К результатам поиска

tencent

Tencent Hy3

Hy3 — модель Tencent на 295 млрд параметров, построенная по архитектуре смеси экспертов, с 21 млрд активных параметров и нативным контекстом 256K.

  • РассужденияРассужденияВ данных модели подтверждён режим рассуждений. Его параметры зависят от подключённой операции.
  • Вызов инструментовВызов инструментовМодель может запросить вызов функции. Приложение проверяет права и выполняет действие.
  • Структурированный ответСтруктурированный ответМодель поддерживает заданную структуру ответа. Доступный формат проверяйте в параметрах API.
  • 262 144 токенов262 144 токеновКонтекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
  • Потоковый ответПотоковый ответОтвет можно получать по частям. Поддержка потока проверяется отдельно для каждой операции API.
Вход
19,77 ₽
Выход
79,10 ₽
Кэш
4,94 ₽
за 1 млн токенов
Интеллект
25,3
Код
58,8
Доступность
100%
API ID
tencent/hy3

Данные каталога получены .

Цена

Текстовый диалог · вход
19,77 ₽ / 1 млн токенов
Текстовый диалог · выход
79,10 ₽ / 1 млн токенов
Текстовый диалог · вход из кэша
4,94 ₽ / 1 млн токенов

Цена указана в рублях для выбранной операции и её параметров.

Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.

О модели

Hy3 — модель Tencent на 295 млрд параметров, построенная по архитектуре смеси экспертов, с 21 млрд активных параметров и нативным контекстом 256K. Поддерживает настраиваемые режимы рассуждений. Предназначена для программирования, понимания длинного контекста, многоходового диалога и выполнения агентных задач с ориентацией на высокопроизводительные рабочие нагрузки.

Релиз

Характеристики

Доступность100%
  1. 7 октября: 100%
  2. 8 октября: 100%
  3. 9 октября: 100%
Доля успешных запросов к модели за последние 72 часа. Обновляется каждые два часа.
Тип модели
Текст
Вход модели
Текст

Данные, которые модель принимает вместе с запросом.

Выход модели
Текст

Форматы результата, которые создаёт модель.

Контекстное окно
262 144 токенов

Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.

Максимальный ответ
128 000 токенов

Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.

Операции
Текстовый диалог
Возможности модели
Потоковый ответ, Рассуждения, Вызов инструментов, Вызов функций, Структурированный ответ, Ответ в JSON

Контрольные показатели

Artificial Analysis

15 показателей · проверено

Источник ↗
Индекс интеллекта
25,3 индексСводная оценка Artificial Analysis по всем её тестам
Индекс программирования
58,8 индексСводная оценка Artificial Analysis по программированию

Агентная работа

  • AA-Briefcase947 Elo

    Агентная работа со знаниями (Elo)

  • AutomationBench-AA18,4 %

    Автоматизация рабочего процесса со штрафами за нарушение ограничений

  • GDPval-AA v21 067 Elo

    Экономически значимые задачи (Elo)

Рассуждение по документу

  • AA-LCR v1.179 %

    Рассуждение на длинном контексте с обновлённой оценкой

  • GDP.pdf11,2 %

    Профессиональное рассуждение по PDF: доля прохождения всех проверок

Устаревшие тесты

  • AA-LCR (версия не указана, архивный)79 %

    Оценка рассуждений на длинном контексте

  • GPQA Diamond (архивный)89,7 %

    Научные рассуждения уровня выпускника

  • T²-Bench Telecom (архивный)92,7 %

    Разговорные ИИ-агенты в сценариях с двойным управлением

  • Terminal-Bench Hard (архивный)34,1 %

    Агентное программирование и работа в терминале

Рассуждения

  • HLE33,5 %

    Humanity’s Last Exam — вопросы экспертного уровня

Рассуждение

  • IFBench63,1 %

    Тест на следование инструкциям

Программирование

  • SciCode48,6 %

    Программирование на Python для научных вычислений

  • Terminal-Bench v4.00,5 %

    Практические задачи по программированию и работе в терминале

Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.

API-запрос

Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.

import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener

class NoRedirect(HTTPRedirectHandler):
    def redirect_request(self, req, fp, code, msg, headers, newurl):
        return None

opener = build_opener(NoRedirect)

def post(url, payload):
    request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
        "Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
        "Content-Type": "application/json",
        "Idempotency-Key": os.environ["REQUEST_ID"],
    }, method="POST")
    with opener.open(request, timeout=120) as response:
        return json.load(response)

payload = {
  "model": "tencent/hy3",
  "messages": [
    {
      "role": "user",
      "content": "Объясни задачу кратко."
    }
  ]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))
Документация APIСоздать API-ключ