腾讯Hy3正式版亮相，幻觉率更低，Agent能力更强
腾讯混元（Hunyuan）团队又交卷了。
Hy3（混元第三代大模型）正式版 7 月 6 日上线，并以 Apache 2.0 协议开源。总参数量 295B，激活 21B，显著强于同尺寸模型的智能水平，并比肩更大尺寸旗舰模型的效果。
幻觉率从 12.5% 砍到 5.4%，Hy3 preview 阶段被吐槽的几个老毛病一次性改掉。
今年 1 月底，Hy 从底层基础设施彻底重构，4 月底放 Hy3 preview（混元3预览版），从业务中获得了广泛反馈，修复了各种体验问题后，进一步提升了后训练的质量和规模，Hy3 正式版亮相，Agent 能力得到了大幅提升。
Agent 能力再上一台阶
正式版相对 preview ，后训练数据质量上去一档，多样性也铺开，RL（Reinforcement Learning，强化学习）训练规模同步加大。
Hy3 把 Agent 场景当成主战场。在编码、办公、金融建模、前端设计、游戏开发等生产力任务里，进步肉眼可见：
前端设计（核聚变能源引擎的概念宣传网页）
人机交互（使用摄像头通过手势交互控制图片粒子融解重组）
游戏制作
办公生产
金融建模
Hy3 在生产力场景里能直接出活，从写代码到做表格到搭原型，覆盖面广。
团队跑了一场盲测，270 位专家用自己手里的真实工作任务打分。Hy3 拿 2.67/4，GLM-5.1 拿 2.51/4。在前端开发、数据与存储、CI/CD（持续集成与持续交付）等任务上优势最明显。
Hy3 基准测试结果
Hy3 在 reasoning（推理）、context Learning（上下文学习）方向的基准上，也比预览版有很大的提升。
reasoning 看的是逻辑思维，agentic 看的是工具调用与任务拆解，context Learning 看的是长文本记忆与跨多轮意图保持，三个维度正好对应 Hy3 主打的 Agent 场景需求。
Hy3 团队还基于大量产品反馈，把工具调用、知识准确、多轮对话三件事逐条改进。
工具调用和输出格式的稳定性方面，修了一批基线问题，让模型在工具配置和输出约束上达到生产级标准。出错恢复和整体效率跟着上来，工具链断了能自己接上，格式错了能自己改。
跨不同的 agent scaffolding（智能体脚手架）也稳，SWE-Bench Verified（软件工程基准测试验证集）上，CodeBuddy、Cline、KiloCode 等几种脚手架的准确率波动控制在 4 个百分点以内。
同一份任务换不同框架跑，结果差不多，工程团队省心，迁移成本也低，不必为某个脚手架做模型定制。
知识准确与抗幻觉方面，靠细粒度数据清洗和训练约束，训练阶段就把编造事实的样本筛掉，推理阶段再加约束。内部基于真实场景的评测里，幻觉率从 12.5% 降到 5.4%，常识错误率从 25.4% 降到 12.7%。
复杂上下文保持与多轮意图跟踪方面，SFT（Supervised Fine-Tuning，监督微调）和 RL 联合优化，指代消解、省略恢复、多轮约束继承等痛点挨个修。
指代消解管的是，你说的东西模型知道指的是什么，省略恢复管的是，用户少说半句话模型能补上，多轮约束继承管的是，第三轮的限制条件到第十轮还认账。这三件事看似琐碎，实际是 Agent 长对话体验的命门。
内部综合多轮测试里，问题率从 17.4% 降到 7.9%，砍掉一半多。Hy3 在长对话理解基准中取得显著跨越（如 MRCR 从 42.9% 升至 75.1%），输出更精炼的同时确保复杂意图在长程交互中不衰减、不跑偏。
价格与生态
Hy3 每百万 tokens 输入 1 块钱，输出 4 块钱，缓存命中 2 毛 5。
缓存命中价是输入价的四分之一，对长 prompt 重复调用场景特别友好，调用越多省得越多。
落地方面，腾讯内部已经有 9 条线接 Hy3。WorkBuddy、腾讯元宝、ima、Marvis、QQ 浏览器、微信读书、微信公众号、腾讯游戏、腾讯文档都铺上去了，覆盖办公、搜索、阅读、内容、游戏几大场景。
Hy3 已基于 Apache 2.0 协议在 GitHub、HuggingFace、ModelScope、AtomGit开源。
打开 WorkBuddy，还能发现惊喜，限时两周免费，随便用。
参考资料：
https://hy.tencent.com/research/hy3
https://github.com/Tencent-Hunyuan/Hy3
https://huggingface.co/tencent/Hy3
https://modelscope.cn/models/Tencent-Hunyuan/Hy3
https://ai.gitcode.com/tencent_hunyuan/Hy3
