Tencent veröffentlicht Hy3 preview und rollt das Open-Source-Modell in eigene Produkte aus

Tencent hat mit Hy3 preview ein neues Open-Source-Modell vorgestellt und zugleich in mehrere eigene Anwendungen ausgerollt. Der Konzern verbindet den Start mit konkreten Angaben zu Architektur, Kontextlänge, Agentenleistung und Antwortzeiten im Produktiveinsatz.

Tencent veröffentlichte Hy3 preview am 6. Juli 2026 als Mixture-of-Experts-Modell mit 295 Milliarden Parametern, von denen 21 Milliarden aktiv sind. Das Modell verfügt über ein Kontextfenster von 256K und unterstützt drei Reasoning-Modi, die auf unterschiedliche Anforderungen bei Latenz und Bearbeitungstiefe ausgelegt sind. Nach Angaben des Unternehmens ist Hy3 preview das erste Modell, das auf der im Februar neu aufgebauten Pre-Training- und Reinforcement-Learning-Infrastruktur trainiert wurde. Als zentrale Entwicklungsprinzipien nennt Tencent systematische Fähigkeiten, realistische Evaluation und Kosteneffizienz.

Breiter Rollout in Tencent-Anwendungen

Hy3 preview ist laut Tencent bereits in Yuanbao, CodeBuddy, WorkBuddy, QQ, ima, QQ Browser, Tencent Docs und Tencent LearnShare im Einsatz. Weitere Rollouts erfolgen in WeChat, Tencent News, Tencent Portfolio, Game for Peace und Tencent Customer Service. Zudem unterstützt das Modell die Open-Source-Agentenwerkzeuge OpenClaw, OpenCode und KiloCode. Für die Feinabstimmung in den Produkten arbeitete das Hy-Team mit dem Yuanbao-Team zusammen und setzte dabei auf User-Feedback Reward Modeling sowie RLHF.

In A/B-Tests auf Yuanbao stieg die Nutzeraktivität gegenüber der vorherigen Generation laut Tencent deutlich an, ohne dass der Anbieter dafür konkrete Zahlen nannte. Für KI-Avatare und KI-Kundendienst berichtet Tencent im Vergleich zu Hy2.0 von besserer Intent-Erkennung, stabileren Dialogen über mehrere Runden und weniger emotional aufgeladenen Antworten. Im XiaoQ-Assistant-Szenario habe Hy3 preview zudem die Time-to-first-token bei langen Texten, die Antwortgeschwindigkeit und die Streaming-Effizienz verbessert.

Deutlich niedrigere Wartezeiten bei Agenten-Workflows

Auf CodeBuddy sank die Time-to-first-token laut Tencent um 54 Prozent, die End-to-End-Zeit um 47 Prozent. Die Erfolgsraten liegen demnach nun bei über 99,99 Prozent. In der Produktion unterstützte das Modell komplexe Agenten-Workflows mit bis zu 495 Schritten für Dokumentverarbeitung, Datenanalyse, Wissensabruf und MCP-Toolchains. Dieselben Kennzahlen nennt Tencent auch für WorkBuddy.

Für ima meldet Tencent gute Resultate in Wissensdatenbank- und allgemeinen Frage-Antwort-Szenarien, insbesondere bei Retrieval-Aufgaben in langen Dokumenten. In Jiaozhen AI erreichte der No-think-Modus laut Unternehmen die Qualität der bisherigen Deep-Thinking-Pipeline, während die Antwortzeit auf ein Fünftel sank. Nach der Einführung in Tencent Docs stieg im AI-PPT-Szenario die Erfolgsrate gegenüber Hy2 nach Unternehmensangaben um 20 Prozent.

Stärkere Leistung in Finanz- und News-Szenarien

Für Tencent Portfolio testete der Konzern Hy3 preview in Marktüberblicken, bei der Sammlung öffentlicher Daten, der Interpretation von Ergebnissen, der Nachrichtensynthese, der Prüfung historischer Daten und in Strategielogik-Szenarien. Gegenüber Hy2 sei das finanzielle Reasoning stärker, Halluzinationen träten seltener auf und Argumentationsketten seien vollständiger. In News-Agent-Szenarien folgte Hy3 preview Anweisungen laut Tencent zudem merklich besser als HY2.