Tencent Hy3（Hunyuan 3.0 / 混元）とは？Apache 2.0で公開された295B MoEの性能・料金・使い方を解説

Tencent Hy3（ハイスリー、中国名: 混元3.0 / Hunyuan 3.0）は、Tencentの Hy Team が開発した総パラメータ295B・アクティブ21B・コンテキスト256KのMoE型大規模言語モデルです。2026年7月6日に Apache License 2.0 のオープンウェイトとして公開され、推論とエージェント実行に振り切った中国産フラッグシップという位置づけになっています。

開発を主導するのは、OpenAI で Deep Research と Computer-Using Agent（Operator）に携わり、2025年12月に Tencent のチーフAIサイエンティストに就任した姚順雨（Yao Shunyu）氏です。

この記事でわかること:

• Hy3 の定義・開発元・Hunyuan シリーズ内での位置づけ（Hunyuan3D との違い）
• 2026年4月の preview 版から正式版で何が変わったのか（ライセンス・信頼性・価格）
• モデル仕様（295B / 21B active / 256K / 192エキスパート top-8）
• 現行の料金（Tencent Cloud TokenHub・OpenRouter）と無料枠の期限
• セルフホストに必要なGPU要件（8×H100では載らない、という具体値）
• GLM-5.1 / GLM-5.2 / DeepSeek V4 との違い
• API利用とセルフホストで、中国法リスクの当たり方がまったく違うという論点の整理
• どんな組織・用途に向いているか、避けたほうがよいか

こんな方に向けた記事です: コスト効率の高いオープンウェイトMoEを検討しているエンジニア・インフラ責任者／中国産モデルのセキュリティ評価を求められている情報システム担当者／OSSフラッグシップの最新動向を追っているCTO・研究者。

本記事は公式GitHub・Hugging Face モデルカード・Tencent公式リリース・vLLM公式レシピ・OpenRouterの掲載情報をもとに整理しています。料金・提供状況は短期間で変動するため、導入前に必ず公式で最新値をご確認ください。

Tencent Hy3（Hunyuan 3.0）とは

出典: Tencent-Hunyuan/Hy3-preview 公式GitHubリポジトリ

Hy3 は、Tencent の AI 部門「Hy Team」（旧 Hunyuan チームを再編した組織）が公開した、fast-and-slow thinking 融合型の MoE（Mixture-of-Experts）言語モデルです。総パラメータ295Bのうち推論時に動くのは21Bのみで、巨大モデル並みの精度と中規模モデル並みの推論コストの両立を狙っています。

最大の特徴は、Apache License 2.0 でウェイトが公開されていることです。商用利用・改変・再配布が可能で、地域制限もありません。中国発のフラッグシップ級モデルとしては、かなり踏み込んだ公開条件です。

基本情報の早見表

「Hunyuan」は1つのモデル名ではない — Hunyuan3D との混同に注意

日本語の検索結果で最も混乱が起きているのがここです。Hunyuan はシリーズ名であり、モダリティごとにまったく別のモデルが存在します。

「Hunyuan 3.0」と「Hunyuan3D」は名前が1文字違いですが、用途は文章生成と3Dモデリングでまったく異なります。3Dアセット生成を探している場合、本記事の内容は対象外です。

開発体制：28歳の元OpenAI研究者、姚順雨（Yao Shunyu）

Hy3 の背景を理解するうえで欠かせないのが、開発を主導する姚順雨氏の経歴と、Tencent 内部の組織再編です。

• 清華大学「姚班」→ プリンストン大学 計算機科学 博士。Google を経て OpenAI へ
• OpenAI では初期AIエージェント Operator（Computer-Using Agent） と Deep Research のコア貢献者
• 代表研究は ReAct（推論と行動を交互に回す手法・ICLR採択）、Tree of Thoughts（NeurIPS採択）、CoALA。AIエージェントの「考える→行動する→観察する」ループを定式化した人物として学術的にも著名
• 2025年12月17日、Tencent のチーフAIサイエンティストに就任。President の Martin Lau 氏に直属し、AI Infrastructure 部門も統括

Bloomberg や SCMP、Caixin は「Tencent が28歳の元OpenAI研究者にAIの将来を賭けた」と報じました。学習インフラをゼロから再構築し、2026年1月下旬の学習開始から約90日で preview に到達しています。

姚氏自身は「ベンチマーク順位そのものより、実世界の複雑なエンジニアリング課題を解くこと」を主眼に置くと説明しており、Hy3 が reasoning_effort による思考強度の切替や長期エージェント実行を前面に出しているのは、ReAct / ToT の研究系譜と地続きです。

補足: 中国語メディアの一部は「CEO直属」と表記していますが、Bloomberg・SCMP はいずれも President Martin Lau 直属としています。本記事は後者を採用しました。

preview版から正式版で何が変わったのか

変わったのはライセンス・信頼性・価格の3点です。特に Apache 2.0 への転換は、実務上のインパクトが最も大きい変更です。

2026年4月に公開された「Hy3 preview」と、7月6日公開の正式版「Hy3」は別バージョンです。日本語記事の多くは依然として preview 前提で書かれているため、ここを取り違えると導入判断を誤ります。

※ ハルシネーション率などの信頼性指標はいずれも Tencent の社内評価（internal evaluations） に基づく公表値で、第三者検証ではありません。

Apache 2.0 になって、実務は何が変わるのか

preview 期の「コミュニティライセンス」は、OSSと呼ばれつつも利用条件に制約がありました。正式版で Apache 2.0 に切り替わったことで、以下が明確になっています。

• 地域制限の撤廃 — preview では EU・英国・韓国での利用が制限されていました。正式版ではこの制限がありません
• MAU（月間アクティブユーザー数）等による追加条件が消滅 — 一定規模を超えた商用利用でも別途許諾を要しません
• 改変・再配布・派生モデルの公開が明示的に可能 — ファインチューニングした派生モデルを自社製品に組み込み、再配布できます
• 法務レビューのハードルが下がる — Apache 2.0 は広く知られた標準ライセンスであり、社内審査で判断が付きやすくなります

preview 期に「商用利用の範囲を法務確認する必要がある」と書かれていた解説記事は、正式版には当てはまりません。現行版に関して言えば、ライセンス面は Llama 系のコミュニティライセンスより緩いというのが実態です。

モデル仕様

出典: Tencent-Hunyuan/Hy3-preview 公式GitHubリポジトリ（preview版公開時のベンチマーク図）

公式READMEの仕様表に記載されている値は以下のとおりです。一般的な Dense モデルと異なり、MoE + MTP（Multi-Token Prediction） の組み合わせで推論効率を引き上げています。

MoE と「fast-and-slow thinking」を実務目線で理解する

Hy3 は推論時に192のエキスパート（得意分野ごとの小さなネットワーク）のうち上位8だけを呼び出すため、ウェイト全体は295Bでも、1トークンあたりの計算負荷は21B相当で済みます。厚い辞書を全ページめくるのではなく、必要な項目だけを引くイメージです。これがAPI単価の安さに直結しています。

もう一つの軸が reasoning_effort です。API パラメータとして no_think / low / high を指定でき、軽い質問は即答、複雑な推論は思考連鎖を長く回す、という挙動を1モデルで切り替えられます。OpenAI の reasoning モデル系列や Claude の Extended Thinking と同じ発想で、用途ごとにモデルを使い分けずコストを制御できるのが実務上の利点です。

なお、コンテキスト長は公式表記が256K、OpenRouterの掲載が262,144トークンです。262,144 は 256K の実数表記なので、両者は同じ値を指しています。

Hy3 でできること

出典: Tencent-Hunyuan/Hy3-preview 公式GitHubリポジトリ（preview版公開時のベンチマーク図）

Hy3 は推論・コーディング・エージェント実行・長文処理の4領域に投資が集中しています。ただし、その性能をどう読むかにはひとつ前提があります。

公式ベンチマークは「画像」でしか公開されていない

正式版の GitHub README と Hugging Face モデルカードでは、ベンチマーク結果が benchmark.png などの画像としてのみ提供されており、数値のテキストが存在しません。

ネット上には「GPQA Diamond 90.4」「SWE-bench Verified 78%」といった具体的な数値が流通していますが、一次ソースのテキストからは裏取りできません。本記事ではこれらを断定的な数値としては扱いません。

公式が文章として明言しているのは、次の定性的な表現までです。

同サイズ帯のモデルを上回り、2〜5倍のパラメータを持つ主要オープンソースフラッグシップに匹敵する

実務者270名によるブラインド評価（公式README）

数値ベンチマークより示唆的なのが、公式が公表しているブラインド評価です。

• 実務者270名が、それぞれ自分の実業務タスクでモデルを比較評価
• 結果は Hy3: 2.67/4点 vs GLM-5.1: 2.51/4点
• 特に優位が大きかった領域は フロントエンド開発 / データ・ストレージ / CI/CD

「ベンチマーク順位より実世界のタスク」という姚氏の方針が、評価設計にそのまま反映されています。GLM系との比較は GLM-5.1の解説記事 も併せてご覧ください。

エージェント基盤としての安定性

正式版で最も強調されているのが、エージェント実行の安定性です。

• SWE-Bench Verified において、CodeBuddy / Cline / KiloCode など scaffolding（エージェント基盤）を変えても精度の分散が4%以内
• ツールコールと出力フォーマットの安定性を「production-grade」に改善したと公表
• vLLM・SGLang がともに専用のツール呼び出しパーサと auto tool choice をサポート

エージェント基盤を選ばず安定して動くという特性は、実運用では絶対値スコアより効いてきます。エージェントの基礎概念は AIエージェントとは で解説しています。

preview 期に公表された効率データ

以下は preview 公開時（2026年4月）に Tencent が公表した値です。正式版で再計測された数値は現時点で公表されていないため、参考値として扱ってください。

プロダクト統合状況

Tencent は50以上の自社プロダクトからのフィードバックを post-training に反映したと公表しています。

• 自社: WorkBuddy / CodeBuddy、元宝（Yuanbao）、ima、Marvis、Weixin（WeChat）、WeGame
• サードパーティ: OpenRouter、Hermes、Kilo、Cline、OpenClaw、OpenCode、Cherry Studio（順次展開）

OpenClaw を含むOSSエージェント基盤から利用できる点は、日本の開発者にとって現実的な接点になります。OpenClaw を業務で使う場合の安全設計は OpenClawのセキュリティガイド を参照してください。

Hy3 の強み

公式情報と他モデルとの位置関係から、強みは次の4点に整理できます。

1. Apache 2.0 という公開条件

フラッグシップ級の中国産モデルで、地域制限もMAU制約もない Apache 2.0 は現時点で希少です。派生モデルを作って自社製品に組み込み、再配布まで行えるため、プロダクトへの組み込み自由度が高くなります。ライセンス条項の解釈で法務が止まりにくい、という現場レベルの利点も無視できません。

2. アクティブ21Bによる価格競争力

総パラメータ295Bに対し推論時の計算量は21B相当。この構造がそのままAPI単価に反映され、Tencent Cloud TokenHub では入力 100万トークンあたり RMB 1（約20円前後）という水準になっています。長文を大量に流し込むバッチ処理ほど効いてくる設計です。

3. 256K コンテキストとエージェント志向の設計

reasoning_effort の3段階切替、専用ツール呼び出しパーサ、MTPによる投機的デコード対応など、「推論ループを長く回す」前提の仕様が揃っています。大規模コードベースの読解、長大な法務文書の一括処理、数百ステップのエージェント実行といった用途に向きます。

4. 正式版で信頼性指標が改善している

ハルシネーション率が社内評価で 12.5% → 5.4%、常識エラー率が 25.4% → 12.7% と、preview から実用性が明確に上がっています。生成AIを業務に組み込む際、精度スコアより「もっともらしい嘘の少なさ」のほうが運用コストに直結する場面は多く、この改善は実務的な意味を持ちます。

Hy3 の弱み・制約

出典: Tencent-Hunyuan/Hy3-preview 公式GitHubリポジトリ（preview版公開時のベンチマーク図）

導入を検討するうえで、無視できない制約が4つあります。

1. セルフホストのハードルが極めて高い

これが実務上の最大の壁です。ライセンスが自由でも、動かせなければ意味がありません。

つまり、一般的な 8×A100 / 8×H100 のGPUサーバーでは、そのままではBF16で動きません。より小さいメモリ構成ではマルチノードのテンソル並列が必要になります。個人や中小企業のオンプレ運用は現実的でなく、API利用が現実解です。

2. 公式ベンチマークの数値が検証しづらい

公式のベンチマークは画像でのみ提供されており、数値のテキストがありません。Artificial Analysis のような独立検証ボードでの評価も蓄積待ちの段階です。「公式が主張する性能」と「第三者が検証した性能」を区別して扱う必要があります。

3. 軽量ローカル実行は公式スコープ外

公式配布は BF16 と FP8 の2系統で、GGUF などのローカル実行向けフォーマットは提供されていません。圧縮ツールキット（AngelSlim）は公開されていますが、ノートPCで動かすようなモデルではありません。

4. API利用時は中国法の適用範囲を確認する必要がある

Tencent Cloud 経由でAPIを使う場合、リクエストデータは中国のクラウド事業者のインフラを通ります。また、中国の生成AI規制下でのコンテンツ応答制限（政治的トピックなど）が想定されます。このリスクは利用形態によって当たり方が大きく変わるため、切り分けて評価する必要があります。

料金・プラン

現行の最安経路は Tencent Cloud TokenHub の直接利用、最速の検証経路は OpenRouter です。

⚠️ 無料枠には期限があります。 OpenRouter の Hy3 (free) は 2026年7月21日で提供終了予定と表記されています。無料で試すなら期限内に検証を済ませてください。

円換算・ドル換算は概算です（為替により変動）。preview 期には入力 $0.063〜0.18 といった別の価格が報じられていましたが、現行版の価格ではありません。

OpenRouter では Balanced / Nitro（最速）/ Exacto（tool-call精度重視）のルーティングを選択できます。エージェント用途で使うなら Exacto を試す価値があります。OpenRouter 自体の仕組みは OpenRouterとは にまとめています。

キャッシュ入力を使うと単価はさらに下がる

TokenHub のキャッシュ入力は RMB 0.25 / 100万トークンで、通常入力の4分の1です。同じシステムプロンプトや長大な参照文書を繰り返し投げるエージェント用途では、ここでのコスト差が積み上がります。256K のコンテキストを毎回フルに使う設計なら、キャッシュの有無が総コストを大きく左右します。

使い方の3経路

Hy3 を使う経路は大きく3つです。まず OpenRouter で検証し、本番は TokenHub、データを外に出せないなら自前ホスト、というのが基本線になります。

経路A: OpenRouter で試す（最速）

1. OpenRouter にアカウント登録
2. モデルID tencent/hy3 を選択（無料枠を使う場合は tencent/hy3:free、2026年7月21日まで）
3. OpenAI互換のSDKからそのまま呼び出す
4. reasoning_effort を no_think / low / high で切り替えて挙動を比較する

用途はプロンプト検証、既存コードベースとの接続テスト、他モデルとの比較です。

経路B: Tencent Cloud TokenHub（本番運用向け）

1. Tencent Cloud アカウントを発行（地域によっては本人確認に時間がかかります）
2. TokenHub で Hy3 を有効化
3. OpenAI互換エンドポイントから呼び出す
4. キャッシュ入力（RMB 0.25 / 100万トークン）を活用してコストを圧縮する

経路C: Apache 2.0 ウェイトをセルフホスト

1. Hugging Face: tencent/Hy3（BF16・約598GB）または tencent/Hy3-FP8（約300GB）からウェイトを取得
2. 推論フレームワークを選択（vLLM は MTP による投機的デコード、SGLang は EAGLE 系サンプリングを推奨）
3. 8GPU 構成（H20-3e 141GB / H200 / MI300X 級） でロード。8×H100 80GB では BF16 は載りません
4. OpenAI互換APIサーバーとして起動
5. ファインチューニング・派生モデルの再配布も Apache 2.0 の範囲で可能

セルフホスト時、公式サンプルは api_key="EMPTY" でローカル起動する例を示しています。そのまま社外に公開すると認証なしのエンドポイントが露出します。ネットワーク境界と認証の設計は利用者側の責任です。生成AI全般のセキュリティ設計は 生成AIのセキュリティ を参照してください。

他モデルとの違い

構図としては「フロンティア最高精度なら Claude / GPT系、コスト効率とライセンス自由度なら Hy3 / DeepSeek / GLM」という棲み分けです。

中国産オープンウェイト勢との比較

海外メディア VentureBeat は「Apache ライセンスの Hy3 が半分のサイズで GLM-5.2 に挑み、コーディング以外のほぼ全領域で勝つ」という論調で報じています。裏を返せば、コーディング特化用途では GLM-5.2 に分があるという評価です。各モデルの詳細は GLM-5.2の解説、DeepSeek V4の解説 をご覧ください。

中国産モデル全体の勢力図は 中国製AIモデルの台頭 で俯瞰しています。

選び分けのポイント

• ライセンスの自由度を最優先 → Hy3（Apache 2.0 は現時点で明確な差別化要因）
• コーディング特化のエージェント → GLM-5.2 を優先検討、Hy3 は次点
• 最高精度が絶対条件 → Claude / GPT 系のフロンティアモデル
• 長文コンテキスト × コスト効率 → Hy3 の検討価値が高い
• エンタープライズで規制リスクを最小化したい → 米国系ベンダーのマネージドAPI

すでに ChatGPT や Claude を業務の主力にしている場合、Hy3 は「主力を置き換えるモデル」ではなく、コスト感度の高いバッチ処理・大規模文書処理・検証用の併用先と位置づけるのが現実的です。コーディング用途の全体像は AIコーディングツールのおすすめ比較 にまとめています。

中国産モデルのセキュリティ：API利用とセルフホストは別問題

「中国産だから危険」という一括りの評価は不正確です。Hy3 の場合、リスクの当たり方は利用形態によって根本的に異なります。

多くの解説記事がここを混同していますが、Apache 2.0 でウェイトが公開されているモデルでは、セルフホストすれば推論はすべて自社環境内で完結します。データが中国に送られることはありません。

API利用時に評価すべきこと

• 個人情報保護法・GDPR等への適合：顧客情報や医療情報、未公開の財務データ、社内コードの知的財産を投入する場合、契約と運用設計が必要です
• コンテンツ応答制限：中国国内規制への準拠のため、政治・地政学トピックで応答が制限される傾向があります。汎用アシスタントとして社内提供する場合、想定しておくべき挙動です
• サービス継続性：ミッションクリティカルな用途では、別ベンダーのモデルにフォールバックできる構成を推奨します

セルフホスト時に残るリスク・消えるリスク

セルフホストでデータ越境の論点は消えますが、学習データに由来する応答傾向やバイアスは、モデルの重みそのものに残ります。これはローカル実行しても変わりません。

一方で、「政府要請によるサービス停止」「仕様の一方的変更」といったベンダーリスクは、ウェイトを手元に保持している限り発生しません。この点で Apache 2.0 は、単なるライセンスの話にとどまらず事業継続性の担保という意味を持ちます。

つまり検討順序としては、①扱うデータの機微性を判断 → ②機微ならセルフホストの可否をGPU予算と突き合わせる → ③予算が合わないなら、API経由で投入するデータを非機微なものに限定する、という流れが実務的です。

こんな方におすすめ

以下に当てはまる場合、Hy3 の検証価値は高いといえます。

• ライセンス制約のないオープンウェイトを探している — Apache 2.0 で派生モデルの商用配布まで可能
• コスト効率を最優先するエージェント基盤を作りたい — 入力 約$0.15 / 100万トークンはフラッグシップ級として破格
• 長大なコンテキストを扱うバッチ処理がある — 256K + キャッシュ入力の組み合わせが効く
• 8GPU級のインフラを持っている、または調達できる — セルフホストで中国法の論点を回避できる
• エージェント基盤（Cline / OpenClaw 等）を選ばず安定して動くモデルを求めている — scaffolding間の精度分散4%以内
• OSSフラッグシップの最新動向を追いたい研究者・CTO — 姚順雨体制の方向性が最も明確に表れたモデル

おすすめしない方

以下に該当する場合、別モデルを選んだほうが無難です。

• 手元のPCやワークステーションで動かしたい — BF16で598GB、FP8でも300GB。API経由が前提になります
• 8×H100 / 8×A100 のサーバーがあるから動くと考えている — vLLM公式レシピの時点で「載らない」と明記されています
• コーディング特化で最高精度がほしい — GLM-5.2 や Claude 系のほうが評価が高い領域です
• 機微データを扱い、かつセルフホストの予算がない — API利用ではデータ越境の論点が残ります
• 第三者検証済みのベンチマークで比較したい — 公式は画像のみの公開で、独立検証は蓄積待ちです
• 日本語サポート・日本リージョン・JPY建て請求が必須 — 現時点で公式の記載が見当たりません

よくある質問

Q1. Hy3 と Hunyuan 3.0、混元3.0 は同じものですか？

同じモデルです。英語の正式名称が Hy3、中国国内での通称が 混元3.0（Hunyuan 3.0）です。開発元の Tencent 社内チーム名も「Hunyuan チーム」から「Hy Team」に改称されています。

Q2. Hunyuan3D とは違うのですか？

まったく別のモデルです。 Hy3（Hunyuan 3.0）はテキストを扱う言語モデル、Hunyuan3D は3Dメッシュ・アセットを生成するモデルです。名前が似ているため日本語の検索結果で頻繁に混在しますが、用途に接点はありません。

Q3. Hy3 preview との違いは何ですか？

正式版では、ライセンスが Tencent Hy Community License から Apache 2.0 に変更され、EU・英国・韓国の地域制限が撤廃されました。加えて社内評価でハルシネーション率が 12.5% → 5.4% に改善しています。API価格も改定されているため、preview 前提の解説記事の価格情報は現行では通用しません。

Q4. 商用利用できますか？

はい。現行の Hy3 は Apache License 2.0 で公開されており、商用利用・改変・再配布が可能です。preview 期のコミュニティライセンスにあったMAU制約や地域制限は撤廃されています。ただし Tencent Cloud API を経由して利用する場合は、別途その利用規約が適用されます。

Q5. 無料で試せますか？

OpenRouter の tencent/hy3:free が無料で提供されていますが、2026年7月21日に提供終了予定と表記されています。それ以降は有料経路（OpenRouter または Tencent Cloud TokenHub）が基本になります。

Q6. 8×A100 のサーバーがあれば動きますか？

BF16 のままでは動きません。vLLM の公式レシピに「8×H100 80GB・8×A100 80GB では BF16重みとKVキャッシュが収まらない」と明記されています。8×H20-3e（141GB）／H200／AMD MI300X 級が推奨構成で、それ未満のメモリ構成ではマルチノードのテンソル並列が必要です。なお、FP8量子化版（約300GB）を 8×80GB 構成で動かせるかどうかは、公式レシピに記載がありません。検証する場合は自社環境での実測が必要です。

Q7. ベンチマークで GPT-5.5 や Claude を上回るという情報は本当ですか？

現時点では断定できません。公式 README と Hugging Face モデルカードは、ベンチマーク結果を画像でのみ公開しており、数値のテキストが存在しません。公式が文章として明言しているのは「2〜5倍のパラメータを持つ主要OSSフラッグシップに匹敵する」という定性的な表現までです。ネット上に流通する具体的なスコアは一次ソースからの裏取りができないため、参考程度に扱ってください。

Q8. 日本語性能はどうですか？

Hy3 の日本語特化ベンチマーク（JGLUE等）の公式数値は、現時点では公開されていません。多言語対応は明示されていますが、実用性の判断はAPI経由で自社のユースケースを試すのが確実です。OpenRouter の無料枠が使えるうちに検証しておくのが合理的です。

まとめ

Tencent Hy3（Hunyuan 3.0 / 混元3.0）は、元OpenAIの姚順雨氏が再構築したインフラの上に立つ、Apache 2.0 の 295B MoE フラッグシップです。

導入判断の要点は次のとおりです。

• 最大の価値はライセンス — Apache 2.0 により、商用利用・改変・再配布・地域制限なしが確定。派生モデルの製品組み込みまで可能
• コスト効率 — アクティブ21Bの構造がそのまま単価に反映。入力 約$0.15 / 100万トークン、キャッシュ入力ならさらに1/4
• 最大の壁はハードウェア — BF16で598GB、8×H100では載らない。セルフホストは8GPU級（141GB以上）が前提
• セキュリティは利用形態で切り分ける — API利用ならデータ越境と中国法が論点、セルフホストなら推論は自社内で完結
• ベンチマークは慎重に — 公式は画像のみの公開。数値の第三者検証は蓄積待ち

まずは OpenRouter の無料枠（2026年7月21日まで）で自社タスクを1本流し、「フロンティアモデルとの精度差」と「桁違いのコスト差」のどちらが効くかを見極める。そのうえでセルフホストの是非をGPU予算と照らす、という順序が最も無駄がありません。

生成AIモデル全体の選び方は 生成AIとは で基礎から整理しています。

参考ソース

• GitHub: Tencent-Hunyuan/Hy3（仕様表・ブラインド評価・信頼性指標・ライセンス）
• GitHub: Tencent-Hunyuan/Hy3-preview（preview版のライセンス・公開日・ベンチマーク図）
• Hugging Face: tencent/Hy3 / tencent/Hy3-FP8
• Tencent 公式: Hy3 正式版リリース（2026-07-06）
• vLLM 公式レシピ: tencent/Hy3（GPU要件）
• OpenRouter: tencent/hy3
• Simon Willison: tencent/Hy3（重みサイズ実測）
• Bloomberg: Tencent Appoints Former OpenAI Researcher Its Chief AI Scientist
• SCMP: Tencent restructures AI operations
• Caixin Global: Tencent Bets Its AI Future on 28-Year-Old From OpenAI