Hy3 미리보기: 위안(Yuan) 재편 이후 첫 오픈소스 릴리스, 실용성과 에이전트 기능이 강화되었습니다

4월 23일, 텐센트의 Huan Yuan은 Hy3preview 언어 모델을 오픈소스로 공개했습니다. 이 하이브리드 전문가 모델은 빠른 추론과 느린 추론을 결합하여 총 2,950억 개의 파라미터와 210억 개의 활성화된 파라미터를 갖추고 있으며, 최대 256K의 컨텍스트 길이를 지원합니다. 이는 환위안(Huan Yuan)의 재구축 이후 처음으로 훈련된 모델이자 환위안 역사상 가장 지능적인 모델로, 복잡한 추론, 지시 사항 이행, 컨텍스트 기반 학습, 코드 생성, 에이전트 기능 및 전반적인 추론 성능에서 상당한 향상을 보여줍니다.

2026년 2월, 텐센트 후안위안은 사전 훈련 및 강화 학습 인프라를 재구축함과 동시에 실용적 유용성을 달성하기 위한 세 가지 지침 원칙을 수립했습니다:

1. 체계적인 역량: 특화보다는, 코드 에이전트와 같은 단일 애플리케이션조차도 추론, 장문 맥락 처리, 지시 수행, 대화, 코딩, 도구 사용 등 다양한 영역 간의 긴밀한 협력이 필요함을 인식합니다.

2. 실제 평가: 조작하기 쉬운 공개 벤치마크를 넘어, 자체 개발된 문제, 최신 시험 문제집, 인간 평가, 제품별 크라우드 테스트 및 기타 방법을 활용하여 모델의 실제 효과성을 평가하고 향상시킵니다.

3. 비용 효율성 중점: 실용성은 상업적 타당성과 조화를 이루어야 합니다. 심도 있게 공동 설계된 모델 아키텍처와 추론 프레임워크는 작업 비용을 대폭 절감하여 AI를 경제적이면서도 효과적으로 만듭니다.

Hy3preview는 현실 세계의 문제를 해결하는 실용적인 대규모 언어 모델을 향한 Huan Yuan의 가속화된 추구의 시작을 알립니다.

텐센트의 수석 AI 과학자 야오 순유(Yao Shunyu)는 Hy3preview가 Huan Yuan 모델 재구축의 첫걸음이라고 언급했습니다. 이번 오픈소스 공개를 통해 커뮤니티와 사용자들의 진솔한 피드백을 기대하며, 이를 바탕으로 정식 Hy3 버전의 실용성을 더욱 다듬어 나갈 계획입니다. 한편, 우리는 사전 학습과 강화 학습을 지속적으로 확대하여 모델의 지능적 한계를 더욱 높여가고 있습니다. 수많은 텐센트 제품과의 심도 있는 공동 설계를 통해 모델의 실제 성능을 꾸준히 향상시키고, 특화된 모델 기능 탐구에도 착수했습니다.

현재 Hy3preview는 텐센트 클라우드, Yua, ima, CodeBuddy, WorkBuddy, QQ, QQ 브라우저, 텐센트 문서, 텐센트 LeXiang에서 이용 가능합니다. 위챗 공식 계정, Peace Elite, 텐센트 뉴스, 텐센트 주식 선택, 텐센트 고객 서비스, 위챗 독서 등 추가 주요 제품들도 순차적으로 출시될 예정입니다. 또한, Hy3preview는 OpenClaw, OpenCode, KiloCode와 같은 인기 있는 오픈소스 에이전트 프레임워크와 통합되며, 텐센트 클라우드의 대규모 모델 서비스 플랫폼인 TokenHub에 등재되어 있습니다.

Hy3preview는 에이전트 기능을 대폭 강화하여 다방면에서의 실용성을 강조합니다

여러 평가를 통해 Hy3preview의 기능이 전반적으로 개선되었음이 확인되었습니다.

1.뛰어난 문맥 학습 및 지시 사항 이행 능력

다양한 실제 생산 및 일상 시나리오에서, 복잡하고 긴 문맥을 분석하고 복잡하며 끊임없이 변화하는 규칙을 준수하는 것은 여전히 모델의 주요 과제입니다. 텐센트의 비즈니스 사용 사례를 바탕으로, Huan Yuan은 문맥 내 학습을 혁신적으로 평가하기 위해 CL-bench와 CL-bench-Life를 도입했으며, Hy3preview의 문맥 학습 및 지시 사항 이행 능력을 크게 향상시켰습니다.

2. 탁월한 복합 추론 능력, 중국 칭화대 수학 박사 자격 시험에서 최고 점수 달성

복잡한 추론 능력은 모델이 다양한 문제를 해결하는 데 있어 핵심 기반이 됩니다. Hy3preview는 FrontierScience-Olympiad 및 IMOAnswerBench와 같은 까다로운 STEM 추론 벤치마크에서 뛰어난 성과를 보였으며, 최근 치안화 대학 취전 아카데미 수학 박사 자격 시험(2026년 봄)과 전국 고등학교 생물 경시대회(CHSBO2025)에서 탁월한 점수를 기록하며 견고한 일반화 추론 능력을 입증했습니다.

3. 코드 및 에이전트 기능의 주요 발전, 뛰어난 비용 효율성 입증

코드 및 에이전트 역량은 Hy3preview에서 가장 두드러진 개선 사항입니다. 개편된 사전 학습 및 강화 학습 인프라와 확장된 RL(강화 학습) 과제 규모 덕분에 Tencent Huan Yuan은 SWE-Bench Verified 및 Terminal-Bench2.0과 같은 주요 코드 에이전트 벤치마크는 물론, BrowseComp 및 WideSearch와 같은 검색 에이전트 벤치마크에서도 빠르게 경쟁력 있는 점수를 달성했습니다.

디지털 영역에서 코드(code)는 개발 환경에서 작업을 실행하는 모델의 능력을 측정하는 반면, 검색(search)은 공개 소스에서 정보를 검색, 필터링 및 종합하는 능력을 평가합니다. 이 두 가지가 결합되어 OpenClaw와 같은 복잡한 에이전트 시나리오에서 모델이 진정으로 유용한지 여부를 결정합니다. Hy3preview는 ClawEval 및 WildClawBench와 같은 평가에서 강력한 결과를 달성하여, 당사의 에이전트 역량이 완성도와 실용성을 향해 꾸준히 발전하고 있음을 보여주었습니다.

공개 벤치마크 외에도 텐센트 화원(Tencent Huan Yuan)은 실제 개발 환경에서 모델의 성능을 측정하기 위해 여러 내부 평가 스위트를 구축했습니다. 결과에 따르면 백엔드 엔지니어링 과제 세트인 Hy-Backend, 개발자 중심의 Hy-Vibe Bench, 그리고 난이도가 높은 소프트웨어 엔지니어링 세트인 Hy-SWE Max 전반에 걸쳐 Hy3preview는 강력한 경쟁력을 보여주었습니다.

오픈소스 대안 모델들의 모델 규모와 전반적인 에이전트 성능을 비교할 때, Hy3preview는 뛰어난 비용 효율성으로 두각을 나타냅니다.

텐센트의 핵심 사업들은 완벽하게 통합되어 있으며, 여러 주요 AI 제품들이 뚜렷한 이점을 보여주고 있습니다.

공식 출시 전, Hy3preview는 텐센트의 주요 AI 제품 전반에 걸쳐 테스트되었으며, 눈에 띄는 긍정적 성과를 거두었습니다.

Yua의 경우, Huan Yuan과 Yua는 심층적인 공동 설계 과정을 거쳤습니다. 의도 이해 정확도, 텍스트 생성 품질, 심층 검색과 같은 주요 지표에서 모델의 성능이 향상되었으며, 문체, 표현, 감성 지능, 콘텐츠 구조 및 전문성에 대해서도 미세 조정이 이루어졌습니다. 이러한 긴밀한 모델-제품 협업은 사용자에게 더욱 지능적이고 인간적인 상호작용 경험을 제공했습니다.

ima의 지식 기반 QA 및 일반 QA 시나리오에서 실시된 테스트 결과, Hy3preview는 장문 처리, 특히 검색 작업에서 뛰어난 성능을 보였으며, 응답의 정확도, 커버리지, 포괄성 측면에서 높은 수준을 달성했습니다.

CodeBuddy 및 WorkBuddy에서 Hy3preview의 첫 토큰 지연 시간은 54% 감소했고, 종단 간 소요 시간은 47% 단축되었으며, 성공률은 99.99% 이상으로 상승했습니다. 실제 사용자 환경에서 이 모델은 문서 처리, 데이터 분석, 지식 검색, MCP 툴체인 오케스트레이션 등 다양한 사무 업무를 아우르는 최대 495단계의 복잡한 에이전트 워크플로우를 안정적으로 구동합니다.

위챗 공식 계정 AI 아바타 및 AI 고객 서비스에 대한 전용 평가에서 Hy3preview는 Hy2 대비 더욱 포괄적인 성능 향상을 보여주었습니다. 사용자 의도 이해, 복잡한 맥락 유지, 지식 조직화 측면에서 더 높은 성숙도를 입증했습니다. 모호한 질의, 짧은 문장, 다회차 대화 처리 시 사용자 요구를 더 잘 파악하고, 더 명확하고 안정적인 응답을 생성했습니다. 지식베이스, 사용자 기억, 문맥 기반 생성 기능을 통합함으로써, AI 아바타나 고객 서비스 역할에 더욱 부합하는 결과를 도출하여 과도한 상상, 주관적 가정, 감정적 어조를 현저히 줄였으며, 이를 통해 전반적인 상호작용을 '신뢰할 수 있고, 자연스럽고, 효율적인' 경험으로 한 단계 끌어올렸습니다.

'Peace Elite'의 AI NPC 시나리오에서 팀은 Hy3preview 출시 직후 이를 신속하게 통합 및 평가했으며, 전반적으로 인상적인 결과를 얻었습니다. 게임 외 캐릭터 역할극의 경우, Hy3preview는 캐릭터 설정을 정확하게 파악하고 개방형 질문에 대해 관련성이 높고 부가가치가 있는 콘텐츠를 제공하여, 더욱 현실적이고 자연스러우며 몰입감 있는 대화를 만들어 냈습니다. 복잡한 게임 내 전투 시나리오에서는 모델의 응답 타이밍이 실제 플레이어와 비슷하게 느껴졌으며, 뛰어난 안정성과 인간과 유사한 역할극 능력을 보여주어 전반적인 성능이 탁월했습니다.

Tencent Docs의 AI PPT 시나리오에서, 이전 버전인 Hy2와 비교했을 때 Hy3preview는 생성 성공률이 20% 상승하고, 평가 점수가 10% 향상되며, 생성 시간이 20% 단축되는 등 상당한 개선을 보였습니다. 전반적으로 새 모델은 템플릿 선택, 색상 매칭, 개요 생성 및 콘텐츠 보완에서 탁월한 성능을 보여주었으며, 허구적 내용이 없고 주제와 일치하며 시각적 매력도 뛰어났습니다.

QQ의 AI 어시스턴트 '샤오치(Xiao Q)'의 경우, 이전 버전 대비 Hy3preview는 장문 텍스트의 첫 바이트 지연 시간, 전반적인 응답 속도, 스트리밍 효율성 측면에서 주요 최적화를 가져왔습니다. 수학적 추론과 같은 핵심 역량은 크게 개선되었으며, 다중 시나리오 지시 수행 및 일반화 능력도 한층 강화되었습니다. 도구 호출 추론 및 다중 턴 참조 해결에서 더 안정적이고 효율적인 성능을 보여주었습니다. OpenClaw의 공식 PinchBench QQ 지능형 에이전트 시나리오 테스트에서 뛰어난 결과를 달성했으며, 전반적인 사용자 경험도 현저히 개선되었습니다.

추론 효율이 40% 향상되어 동일한 비용으로 최적의 지능 밀도를 제공

모델과 추론 프레임워크 간의 긴밀한 협업과 추론 프레임워크, 연산자 성능, 양자화 알고리즘 등에 대한 포괄적인 최적화 덕분에 전체 추론 효율이 40% 향상되었으며, Hy3preview의 비용은 이전 세대에 비해 크게 감소했습니다.

텐센트 클라우드의 대규모 모델 서비스 플랫폼인 TokenHub에서 Hy3preview의 입력 가격은 토큰 100만 개당 1.2위안, 입력 캐시는 토큰 100만 개당 0.4위안, 출력은 토큰 100만 개당 4위안으로 매우 저렴합니다. 또한 텐센트 클라우드와 Huan Yuan은 맞춤형 Hy3preview 토큰 플랜 패키지를 공동으로 출시했으며, 개인용 에디션은 월 28위안부터 시작하여 에이전트 개발 및 'Lobster' 애플리케이션 구축을 위한 비용 효율적인 옵션을 제공합니다.