tencent
Tencent Hy3
Hy3 — модель Tencent на 295 млрд параметров, построенная по архитектуре смеси экспертов, с 21 млрд активных параметров и нативным контекстом 256K.
- Вход
- 19,77 ₽
- Выход
- 79,10 ₽
- Кэш
- 4,94 ₽
- Интеллект
- 25,3
- Код
- 58,8
- Доступность
- 100%
tencent/hy3Данные 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
- 7 октября: 100%100%7 октября
- 8 октября: 100%100%8 октября
- 9 октября: 100%100%9 октября
- 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
- 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))





