← Alle Modelle

Tencent · Hy

Hy3

hy3

open-weightModell, dessen trainierte Gewichte öffentlich herunterladbar sind, sodass man es selbst (lokal oder auf eigener Hardware) betreiben kann. Nicht zwingend vollständig quelloffen – die Lizenz bestimmt die erlaubte Nutzung.Mehr im Wissen →Text

Solide WahlOpen-Weight Preis-Leistungs-Spitze (Apache 2.0)

Tencents open-weightModell, dessen trainierte Gewichte öffentlich herunterladbar sind, sodass man es selbst (lokal oder auf eigener Hardware) betreiben kann. Nicht zwingend vollständig quelloffen – die Lizenz bestimmt die erlaubte Nutzung.Mehr im Wissen →-MoE (Mixture of Experts)Architektur, bei der je Anfrage nur ein Teil des Modells („Experten“) aktiv wird. So hat das Modell sehr viele Gesamt-Parameter, rechnet aber nur mit wenigen aktiven – das spart Rechenzeit.Mehr im Wissen → unter voller Apache-2.0-Lizenz: 295 Mrd. ParameterDie im Training gelernten „Stellschrauben“ eines Modells (gezählt in Milliarden). Mehr Parameter heißt grob mehr Kapazität, aber auch mehr Rechen- und Speicherbedarf – und sagt allein wenig über die Qualität.Mehr im Wissen →, davon nur 21 Mrd. aktiv (192 Experten, Top-8-Routing). Im AA-IntelligenzZusammengesetzter Intelligenz-Index von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Reasoning-, Wissens- und Mathe-Benchmarks zu einer Zahl. Je höher, desto stärker das allgemeine Reasoning.Mehr im Wissen → 41 / Coding 59 – nicht die offene Spitze (dort steht GLM-5.2 mit 51/69), aber mit $0,14 / $0,58 je Mio. Token die mit Abstand **günstigste** Option dieser Klasse: gleiche Coding-Leistung wie DeepSeek V4 Pro zum Drittel des Preises.

  • agentisches Coding zum Minimalpreis
  • Self-Hosting (Apache 2.0, ohne Nutzungsklausel)
  • Hochdurchsatz-/Batch-Läufe
KontextfensterDie maximale Textmenge (in Tokens), die ein Modell pro Anfrage gleichzeitig „im Blick“ hat – Eingabe plus bisheriger Verlauf. Ist es voll, fällt Älteres aus dem Kontext.Mehr im Wissen →
262 KTokenDie kleinste Verarbeitungseinheit eines Sprachmodells – ein Wortstück, kein ganzes Wort. Faustregel: rund 1.000 Tokens entsprechen grob 750 deutschen Wörtern. Preise und Kontextlängen werden in Tokens gerechnet.Mehr im Wissen →
Preis (Input / Output)
$0.14 / $0.58 je 1 Mio. Token
Preis-LeistungHier: AA-Intelligenz geteilt durch den (3:1 gewichteten) Token-Preis – Indexpunkte je Dollar pro Mio. Tokens. Höher = mehr Leistung fürs Geld. Entspricht der „Intelligence vs. Price“-Sicht von Artificial Analysis.Mehr im Wissen →
164,0 Indexpkt. je $/Mio. Token
WissensstichtagDer Zeitpunkt, bis zu dem die Trainingsdaten eines Modells reichen („knowledge cutoff“). Über spätere Ereignisse weiß das Modell von sich aus nichts – es sei denn, sie werden ihm in der Anfrage mitgegeben.Mehr im Wissen →
nicht ausgewiesen
Release
6. Juli 2026

Stärken

  • Vollständig offene Apache-2.0-Lizenz – ohne Field-of-Use-Klausel und ohne geografische Ausnahme (Kontrast zur Fable-/Mythos-Sperre und zu Kimis Modified MIT)
  • Extrem günstig: $0,14 / $0,58 je Mio. Token – bei gleichem AA-Coding-Index (59) rund ein Drittel des DeepSeek-V4-Pro-Preises ($0,44 / $0,87)
  • Sparsames MoE: nur 21 von 295 Mrd. Parametern aktiv (192 Experten, Top-8) – FP8-Gewichte (300 GB) neben BF16 (598 GB), ausgelegt auf vLLM/SGLang

Schwächen

  • Anbieter-/Sponsoring-Benchmarks überzeichnen: die in einem von Tencent gesponserten Video genannten 71,7 % auf Terminal-BenchAusführungsbasierter Benchmark (0–100 %): das Modell löst echte Shell-/Terminal-Aufgaben in einer Sandbox, gewertet wird, ob das Ergebnis wirklich funktioniert. Dadurch kontaminationsärmer als reine Wissensquizze.Mehr im Wissen → 2.1 reproduziert die unabhängige AA-Messung nicht (64 %)
  • Klar hinter dem offenen Spitzenreiter GLM-5.2 (AA 51/69 gegen 41/59) – „auf Augenhöhe mit Modellen 2–5× seiner Größe“ trägt die unabhängige Messung nicht
  • Reines Text-Modell (keine Vision); laut AA „notably slow and very verbose“ (~48 Token/s)
  • 295-Mrd.-Gewichtspaket – Self-Hosting nur mit erheblicher Hardware

Typische Einsatzfälle

  • agentisches Coding
  • Self-HostingEin (meist open-weight) Modell auf eigener Hardware oder in der eigenen Cloud betreiben, statt die API eines Anbieters zu nutzen. Bringt Datenhoheit und Kostenkontrolle, erfordert aber eigene Infrastruktur.Mehr im Wissen → (Apache 2.0)
  • kostensensible Hochdurchsatz-Läufe

Leistung im Vergleich

Unabhängige Indizes (Artificial Analysis, 0–100), zwei kontaminationsarme Einzel-Benchmarks (Terminal-Bench, agentische Shell-Aufgaben; τ²-bench, Tool-Use-Verlässlichkeit über viele Läufe) und Human-Präferenz-Elo (LMArena). Die dunkle Markierung zeigt den Bestwert im Katalog – so wird der Abstand zur Spitze sichtbar. Die Preis-LeistungHier: AA-Intelligenz geteilt durch den (3:1 gewichteten) Token-Preis – Indexpunkte je Dollar pro Mio. Tokens. Höher = mehr Leistung fürs Geld. Entspricht der „Intelligence vs. Price“-Sicht von Artificial Analysis.Mehr im Wissen → oben ist daraus abgeleitet: AA-Intelligenz je AA-Blended-Preis (3:1) – entspricht der „Intelligence vs. Price“-Sicht von Artificial Analysis. AAs token-basiertes „Cost to Run Index“ ist nicht öffentlich abrufbar.

  • AA-IntelligenzZusammengesetzter Intelligenz-Index von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Reasoning-, Wissens- und Mathe-Benchmarks zu einer Zahl. Je höher, desto stärker das allgemeine Reasoning.Mehr im Wissen →41
  • AA-CodingCoding-Teilindex von Artificial Analysis (unabhängig, 0–100): bündelt mehrere Programmier-Benchmarks zu einem Wert für die Code-Fähigkeit eines Modells.Mehr im Wissen →59
  • Terminal-BenchAusführungsbasierter Benchmark (0–100 %): das Modell löst echte Shell-/Terminal-Aufgaben in einer Sandbox, gewertet wird, ob das Ergebnis wirklich funktioniert. Dadurch kontaminationsärmer als reine Wissensquizze.Mehr im Wissen →64

Benchmarks im Detail

Kennzahlen aus zitierten Messungen – unabhängige Quellen sind ausgewiesen, Anbieterangaben entsprechend markiert. Werte sind nicht über Skalen hinweg vergleichbar. Wie man Benchmark-Zahlen liest →

  • Artificial Analysis Intelligence Index

    41

    unabhängigArtificial Analysis (API), abgerufen 2026-07-17

  • Artificial Analysis Coding Index

    59

    unabhängigArtificial Analysis (API), abgerufen 2026-07-17

  • Terminal-Bench v2.1 (agentische Shell-Aufgaben)

    64 %

    unabhängigArtificial Analysis (API), abgerufen 2026-07-17

  • GPQA Diamond

    90 %

    unabhängigArtificial Analysis (API), abgerufen 2026-07-17

  • Humanity's Last Exam (HLE)

    32 %

    unabhängigArtificial Analysis (API), abgerufen 2026-07-17

Einordnung

  • open-weightModell, dessen trainierte Gewichte öffentlich herunterladbar sind, sodass man es selbst (lokal oder auf eigener Hardware) betreiben kann. Nicht zwingend vollständig quelloffen – die Lizenz bestimmt die erlaubte Nutzung.Mehr im Wissen →-MoE (Mixture of Experts)Architektur, bei der je Anfrage nur ein Teil des Modells („Experten“) aktiv wird. So hat das Modell sehr viele Gesamt-Parameter, rechnet aber nur mit wenigen aktiven – das spart Rechenzeit.Mehr im Wissen → unter Apache 2.0: 295 Mrd. Gesamt- / 21 Mrd. aktive ParameterDie im Training gelernten „Stellschrauben“ eines Modells (gezählt in Milliarden). Mehr Parameter heißt grob mehr Kapazität, aber auch mehr Rechen- und Speicherbedarf – und sagt allein wenig über die Qualität.Mehr im Wissen →, 192 Experten mit Top-8-Routing, 256-K-Kontext, reines Text-Modell. Nachfolger des Hy3-Preview vom April 2026; Gewichte als BF16 und FP8 auf Hugging Face, ModelScope, GitCode und CNB. Die Apache-2.0-Fassung kennt keine Field-of-Use-Klausel und keine geografische Ausnahme.Beleg · Primärquelle
  • Unabhängig gemessen liegt Hy3 im AA Intelligence Index bei 41 / Coding 59 / Terminal-Bench v2.1 64 % – deutlich hinter dem offenen Spitzenreiter GLM-5.2 (51/69/78 %) und praktisch gleichauf mit DeepSeek V4 Pro (44/59/64 %). Der Unterschied liegt im Preis: $0,14 / $0,58 gegen $0,44 / $0,87 (DeepSeek V4 Pro), $0,95 / $4 (Kimi K2.6) und $1,40 / $4,40 (GLM-5.2). Damit ist Hy3 nicht das stärkste, aber das **günstigste** offene Modell seiner Leistungsklasse. Der Vorgänger Hy3-Preview (April 2026) lag bei 34 – das Post-Training hebt den Index um 7 Punkte.Beleg · Sekundärquelle
  • Vorsicht bei den kursierenden Zahlen: In einem ausdrücklich von Tencent gesponserten YouTube-Video („Thanks to Tencent for supporting the channel“) wird Hy3 mit 71,7 % auf Terminal-Bench 2.1 und als „auf Augenhöhe mit Modellen zwei- bis fünfmal seiner Größe“ dargestellt. Die unabhängige AA-Messung kommt auf 64 % und ordnet Hy3 hinter GLM-5.2 ein. Die Anbieter-Benchmarks der Model-Card liegen zudem nur als Bilddatei vor (assets/benchmark.png) und sind damit nicht maschinell nachprüfbar.Beleg · Community

Stimmen aus der Öffentlichkeit

Subjektive Einschätzungen Dritter – keine belegten Fakten, jeweils verlinkt.

  • positivStellt Hy3 als auf Augenhöhe mit „open-source flagship models that are even two to five times larger in parameter scale“ dar und nennt 71,7 % auf Terminal-Bench 2.1 sowie einen Vorsprung vor DeepSeek V4 Pro. Das Video ist ausdrücklich von Tencent gesponsert („Thanks to Tencent for supporting the channel and making this video possible“) – die unabhängige AA-Messung stützt weder die 71,7 % (dort 64 %) noch den Vorsprung vor DeepSeek V4 Pro (Coding 59 zu 59). Als Anbieter-Eigenwerbung abgewertet.1littlecoder (YouTube) – „NEW Tencent Hy3 is here for FREE!“ · Community, 2026-07-15
  • gemischtOrdnet Hy3 als „amongst the leading models in intelligence“ ein, hält aber fest, dass es „notably slow and very verbose“ sei (~48 Token/s) – der Preisvorteil geht also teilweise über höheren Token-Verbrauch und längere Laufzeiten wieder verloren.Artificial Analysis – Hy3 · Sekundärquelle, Juli 2026

ℹ️ MoE 295 Mrd. total / 21 Mrd. aktiv, 192 Experten (Top-8-Routing), 3,8 Mrd. MTP-Layer-Parameter, BF16; 256-K-Kontext, reines Text-Modell. Apache 2.0 (Gewichte: Hy3 + Hy3-FP8; BF16 ≈ 598 GB, FP8 ≈ 300 GB). Nachfolger des Hy3-Preview (April 2026, AA-Index 34). Bis 21.07.2026 über OpenRouter (tencent/hy3:free) kostenlos – danach $0,14 / $0,58. Anbieter-Benchmarks der Model-Card liegen nur als PNG vor und sind nicht maschinell prüfbar; die AA-Werte sind die einzige unabhängige Messung. AA weist 299 Mrd. Gesamtparameter aus, die Model-Card 295 Mrd. (Abweichung ungeklärt, nicht auflösbar).