Tencent acaba de lanzar oficialmente Hy3, la versión definitiva de su modelo de inteligencia artificial de gran lenguaje, desarrollado bajo el proyecto Hunyuan. Según la compañía, se trata de un modelo capaz de ofrecer un rendimiento comparable al de modelos con el doble o el quíntuple de parámetros activos, lo que lo convierte en una apuesta clara por la eficiencia frente a la escala bruta. El lanzamiento llega el 6 de julio de 2026 y el modelo ya está disponible en abierto bajo licencia Apache 2.0.
Qué es Hy3 y cómo está construido por dentro
Hy3 es un modelo de tipo Mixture-of-Experts (MoE), lo que significa que, aunque tiene un total de 295.000 millones de parámetros, solo activa 21.000 millones en cada inferencia. Este diseño le permite mantener un coste computacional relativamente bajo sin renunciar a capacidades avanzadas. Además, según los datos facilitados por Tencent, soporta una ventana de contexto de hasta 256.000 tokens, lo que lo hace especialmente útil para tareas con documentos largos o flujos de trabajo complejos.
La arquitectura incluye 192 expertos con enrutamiento top-8, lo que quiere decir que solo 8 expertos se activan por cada token procesado. A esto se suma una capa de predicción multi-token (MTP) con 3.800 millones de parámetros adicionales, que permite una decodificación más rápida mediante muestreo especulativo. Según la compañía, el modelo es compatible con los frameworks de inferencia vLLM y SGLang, con soporte para esa funcionalidad MTP habilitada.
Cómo se construyó Hy3 en menos de seis meses
El desarrollo de Hy3 no ha seguido la ruta habitual de actualización incremental. De acuerdo con la compañía, en enero de 2026 el equipo decidió demoler y reconstruir desde cero toda la infraestructura de preentrenamiento y aprendizaje por refuerzo (RL) de Hunyuan, guiados por tres principios: sistematización de capacidades, evaluación auténtica y relación coste-rendimiento. En febrero arrancó el entrenamiento sobre esa nueva base.
En abril de 2026 llegó Hy3 preview, la primera versión pública del modelo, integrada de inmediato en productos como Yuanbao, CodeBuddy y WorkBuddy. Según Tencent, desde ese lanzamiento el consumo diario medio de tokens se multiplicó por veinte, y el número de usuarios de WorkBuddy que eligieron activamente Hy3 preview creció seis veces. Menos de tres meses después, el 6 de julio, se publica la versión oficial con mejoras adicionales en estabilidad y eficiencia.
Qué puede hacer Hy3 que lo hace diferente
Según los datos facilitados por la compañía y validados en benchmarks públicos, Hy3 destaca especialmente en cuatro áreas:
- Razonamiento STEM: el modelo alcanzó un 90,4 en GPQA Diamond y un 72,0 en USAMO 2026. En IMOAnswerBench obtuvo un 90,0, y según Tencent logró la puntuación nacional más alta en el examen de doctorado en matemáticas de la Universidad Tsinghua (convocatoria de primavera de 2026).
- Código y agentes: en SWE-bench Verified, el modelo alcanza un 74,4%, frente al 80,8% de Claude Opus 4.8 o el 78,6% de GPT-5.4, según datos del equipo. En Terminal-Bench 2.0 llega al 54,4%.
- Búsqueda web y agentes de navegación: en BrowseComp registra un 67,1% y en WideSearch un 70,2%, resultados que la compañía considera competitivos con GLM-5 y Kimi-K2.5.
- Eficiencia en procesamiento de documentos: el equipo de WorkBuddy reportó que Hy3 completó tareas de procesamiento de documentos usando un 47,4% menos de tokens que GLM-5.2.
Además, la compañía llevó a cabo una prueba ciega con 270 expertos que generó 312 comparaciones válidas en flujos de trabajo reales. Hy3 obtuvo una puntuación de 2,67 sobre 4, por delante de GLM-5.1 (2,51), con ventaja especialmente en desarrollo frontend, CI/CD y gestión de datos y almacenamiento.
Menos alucinaciones y más fiabilidad en producción
Uno de los focos del lanzamiento oficial es la fiabilidad en entornos de producción. Según la compañía, el equipo trabajó específicamente en tres tipos de fallos habituales en modelos de agente. El primero tiene que ver con el tool calling: se redujeron las llamadas inválidas que generaban bucles infinitos y se mejoró la estabilidad del formato de salida.
El segundo bloque de mejoras apunta directamente a las alucinaciones. De acuerdo con Tencent, el modelo se entrena bajo el principio de «responder solo cuando hay evidencia y señalar claramente cuando no la hay», lo que reduce significativamente los conflictos de hechos, las fabricaciones y las inconsistencias lógicas. El tercer eje de trabajo fue la generalización entre distintos frameworks de agente: según los datos facilitados, la variación de precisión de Hy3 en SWE-Bench Verified entre CodeBuddy, Cline y KiloCode se mantiene dentro de un margen del 4%.
Integración en productos de Tencent y disponibilidad para desarrolladores
Hy3 ya está integrado en varios productos de Tencent. Según la compañía, el asistente de productividad WorkBuddy/CodeBuddy lo usa para generación de scripts y orquestación de flujos de trabajo, mientras que Yuanbao lo incorpora en su nueva función de agente, que permite a los usuarios describir tareas en lenguaje natural y obtener archivos en formatos como PowerPoint, Word, Excel, PDF o HTML.
Para desarrolladores externos, el modelo está disponible a través de Tencent Cloud TokenHub a un precio de 1 yuan por millón de tokens de entrada y 4 yuanes por millón de tokens de salida (con opción de caché a 0,25 yuanes). En OpenRouter se ofrece acceso gratuito durante dos semanas desde su lanzamiento (hasta el 21 de julio de 2026). El modelo también está publicado en Hugging Face y ModelScope, y se prevé su integración progresiva en plataformas como Hermes, Kilo, Cline, OpenClaw, OpenCode y Cherry Studio.
El contexto: la carrera abierta de los modelos de IA en China
El lanzamiento de Hy3 llega en un momento en que la competencia entre modelos de lenguaje open source es intensa, especialmente entre desarrolladores chinos. DeepSeek, GLM (de Zhipu AI) y Qwen (de Alibaba) son los principales rivales a los que Tencent apunta directamente con este modelo. La estrategia de Hy3 no pasa por ser el modelo más grande, sino por demostrar que un modelo más pequeño puede acercarse al rendimiento de los flagships de mayor escala siendo, a la vez, más económico y práctico de desplegar.
Según la compañía, la hoja de ruta pasa por continuar acelerando la iteración técnica, ampliar el preentrenamiento y el RL, y seguir incorporando feedback de uso real en los productos de Tencent. El ciclo completo, desde la reconstrucción de infraestructura hasta este lanzamiento, se ha completado en menos de seis meses, un ritmo que la propia compañía destaca como señal de un pipeline de desarrollo más ágil y conectado con los escenarios reales de uso.
Fuente: https://hy.tencent.com/research/hy3