Aperçu de Hy3 : première version open source depuis la restructuration de Yuan, offrant une fonctionnalité améliorée et des capacités d'agent renforcées

Le 23 avril, Huan Yuan, filiale de Tencent, a lancé le modèle linguistique Hy3preview en open source. Ce modèle hybride expert combine un raisonnement rapide et lent, avec un total de 295 milliards de paramètres et 21 milliards de paramètres activés, prenant en charge une longueur de contexte allant jusqu'à 256K. Il s'agit du premier modèle entraîné après la refonte de Huan Yuan et du modèle le plus intelligent de l'histoire de Huan Yuan, offrant des gains substantiels en matière de raisonnement complexe, de suivi d'instructions, d'apprentissage en contexte, de génération de code, de capacités d'agent et de performances globales de raisonnement.

En février 2026, Tencent Huan Yuan a restructuré son infrastructure de pré-entraînement et d'apprentissage par renforcement, tout en établissant trois principes directeurs pour atteindre une utilité pratique :

1. Capacités systématiques : plutôt que de mettre l’accent sur la spécialisation, nous reconnaissons que même une seule application, comme un agent de code, nécessite une collaboration approfondie entre le raisonnement, le traitement de contextes longs, le suivi d’instructions, le dialogue, le codage et l’utilisation d’outils.

2. Évaluation authentique : au-delà des benchmarks publics facilement manipulables, nous évaluons et améliorons l'efficacité du modèle dans le monde réel à l'aide de questions développées en interne, des derniers ensembles d'examens, d'évaluations humaines, de tests participatifs spécifiques aux produits et d'autres méthodes.

3. Priorité à la rentabilité : la praticité doit aller de pair avec la viabilité commerciale. L'architecture du modèle et le cadre d'inférence, conçus en étroite collaboration, réduisent considérablement les coûts des tâches, rendant l'IA à la fois abordable et efficace.

Hy3preview marque le début de la poursuite accélérée par Huan Yuan de modèles linguistiques de grande envergure pratiques, capables de résoudre des problèmes concrets.

Yao Shunyu, directeur scientifique en IA chez Tencent, a souligné que Hy3preview constitue la première étape de la refonte du modèle Huan Yuan. Grâce à cette publication open source, nous attendons avec impatience les retours d’expérience authentiques de la communauté et des utilisateurs, qui contribueront à affiner l’aspect pratique de la version officielle de Hy3. Parallèlement, nous continuons à intensifier le pré-entraînement et l'apprentissage par renforcement, repoussant ainsi les limites de l'intelligence du modèle. Grâce à une conception conjointe approfondie avec de nombreux produits Tencent, nous améliorons progressivement les performances du modèle dans le monde réel et commençons à explorer des capacités spécialisées du modèle.

Actuellement, Hy3preview est disponible sur Tencent Cloud, Yua, ima, CodeBuddy, WorkBuddy, QQ, QQ Browser, Tencent Docs et Tencent LeXiang. D'autres produits majeurs tels que le compte officiel WeChat, Peace Elite, Tencent News, Tencent Stock Selection, Tencent Customer Service et WeChat Reading sont progressivement déployés. De plus, Hy3preview s'intègre aux frameworks d'agents open source populaires tels qu'OpenClaw, OpenCode et KiloCode, et figure sur TokenHub, la plateforme de services de grands modèles de Tencent Cloud.

Hy3preview met l'accent sur une praticité globale, avec une amélioration substantielle des capacités des agents

De nombreuses évaluations confirment que les capacités de Hy3preview ont connu des améliorations globales.

1.Capacités exceptionnelles d'apprentissage contextuel et de suivi des instructions

Dans divers scénarios de production et de la vie quotidienne, l'analyse de contextes longs et désordonnés et le respect de règles complexes et évolutives restent un défi majeur pour les modèles. S'inspirant des cas d'utilisation métier de Tencent, Huan Yuan a introduit CL-bench et CL-bench-Life pour évaluer de manière innovante l'apprentissage en contexte, et a considérablement amélioré les capacités d'apprentissage en contexte et de suivi des instructions de Hy3preview.

2. Capacité de raisonnement complexe exceptionnelle, obtenant le meilleur score à l'examen de qualification au doctorat en mathématiques de l'université Tsinghua en Chine

Le raisonnement complexe est à la base de la capacité du modèle à traiter des problèmes variés. Hy3preview a excellé dans des benchmarks de raisonnement STEM exigeants tels que FrontierScience-Olympiad et IMOAnswerBench, et a obtenu des scores exceptionnels lors du dernier examen de qualification au doctorat en mathématiques de l’Académie Quzhen de l’université Tsinghua (printemps 2026) et du Concours national de biologie des lycées (CHSBO2025), démontrant ainsi un raisonnement généralisé robuste.

3. Progrès majeurs dans les capacités du code et des agents, démontrant une forte rentabilité

Les capacités en matière de code et d’agents constituent les améliorations les plus notables de Hy3preview. Grâce à l’infrastructure remaniée de pré-entraînement et d’apprentissage par renforcement, ainsi qu’à l’élargissement de l’échelle des tâches d’apprentissage par renforcement, Tencent Huan Yuan a rapidement obtenu des scores compétitifs sur les principaux benchmarks d’agents de code tels que SWE-Bench Verified et Terminal-Bench2.0, ainsi que sur les benchmarks d’agents de recherche tels que BrowseComp et WideSearch.

Dans le domaine numérique, le code mesure la capacité du modèle à exécuter des tâches dans des environnements de développement, tandis que la recherche évalue sa capacité à récupérer, filtrer et synthétiser des informations provenant de sources ouvertes. Ensemble, ces éléments déterminent si le modèle est véritablement utile dans des scénarios d’agents complexes tels qu’OpenClaw. Hy3preview a obtenu d’excellents résultats lors d’évaluations telles que ClawEval et WildClawBench, démontrant que les capacités de nos agents progressent régulièrement vers la complétude et la praticité.

Au-delà des benchmarks publics, Tencent Huan Yuan a mis au point plusieurs suites d’évaluation internes pour mesurer les performances du modèle dans des contextes de développement réels. Les résultats indiquent que, sur l’ensemble de tâches d’ingénierie backend Hy-Backend, le benchmark Hy-Vibe axé sur les développeurs et l’ensemble de tâches d’ingénierie logicielle exigeant Hy-SWE Max, Hy3preview a fait preuve d’une forte compétitivité.

Lorsqu'on compare la taille du modèle et les performances globales de l'agent parmi les alternatives open source, Hy3preview se distingue par son excellent rapport coût-efficacité.

Les activités principales de Tencent sont pleinement intégrées, et plusieurs produits IA clés présentent des avantages évidents

Avant son lancement officiel, Hy3preview a été testé sur les principaux produits d'IA de Tencent, générant des retombées positives notables.

Du côté de Yua, Huan Yuan et Yua ont fait l’objet d’une co-conception approfondie. Les performances du modèle sur des indicateurs clés tels que la précision de la compréhension des intentions, la qualité de la génération de texte et la recherche approfondie ont été améliorées, tout en étant affinées en termes de style d’écriture, d’expression, d’intelligence émotionnelle, de structure du contenu et de professionnalisme. Cette étroite collaboration entre le modèle et le produit a permis d’offrir aux utilisateurs une expérience d’interaction plus intelligente et plus humaine.

Dans les scénarios de questions-réponses basées sur la base de connaissances et de questions-réponses générales d’ima, les tests ont révélé que Hy3preview excelle dans le traitement de textes longs, en particulier dans les tâches de recherche, où il atteint une précision, une couverture et une exhaustivité élevées dans les réponses.

Dans CodeBuddy et WorkBuddy, la latence du premier token de Hy3preview a baissé de 54 %, la durée de bout en bout a diminué de 47 % et le taux de réussite a grimpé à plus de 99,99 %. Dans des environnements utilisateur réels, il gère de manière stable des workflows d’agent complexes comptant jusqu’à 495 étapes, couvrant diverses tâches de bureau telles que le traitement de documents, l’analyse de données, la recherche de connaissances et l’orchestration de la chaîne d’outils MCP.

Lors d’évaluations dédiées à l’avatar IA et au service client IA du compte officiel WeChat, Hy3preview a apporté des améliorations plus complètes par rapport à Hy2. Il a démontré une plus grande maturité dans la compréhension de l’intention de l’utilisateur, la gestion de contextes complexes et l’organisation des connaissances. Face à des requêtes ambiguës, des phrases courtes et des dialogues à plusieurs tours, il a mieux cerné les besoins des utilisateurs et produit des réponses plus claires et plus stables. En intégrant des bases de connaissances, la mémoire de l’utilisateur et la génération contextuelle, ses résultats se sont mieux alignés sur le rôle de l’avatar IA ou du service client, réduisant considérablement l’imagination excessive, les hypothèses subjectives et le ton émotionnel — rapprochant ainsi l’interaction globale d’une expérience « fiable, naturelle et efficace ».

Dans le scénario de PNJ IA de Peace Elite, l’équipe a rapidement intégré et évalué Hy3preview après sa sortie, avec des résultats globaux impressionnants. Pour le jeu de rôle hors jeu, Hy3preview a saisi avec précision les paramètres des personnages et a fourni un contenu hautement pertinent et à valeur ajoutée pour les questions ouvertes, créant ainsi une conversation plus réaliste, naturelle et immersive. Lors de scénarios de combat complexes en jeu, le temps de réponse du modèle s'est avéré proche de celui de vrais joueurs, faisant preuve d'une excellente stabilité et de compétences de jeu de rôle dignes d'un humain, ce qui a rendu ses performances globales exceptionnelles.

Dans le scénario PPT IA de Tencent Docs, par rapport à la version Hy2 précédente, Hy3preview a affiché des gains significatifs : le taux de réussite de génération a augmenté de 20 %, les scores d’évaluation se sont améliorés de 10 % et le temps de génération a diminué de 20 %. Dans l’ensemble, le nouveau modèle a excellé dans la sélection de modèles, l’assortiment des couleurs, la génération de plans et l’enrichissement du contenu — sans hallucinations, en cohérence avec le thème et avec un fort attrait visuel.

Pour l’assistant IA de QQ, Xiao Q, par rapport à la version précédente, Hy3preview a apporté des optimisations majeures en matière de latence du premier octet pour les textes longs, de vitesse de réponse globale et d’efficacité de streaming. Les capacités de base telles que le raisonnement mathématique ont connu une amélioration significative, tandis que le suivi d’instructions multi-scénarios et la généralisation ont été encore renforcés. En matière de raisonnement par appel d'outils et de résolution de références multi-tours, il a offert des performances plus stables et plus efficaces. Lors du test officiel PinchBench sur les scénarios d'agents intelligents QQ réalisé par OpenClaw, il a obtenu des résultats exceptionnels, et l'expérience utilisateur globale s'est nettement améliorée.

L'efficacité du raisonnement s'est améliorée de 40 %, offrant une densité d'intelligence optimale pour un coût identique

Grâce à une collaboration étroite entre le modèle et le cadre d’inférence, ainsi qu’à des optimisations complètes du cadre d’inférence, des performances des opérateurs, des algorithmes de quantification et plus encore, l’efficacité globale du raisonnement s’est améliorée de 40 %, et le coût de Hy3preview a considérablement baissé par rapport à la génération précédente.

Sur TokenHub, la plateforme de services pour grands modèles de Tencent Cloud, le prix d'entrée de Hy3preview est de seulement 1,2 yuan par million de tokens, celui du cache d'entrée de 0,4 yuan par million de tokens et celui de la sortie de 4 yuans par million de tokens. De plus, Tencent Cloud et Huan Yuan ont lancé conjointement une offre sur mesure « Hy3preview Token Plan », dont l’édition personnelle est proposée à partir de 28 yuans par mois, offrant ainsi une option économique pour le développement d’agents et la création d’applications « Lobster ».