Tencent Hy3 モデル概要

Tencent Hy3 モデル概要

エグゼクティブサマリー

Tencent は、ミッドティア（中位層）のフロンティアモデル分野で競合することを目的に設計された Mixture-of-Experts (MoE) モデルである Hy3 のフルバージョンをリリースしました。Hy3 は、エージェントタスク、ツール利用、およびローカルデプロイメントに特化して最適化されており、推論能力とハルシネーション（幻覚）の低減において高いパフォーマンスを維持しつつ、GLM 5.2 のような大規模なモデルに代わる、よりハードウェア効率の高い選択肢として位置付けられています。

モデルアーキテクチャと仕様

Hy3 は、パワーと効率のバランスに焦点を当てた大規模な Mixture-of-Experts モデルとして構築されています。

  • Parameter Count: 295 billion total parameters.
  • Active Parameters: 21 billion active parameters per token.
  • Speculative Decoding: 3.8 billion parameter の投機的デコーディング（speculative decoding）モデルを含み、推論速度を向上させます。
  • Context Window: 256K tokens.

パフォーマンスとベンチマーク

Hy3 は、小型のローカルモデルと巨大なプロプライエタリなフロンティアモデルの中間に位置する「ミッドティア」モデルとして位置付けられています。

エージェントタスクとツール利用

Hy3 は、エージェントワークフロー、特にツール呼び出し（tool calling）と出力フォーマットにおいて優れています。テストにおいて、モデルは以下の項目で高い習熟度を示しました：

  • Repeated Tool Calls: 複数の連続的なツール呼び出しを正常に処理できます。
  • Pagination: 12 種類の異なるツールにわたる、長時間のページネーション管理が可能です。
  • Error Recovery: ツール呼び出しがエラーを返した際に、諦めるのではなく再試行を試みることで、回復力を示しました。
  • Noise Filtering: API レスポンスから、無関係なデータに惑わされることなく、関連情報を特定できます。

GLM 5.2 との比較

Hy3 は強力ですが、すべてのハイエンドモデルを置き換えることを目的としてはいません。具体的には、GLM 5.2 はエージェントによるコーディングタスクにおいて、一般的に Hy3 を上回ります。しかし、Hy3 は大幅に小型化されており（GLM 5.2 の半分のサイズを大きく下回る）、B200 GPU の大規模なクラスターを必要とせずに、プライベートなハードウェア上でローカルホスティングやファインチューニングを行うことがより現実的です。

信頼性とハルシネーション

Tencent は、信頼性を向上させるために、ポストトレーニングとデータクリーニングに重点を置いています。プレビュー版と比較して、フル版の Hy3 モデルは、常識的なエラー率とハルシネーション率の両方を半減させました。

機能とテスト結果

推論と Chain-of-Thought

Hy3 は、長い Chain-of-Thought (CoT) プロセスを利用します。論理パズルテストにおいて、モデルは解決策に到達する前に、自身のステップを検証するために、かなりの量の「思考」トークンを生成しました。この内部推論の質は高く、他のいくつかのオープンソースモデルを凌駕する可能性があります。

創造的および技術的生成

  • SVG Generation: モデルは、自転車に乗った詳細なペリカンのような複雑な SVG コードを生成できます。これはプレビュー版からの大幅な改善を示しています。
  • HTML/CSS: Hy3 は、オプトインフォームや統合された画像を含む、洗練された機能的なウェブサイトレイアウトを生成することが可能です。
  • Long-form Content: 5,000 文字の論文テストにおいて、モデルは構造化されたアウトライン（エージェント的なプランニングステップとして機能）を生成し、約 2,500 から 3,000 文字を生成しました。単一ブロック生成に関する自身の制約について言及していました。

デプロイメントとアクセシビリティ

Hy3 は、現在 OpenRouter を通じてテスト可能です。そのサイズとアーキテクチャにより、、企業が、管理可能なハードウェア上で特定の企業向けユースケースに合わせてファインチューニングできる、完全にロックダウンされたローカルモデルを求めている企業にとって、強力な候補となります。

Sources