Год китайского open-source бума проходил под грифом «секретно, но все знали»: самые мощные модели из Поднебесной были недоступны для доброй половины корпоративных клиентов. Лицензионные ограничения на ЕС, Британию и Южную Корею — и юристы рубили деплой на корню, даже не дав инженерам закончить eval. Для IT-команд, выбирающих open-weight модель, компромиссы были очевидны до зубного скрежета. Tencent только что снёс этот барьер. И сделал это стильно.
Команда Hunyuan выпустила полную версию модели Hy3 — 295-миллиардный Mixture-of-Experts (MoE) с 21 миллиардом активных параметров. Главный сюрприз: в отличие от апрельского превью, модель вышла под разрешительной лицензией Apache 2.0. Open-source сообщество отреагировало мгновенно — исследователи на X в один голос назвали смену лицензии главной новостью. Один из самых расшариваемых постов гласил: «Если бенчмарки подтвердятся, Tencent только что стал одним из лидеров открытого кода». Компания обещает, что на OpenRouter модель будет бесплатной две недели.
Цифры стоит разобрать внимательно — и они не все указывают в одну сторону. Но куда интереснее то, что Tencent вынес на первый план: метрики надежности и экономику развертывания, заточенные под продакшен.
От превью до продукта за десять недель — и 50 внутренних команд на подхвате
Апрельский превью Hy3 стал первой моделью на полностью пересобранной инфраструктуре претрейнинга и reinforcement learning от Tencent — релиз состоялся меньше чем через три месяца после февральского ребилда. Главный AI-ученый компании Шунью Яо объяснил ранний открытый выпуск осознанным ходом: собрать обратную связь от разработчиков до официального релиза. В Tencent утверждают, что план сработал. Согласно model card, команда собрала отзывы от более чем 50 продуктовых подразделений после превью, исправила проблемы с выполнением задач и взаимодействием, а затем расширила пайплайн пост-тренировки.
Архитектура не изменилась: 295B параметров всего, 21B активных за один forward pass через top-8 routing по 192 экспертам, слой multi-token prediction (MTP) на 3.8B параметров для speculative decoding и контекстное окно в 256K токенов. Изменилось поведение. Позиционирование Tencent: полный релиз значительно превосходит модели аналогичного размера и конкурирует с флагманскими open-source моделями, у которых в два-пять раз больше параметров.
Фраза «в два-пять раз» не случайна — она указывает прямую цель для сравнения: текущего лидера open-weight в кодинге — GLM-5.2.
Слепой тест Tencent: Hy3 бьет GLM-5.1, но GLM-5.2 все еще король кода
Главный аргумент Tencent — не лидерборд, а слепое человеческое исследование. Компания утверждает, что публичные бенчмарки не дают полной картины, поэтому провела слепой тест с 270 экспертами из разных дисциплин на реальных рабочих процессах. Собрано 312 валидных сравнений, и Tencent отчитывается: Hy3 набрал 2.67 из 4 против 2.51 у GLM-5.1. Самые заметные преимущества — во фронтенд-разработке, CI/CD и работе с данными и хранилищами.
Выбор оппонента имеет значение. Компания Zhipu AI выпустила GLM-5.2 в середине июня, и собственное приложение бенчмарков Tencent показывает, что GLM-5.2 опережает Hy3 практически по всему набору агентного кодинга: SWE-bench Verified (84.2 против 78.0), SWE-bench Multilingual (83.0 против 75.8), Terminal-Bench 2.1 (81 против 71.7) и DeepSWE с большим отрывом (46.2 против 28.0). Слепой тест нацелился на старую модель; новая сохраняет корону кодинга.
Лидерство GLM-5.2 в кодинге менее удивительно, если посмотреть на размеры бок о бок: GLM-5.2 — это примерно 744-миллиардный MoE с около 40 миллиардами активных параметров на токен, против 295 миллиардов общих и 21 миллиарда активных у Hy3. Tencent выставляет модель с менее чем половиной параметров — и почти вдвое меньшими вычислительными затратами на токен — против той, которой уступает.
Настоящие победы Hy3 лежат в другой плоскости. В агентном поиске модель выдает 84.2 на BrowseComp и 91.0 на DeepSearchQA — опережая все open-модели в таблице Tencent и конкурируя с Claude Opus 4.8 и GPT-5.5. Она лидирует в открытом поле по оркестрации инструментов (79.1 на публичном наборе MCP-Atlas), на агентных оценках вроде ClawEval и на длинном контексте (73.4 на AA-LCR). Если собрать все вместе, приложение рисует модель, которая, вероятно, лучший open-weight выбор для агентных нагрузок с поиском и инструментами, но уступает GLM-5.2 в репозиторийном кодинге.
Одно предостережение касается и побед, и поражений: почти все цифры конкурентов в приложении Tencent помечены как полученные в собственных тестах компании. Независимая верификация от индексов вроде Artificial Analysis на момент публикации еще не проведена.
Ставка на надежность: уровень галлюцинаций упал вдвое
Самое интересное для корпоративных покупателей — это набор цифр, который Tencent предпочла выдвинуть на первый план вместо бенчмарков. Model card читается не как анонс лидерборда, а как отчет о надежности продакшена.
Во внутренних оценках на реальных сценариях Tencent утверждает, что уровень галлюцинаций Hy3 по сравнению с превью-версией упал с 12.5% до 5.4%, а ошибки здравого смысла снизились с 25.4% до 12.7%. Компания объясняет это тщательной очисткой данных и ограничениями обучения, выстроенными вокруг явного поведенческого паттерна: отвечай, когда есть обоснование; указывай, если данных не хватает; не смешивай источники; не фабрикуй данные. Многоповеденческие сценарии получили то же лечение: частота проблем во внутренних многошаговых тестах упала с 17.4% до 7.9%, а оценка на открытом бенчмарке длинных диалогов MRCR выросла с 42.9% до 75.1%.
Tencent также подчеркивает согласованность модели между различными агентными средами: вариация SWE-bench в пределах нескольких пунктов независимо от того, запускается модель в обвязке Claude Code, Cline или KiloCode. Это недооцененное свойство: предприятия редко контролируют, какой агентный фреймворк выберут их команды, а модель, работающая только в одной обвязке, — скрытые затраты на интеграцию. Это самоотчетные внутренние измерения, и к ним стоит отнестись с таким же скепсисом, как к любому вендорскому бенчмарку. Но сам выбор вынести эти цифры на первый план сигнализирует, кого Tencent считает своим клиентом: команды, которые обжигались на моделях, отлично показывающих себя в демо и уверенно галлюцинирующих в продакшене.
Математика развертывания: 295B модель в мире 744B — на экспортном кремнии
История надежности напрямую связана с экономикой, и именно здесь отставание Hy3 в кодинге от GLM-5.2 начинает выглядеть как осознанный компромисс, а не поражение.
GLM-5.2 — это примерно 744-миллиардный MoE с около 40 миллиардами активных параметров на токен; в FP8 только веса модели занимают примерно 744 ГБ, что делает узел 8x H200 практическим минимумом для продакшена. Hy3 при 295B общих параметров имеет след в FP8 менее 300 ГБ — меньше половины памяти, примерно вдвое меньше активных параметров на токен, а значит, и вычислительных затрат на запрос. Для организации, решающей, что хостить самостоятельно, это разница между одним тяжелым узлом и чем-то гораздо более доступным, с запасом под KV-кэш и батчинг.
В гайде по развертыванию есть и геополитическая деталь, которую стоит заметить: рекомендуемая конфигурация Tencent нацелена на Nvidia H20-3e — вариант H20 с увеличенной памятью, созданный Nvidia специально для соблюдения экспортных ограничений США в отношении Китая. В отличие от GLM-5.2, о чипах Huawei или Ascend здесь нет ни слова. Иными словами, модель масштабирована так, чтобы восемь чипов, которые китайские компании могут легально купить, с комфортом обслуживали ее в полной точности. Это дизайнерское решение, продиктованное ограничениями, имеет удобный побочный эффект для всех остальных: модель, хорошо работающая на намеренно урезанном кремнии, будет работать еще комфортнее на H100, H200 и B200, доступных в западных дата-центрах, через стандартные