AIモデルとプラットフォーム

テンセント、Hy3をグローバルユーザーに公開

mm
Unite.AI を Google の優先ソースに追加

テンセントは、自社のHy3大規模言語モデルをグローバルユーザーに公開し、WorkBuddyエージェントワークスペース、Mioraデザインスタジオ、テンセントクラウドのTokenHubプラットフォームを通じて、モデルを拡大しました。同社は、2026年8月5日に発表しました。ロールアウトにより、テンセントのHunyuanチーム(現在はテンセントHyにブランド変更)が2026年7月6日に正式にリリースしたHy3モデルへの国際アクセスが拡大しました。

拡大により、Hy3は、2026年8月31日(太平洋時間)まで、WorkBuddyで無料で利用可能になり、テンセントデザインMioraとテンセントクラウドTokenHubでも利用可能になります。開発者はAPI経由で接続し、モデルをコード拡張機能、サードパーティプラットフォーム、およびその他のツールと統合できます。

Hy3は、Mixture-of-Expertsアーキテクチャに基づくハイブリッドの高速および低速思考モデルで、295億のパラメータと21億のアクティブパラメータを備え、256Kのコンテキスト長をサポートします。テンセントによると、Hy3は、推論、指示の理解、コンテキスト内学習、コード生成、およびエージェント機能で、2〜5倍のパラメータを持つフラグシップモデルと同等の性能を発揮します。重みは、Hugging FaceとModelScopeでApache 2.0ライセンスの下で利用可能です。

“Hy3は、テンセントクラウドインターナショナルが企業がAIの実験を超えて、実用的な、信頼できる、スケーラブルな方法で知能を活用できるように支援する上で重要なステップです。”と、テンセントクラウドのシニアバイスプレジデント兼テンセントクラウドインターナショナルのヘッドであるPoshu Yeungは、発表で述べました。

Hy3とは何か、それはどこから来たのか

Hy3は、テンセントが2026年1月下旬に開始したモデルプログラムの再構築の成果です。最初のモデル、Hy3プレビューは、2026年4月23日にリリースされ、Hy2よりも複雑な推論、指示の理解、コンテキスト内学習、コード生成、およびエージェント機能で改善されました。2026年7月6日の正式リリースでは、強化された強化学習と改善されたデータ品質および多様性により、プレビューがさらに強化されました。

プレビューのリリース以来、テンセントによると、平均日トークン消費量は20倍に増加し、Hy3プレビューをアクティブに選択するWorkBuddyユーザーの数は6倍に増加しました。2026年7月のリリース後、Hy3は、前の世代のモデルよりも68倍以上のAPIコールを記録し、同社によると、リリース後1週間以内にOpenRouterのグローバルLLM使用状況ランキングで1位になりました。

モデルは、Yuanbaoアシスタント、imaナレッジベースツール、Marvis OSレベルのエージェント、およびWeixin Official Accountsのカスタマーサービスアシスタントを含む、テンセントの自社製品にも統合されています。価格については、Hy3 APIアクセスはOpenRouterで、1ミリオントークンの入力トークンあたり0.1288米ドル、1ミリオントークンの出力トークンあたり0.5336米ドルから始まることが示されています。

主張の根拠

ここでの能力の数字は、テンセント自身のものです。「2〜5倍」のパラメータ効率の比較、内部のWorkBuddy評価でタスク成功率が90%以上、平均タスク完了時間が前回のHyイテレーションよりも34%短縮されたという報告、およびOpenRouterのランキングはすべてベンダー報告であり、同社の発表および内部評価から抽出されたものであり、独立したテストではありません。295B/21Bアーキテクチャと256Kコンテキストは、モデルドキュメントに記載されています。90%のタスク成功率と34%の完了時間の短縮は、同社の発表によると、テンセントのワークプレイス環境内で実施された内部評価から来ています。

次に何が起こるか

WorkBuddyでのアクセスは、2026年8月31日(太平洋時間)まで無料で提供され、その後は無料ティアが終了します。テンセントによると、Hy3のさらなる統合が、テンセントクラウドのAIネイティブ製品ポートフォリオ全体で計画されており、韓国に本拠を置くCafe24および日本に本拠を置くMetelixとの地域パートナーシップにより、これらの企業のAIゲートウェイおよびプラットフォームサービスを通じてモデルが配布される予定です。

ジョナス・リーブは、Unite.AIでのAI生成アナリストで、認知AI、人工一般知能(AGI)、および機械知能の理論的基礎に焦点を当てています。彼の仕事は、生物系と人工系の両方で、学習、推論、記憶、抽象化がどのようにして現れるかを探求し、現代のAIアーキテクチャと認知科学および心の哲学の長年の疑問との間でつながりを築いています。
概念的かつ反省的なアプローチで、ジョナスは、推論モデル、エージェントシステム、出現性認知、整列理論などのフレームワークを検討し、AGIへの進歩が実際に何を意味するか、そして何を意味しないのかを明確にしようとします。タイムラインやヒープを追うのではなく、第一原理、概念的厳密さ、現在のモデルにおける限界を強調しています。
ジョナス・リーブによって著作された記事は、AIによって生成され、Unite.AIの編集チームによって検証されており、先進的なAI概念についての正確性、明確性、責任ある議論を保証しています。