Tencent Hy3 — तकनीकी और बाजार विश्लेषण

तकनीकी विश्लेषण · जुलाई 2026 Tencent Hy3: वास्तुकला, बेंचमार्क और ओपन-सोर्स मॉडल बाजार के लिए महत्व Tencent AI Lab के Mixture-of-Experts मॉडल का तकनीकी और बाजार विश्लेषण प्रकाशित: जुलाई 2026 · स्रोत: Hugging Face, Artificial Analysis, Yahoo Tech / Decrypt परिचय 6 जुलाई, 2026 को Tencent ने Hy3 को एक ओपन-सोर्स मॉडल के रूप में जारी किया - यह Hy3 preview का पूर्ण संस्करण है, जो तीन महीने पहले, 23 अप्रैल को प्रीव्यू मोड में पेश किया गया था। पश्चिमी तकनीकी परिवेश में इस रिलीज पर बहुत कम ध्यान दिया गया, लेकिन इसमें शामिल आंकड़े नजरअंदाज करना मुश्किल हैं: 295 बिलियन कुल पैरामीटर और इन्फरेंस के दौरान केवल 21 बिलियन सक्रिय पैरामीटर वाला यह मॉडल, तीन गुना बड़े मॉडलों के बराबर परिणाम प्राप्त करता है - जबकि इसकी गणना लागत (computational cost) बहुत कम है। Hy3 Tencent Hy Team (पूर्व में Hunyuan) की रचना है, जो चीन की सबसे बड़ी तकनीकी कंपनियों में से एक के भीतर Hunyuan श्रृंखला के लिए जिम्मेदार अनुसंधान समूह है। इसे Apache 2.0 लाइसेंस के तहत जारी करना - जो स्वतंत्र वाणिज्यिक उपयोग की अनुमति देता है - चीनी बाजार से परे Tencent की महत्वाकांक्षाओं और Meta (Llama), Mistral और DeepSeek द्वारा अब तक नियंत्रित ओपन-सोर्स पारिस्थितिकी तंत्र पर सीधे हमले का संकेत देता है। संदर्भ: Hy3 क्यों महत्वपूर्ण है Hy3 का उचित मूल्यांकन करने के लिए, एक साल पीछे देखना सार्थक है। जब 2025 में DeepSeek ने R1 मॉडल जारी किया था, तो बाजार ने इसे इस बात के संकेत के रूप में लिया कि फ्रंटियर मॉडलों पर पश्चिमी प्रयोगशालाओं के एकाधिकार का युग धीरे-धीरे समाप्त हो रहा है। DeepSeek ने दिखाया कि अनुमान से कई गुना कम गणना बजट के साथ एक फ्रंटियर-क्लास मॉडल बनाया जा सकता है। Hy3 इसी तर्क में एक कदम आगे जाता है: न केवल लागत दक्षता, बल्कि पैरामीट्रिक दक्षता। इसके पूर्ववर्ती, Hy2, में 400 बिलियन से अधिक पैरामीटर थे। Tencent ने जानबूझकर इस संख्या को घटाकर 295 बिलियन कर दिया, यह तर्क देते हुए कि यह वह इष्टतम बिंदु (optimal point) है जहाँ तर्क करने की क्षमताएं पूरी तरह विकसित हो जाती हैं, लेकिन अतिरिक्त पैरामीटर्स की लागत का लाभ आनुपातिक रूप से मिलना बंद हो जाता है। यह कोई समझौता नहीं है — यह एक आर्किटेक्चरल घोषणा है। आर्किटेक्चर: व्यवहार में Mixture of Experts Hy3 एक Mixture-of-Experts (MoE) मॉडल है — एक ऐसा आर्किटेक्चर जिसमें मॉडल इन्फरेंस के दौरान अपने सभी पैरामीटर्स को सक्रिय नहीं करता है, बल्कि प्रत्येक क्वेरी को विशेषज्ञों (experts) के रूप में जानी जाने वाली विशिष्ट उप-नेटवर्कों के समूह की ओर निर्देशित करता है। पैरामीटर मान कुल पैरामीटर्स की संख्या 295B इन्फरेंस के दौरान सक्रिय पैरामीटर्स 21B (~7%) विशेषज्ञों (Experts) की संख्या 192 (routing top-8) परतों (Layers) की संख्या 80 अटेंशन हेड (Attention Heads) 64 (GQA, 8 KV heads, head dim 128) हिडन साइज (Hidden Size) 4096 कॉन्टेक्स्ट विंडो 256,000 टोकन शब्दावली का आकार (Vocabulary Size) 120,832 समर्थित परिशुद्धता (Supported Precisions) BF16 लाइसेंस (पूर्ण Hy3) Apache License 2.0 एक महत्वपूर्ण संख्या सक्रिय मापदंडों और कुल मापदंडों का अनुपात है: 21B बनाम 295B, जो केवल लगभग 7% है। इसका मतलब है कि सामान्य निष्कर्ष (inference) के दौरान, मॉडल छोटे/मध्यम श्रेणी के मॉडल (जैसे Mistral 7B, Llama 13B) के बराबर मात्रा में मापदंडों का उपयोग करता है, जबकि साथ ही पूर्ण frontier मॉडल के "ज्ञान भंडार" को बनाए रखता है। निष्कर्ष मोड (Inference Modes) Hy3 विन्यास योग्य तर्क की गहराई (configurable reasoning depths) का समर्थन करता है — जो ओपन-सोर्स मॉडलों में एक दुर्लभ विशेषता है: no-think (डिफ़ॉल्ट): स्पष्ट विचार श्रृंखला के बिना सीधा उत्तर। सबसे तेज़, सबसे कम लागत। low : मध्यम chain-of-thought, उन कार्यों के लिए उपयुक्त जिन्हें कुछ तार्किक चरणों की आवश्यकता होती है। high : पूर्ण, विस्तृत चरणबद्ध तर्क, गणित, कोडिंग और जटिल बहु-चरणीय समस्याओं के लिए अनुशंसित। बेंचमार्क परिणाम कोडिंग और एजेंट Hy2 और Hy3 preview के बीच सबसे बड़ा उछाल प्रोग्रामिंग कार्यों में देखा गया है। SWE-bench Verified — एक बेंचमार्क जो GitHub रिपॉजिटरी से वास्तविक त्रुटियों को ठीक करने की मॉडल की क्षमता का परीक्षण करता है — 53.0% (Hy2) से बढ़कर 74.4% (Hy3 preview) हो गया। यह केवल एक पीढ़ी में 40% की वृद्धि है। Model SWE-bench Verified Terminal-Bench 2.0 BrowseComp Claude Opus 4.6 80,8% — 77,2% GLM-5 77,8% — — Kimi-K2.5 76,8% — — Hy3 preview 74,4% 54,4% 67,1% Hy2 (poprzednik) 53,0% 23,2% 28,7% STEM तर्क Tsinghua University की गणित पीएचडी परीक्षा (वसंत 2026) में Hy3 preview ने 88.4 का स्कोर प्राप्त किया (तीन प्रयासों का औसत), जिससे चीनी मॉडलों के बीच पहला स्थान हासिल किया। GPQA Diamond — जो विशेषज्ञ ज्ञान के सबसे चुनौतीपूर्ण बेंचमार्क में से एक है — पर इसने 87.2 प्राप्त किया। FrontierScience-Olympiad पर पूर्ण Hy3 ने GPT-5.5 को पीछे छोड़ दिया। टोकन दक्षता Tencent के आंतरिक परीक्षणों से पता चलता है कि Hy3, GLM-5.2 की तुलना में 47.4% कम टोकन खपत के साथ दस्तावेज़ से संबंधित कार्यों को संसाधित करता है — जो सीधे उत्पादन वातावरण में कम लागत में अनुवादित होता है। Artificial Analysis Intelligence Index पर मॉडल ने 41-42 अंक प्राप्त किए (तुलनीय मॉडलों का औसत: 25-29), जिससे यह 83 वर्गीकृत मॉडलों में #16 स्थान पर पहुंच गया। लागत प्रभावशीलता Model कुल पैरामीटर सक्रिय पैरा.

इनपुट ($/1M टोकन) आउटपुट ($/1M टोकन) Hy3 295B 21B ~$0.14 ~$0.58 GLM-5.2 753B ~32B उच्चतर उच्चतर DeepSeek-V4-Pro ~1.6T ~37B उच्चतर उच्चतर Kimi-K2.5 ~1T ~32B उच्चतर उच्चतर Hy3 उन मॉडलों के समान परिणाम प्रदान करता है जिनके पैरामीटर 2.5-5 गुना अधिक हैं, जबकि इसकी API लागत अपनी श्रेणी में सबसे कम है। LLM आधारित उत्पाद बनाने वाली कंपनियों के लिए, बड़े पैमाने पर यह अंतर महत्वपूर्ण हो सकता है। इन्फ्रास्ट्रक्चर और कार्यान्वयन Hy3 preview को जनवरी 2026 के अंत से प्रशिक्षित किया गया था और इसे तीन महीने से भी कम समय में ओपन-सोर्स कर दिया गया - एक फ्रंटियर क्लास मॉडल के लिए यह गति असाधारण रूप से तेज़ है। Tencent इसका श्रेय फरवरी 2026 में किए गए प्री-ट्रेनिंग इन्फ्रास्ट्रक्चर और सुदृढ़ीकरण शिक्षण (reinforcement learning) के पूर्ण पुनर्निर्माण को देता है। मॉडल दो प्रमुख फ्रेमवर्क के माध्यम से कार्यान्वयन का समर्थन करता है: vLLM vllm serve tencent/Hy3-preview \ --tensor-parallel-size 8 \ --speculative-config.method mtp \ --speculative-config.num_speculative_tokens 1 \ --tool-call-parser hy_v3 \ --reasoning-parser hy_v3 \ --enable-auto-tool-choice SGLang python3 -m sglang.launch_server \ --model tencent/Hy3-preview \ --tp 8 \ --tool-call-parser hunyuan \ --reasoning-parser hunyuan \ --speculative-num-steps 1 मॉडल Hugging Face ( tencent/Hy3 और tencent/Hy3-preview ), ModelScope और GitCode के माध्यम से उपलब्ध है। मतिभ्रम (Hallucinations) और तथ्यों की गुणवत्ता "केवल तभी उत्तर दें जब आपके पास प्रमाण हों; यदि नहीं हैं, तो स्पष्ट रूप से बताएं।" — Tencent Hy Team द्वारा घोषित प्रशिक्षण सिद्धांत Tencent स्पष्ट रूप से "तथ्यों के संघर्ष" (संदर्भ दस्तावेजों के बीच विरोधाभासी जानकारी), "गढ़ने" (काल्पनिक तथ्य) और "तार्किक विसंगतियों" को कम करने वाले प्रशिक्षण लक्ष्य का वर्णन करता है। यह उद्यम (enterprise) कार्यान्वयन में बढ़ती उम्मीदों की प्रतिक्रिया है, जहां भ्रम पैदा करने वाले मॉडल वित्तीय और प्रतिष्ठा संबंधी दोनों तरह की परिचालन लागतें उत्पन्न करते हैं। CL-bench और CL-bench-Life (कंपनी के वास्तविक व्यावसायिक परिदृश्यों से बनाए गए सेट) पर आंतरिक परीक्षणों के परिणाम संदर्भ ट्रैकिंग और जटिल निर्देशों का पालन करने के क्षेत्र में मापने योग्य लाभ दिखाते हैं। उत्पादन अनुप्रयोग Hy3 को पहले से ही Tencent के कई प्रमुख उत्पादों में उत्पादन (production) में तैनात किया गया है: Yuanbao — अंतिम उपयोगकर्ताओं के लिए AI सहायक CodeBuddy — कोडिंग सहायक (GitHub Copilot के समान) WorkBuddy — कार्यालय कार्यों के स्वचालन के लिए एजेंट QQ और Tencent Docs — संचार और सहयोग के लिए लोकप्रिय एप्लिकेशन CodeBuddy और WorkBuddy पर आंतरिक परीक्षणों में Tencent ने निम्नलिखित परिणाम दर्ज किए: पहले टोकन के विलंब (latency) में 54% की कमी, एंड-टू-एंड जनरेशन समय में 47% की कमी और 495 चरणों तक के एजेंट वर्कफ़्लो का सफल निष्पादन। सीमाएँ मल्टीमॉडल क्षमता का अभाव। मॉडल केवल टेक्स्ट मोडालिटी को सपोर्ट करता है — यह छवियों या अन्य प्रकार के डेटा को प्रोसेस नहीं करता है। ऐसे वातावरण में जहाँ प्रमुख मॉडल मल्टीमॉडल हैं, यह उन अनुप्रयोगों के लिए एक वास्तविक सीमा है जिनमें विजुअल विश्लेषण की आवश्यकता होती है। उच्च वर्बलिटी (Verbality)। Artificial Analysis Intelligence Index Hy3 प्रीव्यू पर इसने 120 मिलियन आउटपुट टोकन उत्पन्न किए — जबकि तुलनात्मक मॉडलों के लिए औसत 42 मिलियन था। उन अनुप्रयोगों के लिए जहाँ संक्षिप्तता महत्वपूर्ण है, इसके लिए अतिरिक्त प्रॉम्प्टिंग की आवश्यकता होती है। लीडर्स के साथ अंतर। WideSearch Hy3 प्रीव्यू पर इसने 70.2% प्राप्त किया जबकि Claude Opus 4.6 ने 77.2% हासिल किया। SWE-bench Verified पर — 74.4% बनाम 80.8%। उन अनुप्रयोगों के लिए जहाँ प्रत्येक प्रतिशत अंक मायने रखता है, लीडर अभी भी बढ़त बनाए हुए हैं। निष्कर्ष Hy3 एक ऐसा मॉडल है जो गंभीर तकनीकी मूल्यांकन का हकदार है — चाहे वह अपना बुनियादी ढांचा बनाने वाले ML इंजीनियर हों या एंटरप्राइज समाधानों के आर्किटेक्ट जो प्रोप्रायटरी मॉडलों के लिए लागत प्रभावी विकल्प की तलाश में हैं। इसकी मुख्य विशेषताएं हैं: आक्रामक पैरामीट्रिक दक्षता (295B कुल में से 21B सक्रिय), तर्क की गहराई को कॉन्फ़िगर करने की क्षमता, एजेंट और प्रोग्रामिंग कार्यों पर मजबूत परिणाम, Apache 2.0 लाइसेंस और असाधारण रूप से कम API लागत। Hy3 द्वारा बाजार के सामने उठाया गया मौलिक प्रश्न मॉडल के बारे में नहीं, बल्कि इसके पथ (trajectory) के बारे में है: यदि Tencent तीन महीनों में सैकड़ों मिलियन डॉलर की लागत वाले सिस्टमों का मुकाबला करने वाला मॉडल बना सकता है — तो यह तर्क कितनी जल्दी सामान्य रूप से लागू होगा?

यह लेख Tencent Hy Team (Hugging Face, GitHub) के तकनीकी दस्तावेज़ीकरण, Artificial Analysis के विश्लेषण, Decrypt / Yahoo Tech की रिपोर्टों और Tencent AI Studio की आधिकारिक वेबसाइट पर आधारित है। बेंचमार्क डेटा Hy3 preview (अप्रैल 2026) और Hy3 (जुलाई 2026) मॉडल से संबंधित हैं। ज्ञान की स्थिति: जुलाई 2026।