Tencent Hunyuan Hy3 : un MoE 295B sous Apache 2.0 qui vise la production, pas le leaderboard

Le 6 juillet 2026, Tencent Hunyuan a officiellement lancé Hy3, son modèle de fondation MoE 295 milliards de paramètres totaux / 21 milliards actifs, sous licence Apache 2.0. La sortie referme un cycle de moins de six mois entamé fin janvier 2026 par la reconstruction complète de l’infrastructure de pré-training et de reinforcement learning, passé par un preview du 23 avril, et qui débouche aujourd’hui sur un modèle conçu non pour écraser les benchmarks, mais pour tenir en production.

Le vrai signal n’est pas dans la performance absolue. Hy3 concède la couronne du coding à GLM-5.2 sur presque toute la suite agentique. Il la récupère ailleurs : recherche agentique, orchestration d’outils, dialogues longs. Et surtout, il change de statut juridique : là où le preview d’avril excluait explicitement l’Union européenne, le Royaume-Uni et la Corée du Sud des usages commerciaux, la release d’aujourd’hui parle aux entreprises mondiales sans filtre.

Fiche technique : un MoE dense-MoE hybride pensé pour le coût marginal

Hy3 s’appuie sur une architecture dite dense-MoE hybride. Chaque couche MoE rassemble 192 experts routés plus un expert partagé toujours actif ; un router top-8 sélectionne les experts à activer pour chaque token. Résultat : 21 milliards de paramètres actifs sur 295 milliards totaux, soit un ratio d’activation de l’ordre de 7 %, plus favorable que celui de nombreux modèles concurrents.

Tencent y ajoute une couche multi-token prediction (MTP) de 3,8 milliards de paramètres, dédiée au speculative decoding, qui sert essentiellement à accélérer la génération. La fenêtre de contexte atteint 256 000 tokens, soit l’ordre de grandeur désormais standard pour un modèle frontière open weight. Le modèle combine par ailleurs un mécanisme de fast/slow thinking exposé à l’utilisateur via trois modes sélectionnables : no_think pour le formatage et les appels d’outils simples, think_low pour les résumés et Q&A, think_high pour le raisonnement multi-étapes.

Pourquoi le passage à Apache 2.0 change la donne

Le preview d’avril 2026 interdisait explicitement les déploiements commerciaux en UE, au Royaume-Uni et en Corée du Sud, ce qui suffisait à bloquer la plupart des validations juridiques côté européen. Avec la licence Apache 2.0 de la release officielle, ce verrou saute.

Ce n’est pas un détail. Pendant un an, l’open weight chinois a souffert d’un écart entre ce que les équipes techniques voulaient évaluer et ce que les directions juridiques acceptaient de signer. Hy3 ferme cette brèche pour de bon, d’autant que les poids sont disponibles day-one sur Hugging Face et ModelScope, et que l’API est servie par Tencent Cloud TokenHub, OpenRouter (gratuit pendant deux semaines), et progressivement par des plateformes tierces : Hermes, Kilo, Cline, OpenClaw, OpenCode, Cherry Studio.

La mécanique de production, elle, a elle aussi évolué. Tencent dit avoir collecté les retours de plus de 50 équipes produit internes depuis le preview, et ré-entraîné en RL sur la base de ces données réelles. La consommation quotidienne moyenne de tokens pour les modèles Hy a été multipliée par vingt entre avril et juillet ; le nombre d’utilisateurs WorkBuddy sélectionnant explicitement Hy3 a, lui, été multiplié par six.

Où Hy3 gagne, où il perd : la comparaison avec GLM-5.2

Tencent a conduit un test interne en aveugle avec 270 experts et 312 comparaisons valides sur des workflows réels : Hy3 obtient 2,67 sur 4 contre 2,51 pour GLM-5.1, avec des avantages nets sur le développement front-end, le CI/CD et la gestion de données. Mais ce test vise l’ancien GLM-5.1, et la cible réelle du moment est GLM-5.2 — sur lequel Tencent perd la bataille du coding.

Les écarts sur la suite coding agentique sont nets. GLM-5.2 mène sur SWE-bench Verified (84,2 contre 78,0), SWE-bench Multilingual (83,0 contre 75,8), Terminal-Bench 2.1 (81 contre 71,7), et de façon plus marquée sur DeepSWE (46,2 contre 28,0). La raison est en partie mécanique : GLM-5.2 affiche environ 744 milliards de paramètres totaux pour 40 milliards actifs, soit un surcoût de plus du double par rapport à Hy3.

Là où Hy3 reprend la main, ce sont les charges agentiques non coding. Sur la recherche agentique, Hy3 atteint 84,2 sur BrowseComp et 91,0 sur DeepSearchQA, en tête de la catégorie open weight selon le tableau fourni par Tencent, et compétitif avec Claude Opus 4.8 et GPT-5.5. Sur l’orchestration d’outils, il mène le champ ouvert avec 79,1 sur le set public MCP-Atlas. Sur la récupération long-contexte, 73,4 sur AA-LCR.

Benchmark récapitulatif (selon Tencent) :

La grille se lit ainsi : si votre produit est un agent qui passe son temps à planifier, fouiller le web, et orchestrer des outils, Hy3 est aujourd’hui l’option open weight la plus crédible. Si votre produit vit dans des dépôts de code, GLM-5.2 garde la main — pour un coût d’inférenceInférence Inférence désigne, dans le contexte de l'intelligence artificielle, le processus opérationnel par lequel un modèle entraîné applique ses connaissances acquises à de nouvelles données inédites pour effectuer une prédiction, une… plus élevé.

Le pivot vers la fiabilité en production

Là où le communiqué Tencent devient intéressant pour des acheteurs techniques, c’est qu’il ne joue pas la course au leaderboard. La carte du modèle lit davantage un rapport de fiabilité qu’un tableau de performances : sur les scénarios internes, le taux d’hallucinationHallucination Hallucination désigne, dans le domaine de l'intelligence artificielle, un phénomène par lequel un modèle de langage génératif (LLM) produit une réponse factuellement incorrecte, illogique ou totalement inventée, tout en l'exprimant… est passé de 12,5 % (preview) à 5,4 % (release officielle), et le taux d’erreur de bon sens de 25,4 % à 12,7 %. Tencent attribue cette amélioration à un nettoyage plus fin des données et à des contraintes d’entraînement construites autour d’un comportement explicite : répondre quand c’est fondé, signaler quand l’évidence manque, ne pas mélanger les sources, ne pas fabriquer.

Le comportement multi-tour reçoit le même traitement : le taux d’incident sur les tests multi-tours internes passe de 17,4 % à 7,9 %, et le score sur le benchmark public MRCR de dialogue long bondit de 42,9 % à 75,1 %. Côté déploiement, Tencent rapporte que le passage à Hy3 a fait passer la résolution de tâches dans WorkBuddy de 72 % à 90 % — un chiffre interne, à prendre comme signal métier et non comme benchmark reproductible.

Ce choix de positionnement est assumé : Jen Zhu, côté Tencent, présente Hy3 comme un produit issu d’une boucle de feedback produit réel, et non comme une simple affaire d’échelle de pré-training. Le pari est qu’un MoE plus petit, nourri de retours d’usage massifs, devient plus prévisible qu’un monstre de paramètres qu’on ne peut évaluer que sur des benchmarks synthétiques.

Accessibilité : ce que ça coûte, où le faire tourner

Trois canaux d’accès coexistent. L’API Tencent Cloud est positionnée aux alentours de 1 yuan par million de tokens d’entrée et 4 yuans par million en sortie, avec un tarif réduit à environ 0,25 yuan par million pour les entrées servies depuis le cache. OpenRouter propose une route gratuite pendant deux semaines, avec une fenêtre de contexte affichée à 262 000 tokens. Le self-hosting est rendu possible par la disponibilité des poids sur Hugging Face et ModelScope.

Attention cependant au piège VRAM habituel des MoE : les 295 milliards de paramètres doivent résider en mémoire, même si seulement 21 milliards sont actifs à un instant donné. Des retours sur les forums NVIDIA Developers évoquent un déploiement réussi sur deux DGX Spark, suffisant pour du contexte 128K. Pour un inference local confortable, plusieurs observateurs — dont Tiezhen Wang — évoquent une configuration 8xH200 comme point d’entrée réaliste pour les charges agentiques sérieuses.

Limites et inconnues

Trois réserves honnêtes s’imposent. Premièrement, les chiffres concurrentiels du tableau de benchmarks proviennent pour l’essentiel des propres tests de Tencent. La vérification indépendante par des indices comme Artificial Analysis était toujours en attente au moment de la publication, ce que reconnaît VentureBeat. Les ordres de grandeur sont utiles, les valeurs exactes doivent encore être confirmées par des tiers.

Deuxièmement, le passage à Apache 2.0 ne dit rien sur ce que Tencent fera si un usage litigieux émerge. La trajectoire récente des modèles chinois open weight invite à lire la licence comme un snapshot, pas comme une garantie absolue. Troisièmement, le modèle reste expérimental sur certains axes : les chiffres de fiabilité viennent de Tencent, et il faudra quelques semaines pour qu’une évaluation communautaire stable apparaisse, notamment sur les charges européennes où le déblocage juridique est tout neuf.

Ce qu’il faut retenir

Hy3 ne joue pas la même course que GLM-5.2. Là où Z.ai pousse la barre du coding repository-scale à 744 milliards de paramètres, Tencent mise sur un MoE plus compact, abreuvé de retours réels, et libéré des restrictions géographiques qui bloquaient les déploiements UE/UK/Corée. Le compromis est explicite : un peu moins bon sur les benchmarks coding bruts, nettement plus prévisible sur les charges agentiques de recherche et d’orchestration d’outils, et juridiquement utilisable par les entreprises occidentales sans filtre régional. Pour les équipes qui évaluent aujourd’hui un modèle de fondation open weight à déployer en propre, la question n’est plus de savoir si Hy3 entre dans la short-list — c’est de savoir s’il faut le mettre en face de GLM-5.2 sur un banc d’essai métier, et pas seulement sur un leaderboard.