Hy3プレビュー版を公開・オープンソース化：混元再構築後の初モデル、エージェント能力が大幅に向上

腾讯混元 2026-04-23 17:50 广东

再構築の第一歩

今日、腾讯混元 Hy3 preview 言語モデルが公開され、オープンソース化されました。これは高速思考と低速思考を融合した混合专家模型（Mixture of Experts, MoE）モデルで、総パラメータ数は295B、アクティブパラメータ数は21B、最大サポートされるコンテキスト長は256Kです。

今年2月、私たちは事前学習（Pre-training）および强化学习（Reinforcement Learning）のインフラストラクチャを再構築するとともに、モデルの実用性追求に向けた3つの原則を確立しました。

能力の体系化：「偏ったスキル」を推奨しません。なぜなら、コードエージェント（Code Agent）という単一の応用であっても、推論、長文処理、指示遵循（Instruction Following）、対話、コーディング、ツール利用など、多種多様な能力の深い連携が必要となるためです。

評価の真実性：「リストアップ（ベンチマーク操作）」されやすい公開ランキングからあえて離れ、独自問題の作成、最新試験への対応、人間による評価、製品ベータテストなど多角的な手法を通じて、モデルの「実戦力」を評価・改善しています。

コストパフォーマンスの追求：実用性は商業合理性と不可分です。モデルアーキテクチャと推論フレームワークの設計を深く連携させ、タスクコストを大幅に削減し、インテリジェンスが「手頃な価格で利用でき、かつ効果的に活用できる」状態を実現しています。

Hy3 previewは再構築後のトレーニングで最初に訓練されたモデルであり、混元シリーズ迄今为止最もインテリジェントなモデルです。複雑な推論、指示遵循（Instruction Following）、コンテキスト学習（Contextual Learning）、コーディング、エージェント（Agent）機能などの能力と推論パフォーマンスにおいて大幅な向上を実現しました。

・詳細なベンチマーク（Benchmark）データとケースは混元ブログ（https://hy.tencent.com/hy3-preview）にてご確認いただけます。

複雑な推論

推論能力は、モデルが各種の問題を解決する基盤です。Hy3 previewはFrontierScience OlympiadやIMO Answer Benchなどの高難度な理系推論タスクで顕著なパフォーマンスを示すとともに、最新の清華大学求真書院数学博士資格試験（26春）や全国中学生生物学オリンピック（CHSBO 2025）でも優れた成績を収め、汎化可能な強力な推論能力を備えています。

コンテキスト学習と指示遵循（Instruction Following）

実際の生産や生活の様々なシーンにおいて、雑多で冗長なコンテキストを理解し、複雑多变なルールに従うことはモデルの最大の課題です。複数のビジネスシーンからのインスピレーションに基づき、CL-benchおよびCL-bench-Lifeを提案し、モデルのコンテキスト学習能力を革新的に評価するとともに、Hy3 previewにおいてモデルのコンテキスト学習および指示遵循（Instruction Following）能力を大幅に向上させました。

・その他のケースは混元ブログ（https://hy.tencent.com/hy3-preview）にてご確認いただけます。

コーディングとエージェント（Agent）

コードとエージェント（Agent）は、Hy3 previewにおいて最も顕著な向上が見られる領域です。事前学習（Pre-training）および强化学习（Reinforcement Learning）フレームワークの再構築と、强化学习タスク規模の拡大により、SWE-Bench VerifiedやTerminal-Bench 2.0などの主流コードエージェント（Code Agent）ベンチマーク（Benchmark）、BrowseCompやWideSearchなどの主流検索エージェント（Agent）ベンチマークにおいて、競争力のある結果を比較的短期間で達成しました。

デジタル世界において、コーディングはモデルの開発環境における実行能力に焦点を当て、検索はオープンな情報空間における検索・フィルタリング・統合能力に焦点を当てます。この2つが組み合わさることで、モデルが複雑なエージェント（Agent）シナリオ（例えばOpenClawなど）において本当に実用性を持つかどうかが決まります。Hy3 previewはClawEvalやWildClawBenchなどの評価で顕著なパフォーマンスを示し、当社のエージェント（Agent）能力の包括性と実用性をさらに証明しています。

公開ランキングに加え、私たちはさらに複数の内部評価セットを構築し、モデルの実開発シーンにおけるパフォーマンスを評価しました。その結果、バックエンドエンジニアリングタスクセットのHy-Backend、実際のユーザー開発インタラクションに近づけたHy-Vibe Bench、そして高難度ソフトウェアエンジニアリング開発タスクセットのHy-SWE Maxいずれにおいても、Hy3 previewは強力な競争力を発揮しています。

各オープンソースモデルのサイズとエージェント（Agent）総合パフォーマンスを比較すると、Hy3 previewは高いコストパフォーマンスを示しています。

ケース（事例）

プロンプト：微信小程序のネイティブフレームワーク（または指定されたフレームワーク）を使用して、完全でコンパイル・実行可能なハイキングルートと旅行プランの推奨ミニアプリを開発してください。app.jsonなどのグローバル設定、すべてのページ（WXML/WXSS/JS/JSON）、および完全なモックデータを一度に出力してください。中核的な要件には、美しい画像スライダー、「今季のおすすめ」および「ルートの難易度」カテゴリナビゲーションを備えたホーム画面、行程タイムライン、美しい沿線ギャラリー、適した季節と装備の提案を含むルート詳細ページ、ローカルキャッシュお気に入り機能をサポートするマイページが含まれます。UIデザインは爽やかで自然、図文并茂である必要があり、コードロジックの完結性、欠落ファイルや参照エラーのないことを保証してください。生成後、微信開発者ツールに直接インポートして成功裏にプレビューし、完全なインタラクションを体験できることを確認してください。

モデルの出力

ケース（事例）

騰訊ドキュメントAIアシスタント「開物AI」にプロンプトを入力：「深層学習に基づく医学画像支援診断研究」に関する学術報告用PPTを作成する。全15ページ構成とし、第1ページは表紙（タイトル、著者、所属機関、日付）、第2ページは目次、第3〜4ページは研究背景と動機（医学画像診断の現状とAI支援診断のニーズ）、第5〜6ページは関連作業の総覧（既存手法の比較と課題）、第7〜9ページは研究手法と実験設計（モデルアーキテクチャ、データセット、学習戦略）、第10〜12ページは実験結果とデータ分析（精度、再現率などの指標比較グラフ）、第13ページは結論と今後の課題、第14ページは参考文献、第15ページは謝辞とする。

モデルの出力

・ 詳細なケースは混元ブログ（https://hy.tencent.com/hy3-preview）にてご確認ください。

自然な対話とユーザー理解

知能の上限を探求する一方で、私たちは常にモデルと人間のインタラクション、および人間理解への注力を続けています。そのため、元宝チームと深く連携し、URM（User-Feedback RM：ユーザーフィードバック評価モデル）を用いてユーザーの実際のフィードバックをモデリングし、RLHF（Reinforcement Learning from Human Feedback：人間からの強化学習）技術と組み合わせて微細な最適化を行いました。推論、長文処理、指示遵循、エージェントなどの能力の最適化と相まって、これによりユーザー体験が大幅に向上しました。Hy3 previewは事実誤認が顕著に減少し、ユーザーの曖昧な意図や断片的な入力をより正確に理解できるようになり、返信スタイルはより共感的で、内容は深みを増しました。元宝でのグレーテスト（段階的公開テスト）において、Hy3 previewは以前のモデルと比較して元宝のユーザー活性度を大幅に向上させたことを確認しています。

・ 詳細なケースは混元ブログ（https://hy.tencent.com/hy3-preview）にてご確認ください。

プロダクトの公開と初期フィードバック

Hy3 previewはすでに元宝、CodeBuddy、WorkBuddy、QQ、ima、QQブラウザ、騰訊ドキュメント、騰訊楽享に公開されており、微信公式アカウント、騰訊ニュース、騰訊自选股（個人投資家向けプラットフォーム）、和平精英、騰訊カスタマーサービスなどの複数のプロダクトでも順次公開されています。さらに、Hy3 previewはOpenClaw、OpenCode、KiloCodeなどの人気のあるオープンソースエージェント製品にも対応しています。

元宝のプロダクトマネージャー、Loganは次のように述べています。「Hy3 previewの開発過程において、混元と元宝は深いCo-Design（共同設計）を行いました。一方では、意図理解の精度、テキスト作成の品質、ディープサーチなどのハードコア指標におけるモデルのパフォーマンスをターゲットに向上させ；他方では、文体、筆致、EQ（感情知能）、コンテンツ構成、コンテンツの専門性に対して微細な調整を行いました。モデルとプロダクトの深い連携により、ユーザーにはより知的で『生身の人間のような』インタラクション体験をもたらしました。」

imaのプロダクトマネージャー、kayceeは次のように述べています。「現在、imaにはHy3 Previewがすでに組み込まれており、imaのナレッジベース質問応答と汎用質問応答という2つのシナリオにおいて、テスト結果はHy3 previewが長文処理能力に優れていることを示しています。特に検索関連タスクでは、回答情報の正確性、網羅性、包括性の面で良好なパフォーマンスを発揮しています。」

CodeBuddyおよびWorkBuddyのプロダクトにおいて、Hy3 previewは最初のトークン（First Token）の遅延を54%短縮し、エンドツーエンドの処理時間を47%削減し、成功率を99.99%+まで向上させました。実際のユーザー環境では、Hy3 previewは最大495ステップに及ぶ複雑なエージェントワークフローを安定して駆動しており、ドキュメント処理、データ分析、知識検索、MCP（Model Context Protocol）ツールチェーンのオーケストレーションなど、多様なオフィスワークシナリオをカバーしています。

微信公众号のプロダクトマネージャーであるAstrid氏は、公式アカウントのAI分身（AI Avatar）およびAIカスタマーサポートの専用シナリオ評価において、Hy3 previewはHy2と比較してより包括的な能力向上を示していると述べた。新モデルはユーザーの意図理解、複雑なコンテキスト（Context）の継承、知識情報の整理においてより成熟したパフォーマンスを発揮し、曖昧な質問や短い追跡質問、多輪対話に対してはユーザーの要望をより正確に把握し、より明確で安定した回答を出力できる。ナレッジベース、ユーザーの記憶、コンテキスト（Context）を組み合わせて回答を生成する際も、AI分身やAIカスタマーサポートの役割により適合し、過度な補完（脳内シミュレーション）、主観的な代入、感情的な表現が大幅に減少し、全体として「信頼性、自然さ、効率性」の高い回答目標に近いインタラクション体験を実現している。

『和平精英（Game for Peace）』のAIゲームプレイ責任者であるjessexue氏は、Hy3 previewモデルのサービス開始後、『和平精英』は直ちにAI NPC（Non-Player Character）シナリオへの統合と評価を実施し、全体的なパフォーマンスは印象的であると述べた。ゲーム外のキャラクター扮装（ロールプレイ）シナリオでは、Hy3 previewはキャラクター設定を正確に理解できるだけでなく、オープンエンドな質問に対して高度に関連性があり付加価値の高いコンテンツを出力でき、よりリアルで自然、没入感のある対話体験をもたらした。一方、ゲーム内の複雑なバトルシナリオでは、モデルの回答リズムが実際のプレイヤーのチャット体験に近く、優れた安定性と卓越した擬人化扮装能力を示し、全体的な効果は目覚ましいものとなった。

腾讯ドキュメント（Tencent Docs）のAI Agent開発責任者であるJohnny氏は、Hy3 previewモデルのサービス開始後、同チームはコアシナリオを軸に総合評価を実施したと述べた。AI PPT（プレゼンテーション資料生成）シナリオを例に挙げると、Hy3 previewモデルは前バージョン（Hy2）と比較して顕著な進歩を遂げ、生成成功率が20％向上し、評価スコアが10％向上すると同時に、生成所要時間が20％短縮された。全体的に、新モデルは評価シナリオにおいて優れたパフォーマンスを発揮し、テンプレート選択、色彩調整、アウトライン生成、コンテンツ補完の各段階において卓越した成果を示し、ハルシネーション（Hallucination）がなく、テーマに適合し、視覚効果も優れている。顕著な技術的突破を示しており、今後の応用が期待される。

QQ AIアシスタント「小Q」のプロダクト責任者であるTea氏は、Hy3 previewは前世代のHy2と比較して、小Qアシスタントのシナリオにおいて、長文テキストの初出力レイテンシ（First Token Latency）、全体応答速度、ストリーミング出力効率において顕著な最適化を実現したと述べた。中核能力面では、数学的推論パフォーマンスの向上が特に顕著であり、マルチシナリオでのインストラクションフォロー（Instruction Following）と汎化能力がさらに強化された。ツール呼び出しの推論および多輪代名詞解決（Coreference Resolution）においてもより安定かつ効率的であり、OpenClaw公式のPinchBench QQエージェントシナリオテストで顕著な成果を収め、総合体験が明確に向上した。

オープンソース、API、トークンプラン

Hy3 previewのモデル重みとコードは、GitHub、HuggingFace、ModelScope、GitCodeなどのプラットフォームで既にオープンソース化されており、vLLMやSGLangといった主流の推論フレームワーク（Inference Framework）に対応しているため、開発者は直接ダウンロードして利用可能である。（詳細リンクは記事末尾参照）

モデルアーキテクチャと推論フレームワークの深い連携、ならびに推論フレームワーク、演算子（Operator）パフォーマンス、量子化アルゴリズムの最適化により、Hy3 previewのコストは前世代モデルと比較して大幅に削減された。腾讯云（Tencent Cloud）では、競争力のあるAPI価格とカスタマイズ可能なトークンプランを提供しており、個人版の最低価格は月28元となっている。

Hy3 previewは当社の再構築における第一歩である。モデルの性能はすでに大幅に進歩しているものの、依然として既知の問題がいくつか存在する。今回のオープンソース化と公開を通じて、オープンソースコミュニティおよびユーザーからの生のフィードバックを得ていただき、Hy3正式版の実用性向上に役立てたいと考えている。同時に、私たちは引き続き大規模な事前学習（Pre-training）と強化学習の規模を拡大し、モデルの知能の上限を引き上げるとともに、腾讯の他製品とのより深い連携を通じて、実環境におけるモデルの実用性を継続的に改善し、差別化された能力を探求していく。

ご体験およびごフィードバックを心よりお待ちしております。

付録：オープンソースおよびAPI＆トークンプランのリンク

GitHub：https://github.com/Tencent-Hunyuan/Hy3-preview

Hugging Face：https://huggingface.co/tencent/Hy3-preview

ModelScope：https://modelscope.cn/models/Tencent-Hunyuan/Hy3-preview

GitCode：https://ai.gitcode.com/tencent_hunyuan/Hy3-preview

腾讯云TokenPlan接続先：https://console.cloud.tencent.com/tokenhub/tokenplan/hy?regionId=1

腾讯云API接続先：

https://console.cloud.tencent.com/tokenhub/models/detail?modelId=hy3-preview&regionId=1

原文を読む

WeChatで開くためにジャンプ