Avance de Hy3: primera versión de código abierto tras la reestructuración de Yuan, con mayor practicidad y capacidades de agente

El 23 de abril, Huan Yuan, de Tencent, lanzó el modelo de lenguaje Hy3preview como una versión de código abierto. Este modelo híbrido experto combina el razonamiento rápido y lento, con un total de 295 000 millones de parámetros y 21 000 millones de parámetros activados, y admite una longitud de contexto de hasta 256K. Es el primer modelo entrenado tras la reconstrucción de Huan Yuan y el más inteligente en la historia de Huan Yuan, lo que supone avances sustanciales en razonamiento complejo, seguimiento de instrucciones, aprendizaje en contexto, generación de código, capacidades de agente y rendimiento general del razonamiento.

En febrero de 2026, Tencent Huan Yuan reestructuró su infraestructura de preentrenamiento y aprendizaje por refuerzo, además de establecer tres principios rectores para lograr una utilidad práctica:

1. Capacidades sistemáticas: en lugar de hacer hincapié en la especialización, reconocemos que incluso una sola aplicación, como un agente de código, requiere una profunda colaboración entre el razonamiento, el procesamiento de contextos largos, el seguimiento de instrucciones, el diálogo, la codificación y el uso de herramientas.

2. Evaluación auténtica: más allá de los benchmarks públicos, que pueden manipularse fácilmente, evaluamos y mejoramos la eficacia del modelo en el mundo real utilizando preguntas desarrolladas internamente, conjuntos de exámenes recientes, evaluación humana, pruebas colectivas específicas para cada producto y otros métodos.

3. Enfoque en la rentabilidad: la practicidad debe ir de la mano de la viabilidad comercial. La arquitectura del modelo y el marco de inferencia, diseñados en estrecha colaboración, reducen sustancialmente los costes de las tareas, lo que hace que la IA sea asequible y eficaz.

Hy3preview marca el inicio de la búsqueda acelerada de Huan Yuan de modelos de lenguaje grandes y prácticos que resuelvan problemas del mundo real.

Yao Shunyu, científico jefe de IA de Tencent, señaló que Hy3preview es el primer paso en la reconstrucción del modelo de Huan Yuan. A través de este lanzamiento de código abierto, esperamos recibir comentarios genuinos de la comunidad y los usuarios, lo que ayudará a perfeccionar la practicidad de la versión oficial de Hy3. Mientras tanto, seguimos ampliando el preentrenamiento y el aprendizaje por refuerzo, elevando aún más el techo de inteligencia del modelo. Mediante un diseño conjunto en profundidad con numerosos productos de Tencent, mejoramos constantemente el rendimiento del modelo en el mundo real y comenzamos a explorar capacidades especializadas del modelo.

Actualmente, Hy3preview está disponible en Tencent Cloud, Yua, ima, CodeBuddy, WorkBuddy, QQ, QQ Browser, Tencent Docs y Tencent LeXiang. Otros productos importantes, como la cuenta oficial de WeChat, Peace Elite, Tencent News, Tencent Stock Selection, Tencent Customer Service y WeChat Reading, se están implementando gradualmente. Además, Hy3preview se integra con marcos de agentes de código abierto populares como OpenClaw, OpenCode y KiloCode, y figura en TokenHub, la plataforma de servicios de modelos grandes de Tencent Cloud.

Hy3preview hace hincapié en la practicidad integral, con un aumento sustancial de las capacidades de los agentes

Múltiples evaluaciones confirman que las capacidades de Hy3preview han experimentado mejoras integrales.

1.Capacidades sobresalientes de aprendizaje en contexto y de seguimiento de instrucciones

En diversos escenarios de producción y cotidianos del mundo real, analizar contextos desordenados y extensos y cumplir con reglas complejas y cambiantes sigue siendo un reto clave para los modelos. A partir de los casos de uso empresarial de Tencent, Huan Yuan introdujo CL-bench y CL-bench-Life para evaluar de forma innovadora el aprendizaje en contexto, y mejoró significativamente las capacidades de aprendizaje en contexto y de seguimiento de instrucciones de Hy3preview.

2. Excepcional capacidad de razonamiento complejo, con la puntuación más alta en el examen de cualificación de doctorado en matemáticas de la Universidad de Tsinghua en China

El razonamiento complejo sustenta la capacidad del modelo para abordar problemas variados. Hy3preview destacó en exigentes pruebas de razonamiento STEM como FrontierScience-Olympiad e IMOAnswerBench, y obtuvo puntuaciones sobresalientes en el último examen de calificación de doctorado en matemáticas de la Academia Quzhen de la Universidad de Tsinghua (primavera de 2026) y en la Competición Nacional de Biología de Secundaria (CHSBO2025), demostrando un razonamiento generalizado sólido.

3. Importantes avances en las capacidades de código y agentes, que demuestran una gran rentabilidad

Las capacidades de código y de agente son las mejoras más notables de Hy3preview. Gracias a la infraestructura renovada de preentrenamiento y aprendizaje por refuerzo, y a la ampliación de la escala de tareas de RL, Tencent Huan Yuan alcanzó rápidamente puntuaciones competitivas en pruebas de referencia líderes para agentes de código, como SWE-Bench Verified y Terminal-Bench2.0, así como en pruebas de referencia para agentes de búsqueda, como BrowseComp y WideSearch.

En el ámbito digital, el código mide la capacidad del modelo para ejecutar tareas en entornos de desarrollo, mientras que la búsqueda evalúa su capacidad para recuperar, filtrar y sintetizar información de fuentes abiertas. En conjunto, estos factores determinan si el modelo es realmente útil en escenarios de agentes complejos como OpenClaw. Hy3preview logró sólidos resultados en evaluaciones como ClawEval y WildClawBench, lo que demuestra que las capacidades de nuestros agentes avanzan de forma constante hacia la completitud y la practicidad.

Más allá de los benchmarks públicos, Tencent Huan Yuan ha creado múltiples conjuntos de evaluación internos para medir el rendimiento del modelo en contextos de desarrollo reales. Los resultados indican que, en el conjunto de tareas de ingeniería de backend Hy-Backend, el Hy-Vibe Bench centrado en los desarrolladores y el exigente conjunto de ingeniería de software Hy-SWE Max, Hy3preview ha demostrado una gran competitividad.

Al comparar el tamaño del modelo y el rendimiento general del agente con las alternativas de código abierto, Hy3preview destaca por su alta rentabilidad.

Los negocios principales de Tencent están totalmente integrados, y múltiples productos clave de IA muestran claros beneficios

Antes de su lanzamiento oficial, Hy3preview se probó en los principales productos de IA de Tencent, lo que generó unos beneficios positivos notables.

En el ámbito de Yua, Huan Yuan y Yua se sometieron a un profundo proceso de codiseño. Se mejoró el rendimiento del modelo en métricas clave como la precisión en la comprensión de la intención, la calidad de la generación de texto y la búsqueda profunda, al tiempo que se ajustó el estilo de redacción, la expresión, la inteligencia emocional, la estructura del contenido y la profesionalidad. Esta estrecha colaboración entre el modelo y el producto proporcionó a los usuarios una experiencia de interacción más inteligente y similar a la humana.

En los escenarios de preguntas y respuestas de la base de conocimientos de ima y de preguntas y respuestas generales, las pruebas revelaron que Hy3preview destaca en el procesamiento de textos largos, especialmente en tareas de recuperación, donde alcanza una alta precisión, cobertura y exhaustividad en las respuestas.

En CodeBuddy y WorkBuddy, la latencia del primer token de Hy3preview se redujo en un 54 %, la duración de extremo a extremo disminuyó en un 47 % y la tasa de éxito superó el 99,99 %. En entornos de usuario reales, gestiona de forma estable flujos de trabajo complejos de hasta 495 pasos, que abarcan diversas tareas de oficina como el procesamiento de documentos, el análisis de datos, la recuperación de conocimientos y la orquestación de la cadena de herramientas MCP.

En evaluaciones específicas del avatar de IA y el servicio de atención al cliente de IA de la cuenta oficial de WeChat, Hy3preview ofreció mejoras más completas con respecto a Hy2. Demostró una mayor madurez en la comprensión de la intención del usuario, la continuación de contextos complejos y la organización del conocimiento. Al lidiar con consultas ambiguas, frases cortas y diálogos de varios turnos, captó mejor las necesidades de los usuarios y generó respuestas más claras y estables. Al integrar bases de conocimiento, memoria de usuario y generación contextual, sus resultados se ajustaron más al papel del avatar de IA o del servicio de atención al cliente, reduciendo significativamente la imaginación excesiva, las suposiciones subjetivas y el tono emocional, lo que acercó la interacción general a una experiencia «fiable, natural y eficiente».

En el escenario de NPC con IA de Peace Elite, el equipo integró y evaluó rápidamente Hy3preview tras su lanzamiento, con unos resultados generales impresionantes. En el juego de rol de personajes fuera del juego, Hy3preview captó con precisión la configuración de los personajes y ofreció contenido altamente relevante y de valor añadido para preguntas abiertas, creando una conversación más realista, natural y envolvente. Durante escenarios de batalla complejos dentro del juego, el tiempo de respuesta del modelo se asemejó al de los jugadores reales, mostrando una excelente estabilidad y habilidades de juego de rol similares a las humanas, lo que hizo que su rendimiento general fuera excepcional.

En el escenario de PPT con IA de Tencent Docs, en comparación con la versión anterior Hy2, Hy3preview mostró mejoras significativas: la tasa de éxito en la generación aumentó un 20 %, las puntuaciones de evaluación mejoraron un 10 % y el tiempo de generación se redujo un 20 %. En general, el nuevo modelo destacó en la selección de plantillas, la combinación de colores, la generación de esquemas y la complementación de contenidos, sin alucinaciones, alineado temáticamente y con un fuerte atractivo visual.

En el caso del asistente de IA de QQ, Xiao Q, en comparación con la versión anterior, Hy3preview aportó importantes optimizaciones en la latencia del primer byte de texto largo, la velocidad de respuesta general y la eficiencia de streaming. Las capacidades básicas, como el razonamiento matemático, experimentaron una mejora significativa, mientras que el seguimiento de instrucciones en múltiples escenarios y la generalización se mejoraron aún más. En el razonamiento de llamada a herramientas y la resolución de referencias de múltiples turnos, ofreció un rendimiento más estable y eficiente. En la prueba oficial de escenarios de agentes inteligentes de PinchBench QQ realizada por OpenClaw, logró resultados sobresalientes y la experiencia general del usuario mejoró notablemente.

La eficiencia del razonamiento mejoró en un 40 %, lo que proporcionó una densidad de inteligencia óptima al mismo coste

Gracias a la estrecha colaboración entre el modelo y el marco de inferencia, junto con optimizaciones exhaustivas en el marco de inferencia, el rendimiento de los operadores, los algoritmos de cuantificación y otros aspectos, la eficiencia general del razonamiento mejoró en un 40 %, y el coste de Hy3preview se redujo significativamente en comparación con la generación anterior.

En TokenHub, la plataforma de servicios de modelos a gran escala de Tencent Cloud, el precio de entrada de Hy3preview es de tan solo 1,2 yuanes por millón de tokens, el de la caché de entrada de 0,4 yuanes por millón de tokens y el de salida de 4 yuanes por millón de tokens. Además, Tencent Cloud y Huan Yuan han presentado conjuntamente un paquete personalizado de planes de tokens de Hy3preview, cuya edición personal tiene un precio a partir de 28 yuanes al mes, lo que ofrece una opción rentable para el desarrollo de agentes y la creación de aplicaciones «Lobster».