Annahmen und emotionaler Ton deutlich reduziert wurden – was die gesamte Interaktion näher an ein „vertrauenswürdiges, natürliches und effizientes“ Erlebnis brachte.

Im KI-NPC-Szenario von Peace Elite integrierte und evaluierte das Team Hy3preview kurz nach dessen Veröffentlichung mit beeindruckenden Gesamtergebnissen. Beim Rollenspiel von Charakteren außerhalb des Spiels erfasste Hy3preview die Charaktereigenschaften präzise und lieferte hochrelevante, wertschöpfende Inhalte für offene Fragen, wodurch eine realistischere, natürlichere und immersivere Konversation entstand. In komplexen Kampfszenarien innerhalb des Spiels entsprach das Reaktionszeitverhalten des Modells fast dem echter Spieler und zeigte ausgezeichnete Stabilität sowie menschenähnliche Rollenspielfähigkeiten – was seine Gesamtleistung außergewöhnlich machte.

Im AI-PPT-Szenario von Tencent Docs zeigte Hy3preview im Vergleich zur vorherigen Hy2-Version deutliche Verbesserungen: Die Generierungserfolgsrate stieg um 20 %, die Bewertungsergebnisse verbesserten sich um 10 % und die Generierungszeit sank um 20 %. Insgesamt zeichnete sich das neue Modell bei der Vorlagenauswahl, der Farbanpassung, der Gliederungserstellung und der Inhaltsergänzung aus – frei von Halluzinationen, thematisch abgestimmt und mit starker visueller Anziehungskraft.

Für den KI-Assistenten Xiao Q von QQ brachte Hy3preview im Vergleich zur Vorgängerversion wesentliche Optimierungen bei der Latenz des ersten Bytes bei Langtexten, der allgemeinen Reaktionsgeschwindigkeit und der Streaming-Effizienz. Kernfähigkeiten wie mathematisches Denken wurden deutlich verbessert, während die Befolgung von Anweisungen in mehreren Szenarien und die Generalisierungsfähigkeit weiter ausgebaut wurden. Beim tool-calling reasoning und der Auflösung von Referenzen in Mehrfachrunden lieferte es eine stabilere und effizientere Leistung. Beim offiziellen PinchBench-Test für intelligente QQ-Agenten von OpenClaw erzielte es hervorragende Ergebnisse, und die allgemeine Benutzererfahrung verbesserte sich deutlich.

Die Schlussfolgerungseffizienz verbesserte sich um 40 % und lieferte optimale Intelligenzdichte bei gleichen Kosten

Dank der engen Zusammenarbeit zwischen dem Modell und dem Inferenz-Framework sowie umfassender Optimierungen im Inferenz-Framework, bei der Operator-Leistung, den Quantisierungsalgorithmen und mehr verbesserte sich die Gesamt-Schlussfolgerungseffizienz um 40 %, und die Kosten von Hy3preview sanken im Vergleich zur Vorgängergeneration deutlich.

Auf TokenHub, der Plattform für große Modelle von Tencent Cloud, liegt der Eingabepreis für Hy3preview bei nur 1,2 Yuan pro Million Token, der Eingabecache bei 0,4 Yuan pro Million Token und der Ausgang bei 4 Yuan pro Million Token. Darüber hinaus haben Tencent Cloud und Huan Yuan gemeinsam ein maßgeschneidertes Hy3preview-Token-Plan-Paket eingeführt, dessen Personal Edition ab 28 Yuan pro Monat erhältlich ist – eine kostengünstige Option für die Entwicklung von Agenten und den Aufbau von „Lobster“-Anwendungen.