· De la redacción

Tencent Hunyuan Hy3, el MoE de 295B que cabe (casi) en un portátil: agentic open weights con licencia Apache 2.0

Fuentes: Tencent Hunyuan Hy3, el MoE de 295B que cabe (casi) en un portátil: agentic open weights con licencia Apache 2.0

TL;DR. Tencent presentó el 6 de julio de 2026 Hunyuan Hy3, un MoE de 295B parámetros totales con 21B activos por token (192 expertos, top-8), contexto de 256K, licencia Apache 2.0 y pesos ya descargables en Hugging Face en BF16 y FP8. El laboratorio lo posiciona como agentic flagship (SWE-bench Verified 78, SWE-bench Pro 57.9, GPQA Diamond 90.4) y presume de rivalizar con modelos "2 a 5× mayores". La sorpresa real, sin embargo, no está en los benchmarks: a 24-25 tok/s en un MacBook Pro M3 Max de 128 GB con un GGUF IQ1_M de 62 GB, el Hy3 es ya el segundo MoE frontera de 2026 que corre de forma usable en un portátil. Para Europa es una variable más en el debate de soberanía: open weights chino, entrenado presumiblemente en infraestructura nacional (no confirmada), corriendo en chips de Apple.

1. Ficha

Campo Valor Fuente
Organización Tencent Hy Team HF README
Release 6 jul 2026 hunyuan-blog
Licencia Apache 2.0 LICENSE en repo HF
Tipo Mixture-of-Experts (MoE) config.json
Params totales 295B (≈299B en reporte HF) HF README
Params activos 21B (3.8B adicionales en capa MTP) HF README
Expertos 192 totales, top-8 activados por token config.json
Capas 80 transformers + 1 MTP HF README
Atención GQA, 64Q / 8KV, head_dim 128 config.json
Hidden / Intermediate 4096 / 13312 config.json
Vocab 120.832 tokens config.json
Contexto nativo 256K HF README
Modalidades Texto + código + agente (tool-use) HF README
Variantes en HF tencent/Hy3 (BF16, 597 GB en disco) y tencent/Hy3-FP8 (FP8, 300 GB) API HF
Open weights Sí, Apache 2.0, sin gating, repos en HF, ModelScope, GitCode y CNB HF README
Paper arXiv No publicado al cierre (sólo blog + HF README) export.arxiv.org

Fuentes primarias: README oficial en Hugging Face, config.json, blog Tencent Hunyuan.

2. Contexto y posicionamiento

Tencent entra en el carril de modelos chinos frontera con un timing relevante: lo hace al día siguiente del LongCat-2.0 de Meituan (1.6T totales / 48B activos) y a pocas semanas de la siguiente hornada de DeepSeek/Qwen/Kimi/GLM. Lo hace, además, con una propuesta de valor clara: "rivalizar con modelos 2-5× mayores" en agentic coding sin necesidad de ser un mojón de parámetros totales.

El posicionamiento oficial es agentic + productividad. El lab habla de "50+ productos internos" que probaron el preview de abril y de un eval interno a ciegas con 270 expertos donde Hy3 saca 2.67/4 frente a GLM-5.1 a 2.51/4, con ventaja especialmente marcada en frontend, data/storage y CI/CD. Es, en la práctica, una versión china del framing "frontier en productividad sin frontier en chat" que Kimi K2 y Qwen Coder vienen cultivando desde 2025.

El carril geopolítico es directo: con LongCat-2.0 (Meituan), Hy3 (Tencent), el Hunyuan A13B de mayo y los modelos previos, China consolida una familia completa de MoE abiertos con licencia permisiva corriendo en hardware doméstico o en clusters no Nvidia. En el debate de soberanía europea, la variable importante no es el modelo en sí sino que estas cajas ya están en HF listas para self-host — incluso cuando el corpus o el chip de entrenamiento no son auditables.

3. Arquitectura

El HF README es parco en detalle algorítmico — no hay paper en arXiv al cierre — pero los números confirmados vía config.json permiten situar a Hy3 en el espacio de diseño de MoE 2026:

  • MoE fine-grained 192/top-8. Ratio activo/total 7.1% (21/295, sin contar MTP). Está en el rango "moderado-agresivo": más agresivo que DeepSeek-V3 (5.5%) y Mixtral histórico (12.5%), menos que LongCat-2.0 (~3%) y Kimi K2 (~3.2%). Tencent lo llama explícitamente "scaling MoE fine-grained".
  • Attention estándar GQA 64Q/8KV, head_dim 128. Sin MLA (la innovación multi-head-latent de DeepSeek) ni sliding window declarada. 80 capas + 1 MTP.
  • Capa MTP (Multi-Token Prediction). 3.8B parámetros extra como capa de predicción especulativa. vLLM y SGLang lo soportan ya en sus recipes; en el GGUF todavía no — satgeze, el primer cuantizador, lo descartó por falta de soporte en mainline llama.cpp.
  • Tokenizador propio, vocab 120.832. Incluye tokens específicos del ecosistema Hunyuan (hy_begin_of_sentence:opensource como BOS, etc.). Cautela editorial: antes de afirmar "multilingüe" habría que validar cobertura de idiomas europeos más allá de EN/ZH — el blog no lo detalla.

Lo que no hay: paper técnico, datos de pre-training, corpus, hardware, ni duración de entrenamiento. Sólo el blog y el README.

4. Entrenamiento

Sin acceso a paper técnico, esta sección queda corta por necesidad. Lo declarado y verificable:

  • Post-training iterativo a partir del preview de abril. Tencent habla de "improved quality and diversity of post-training data while scaling up RL training" — confirmando RLHF/online RL con énfasis en agentic, multi-turn y reducción de alucinación, pero sin detallar el corpus ni el cluster.
  • Mejoras internas reportadas (del blog):
  • Alucinación: 12.5% → 5.4%
  • Errores de sentido común: 25.4% → 12.7%
  • Issue rate multi-turn: 17.4% → 7.9%
  • Estabilidad de tool-calls. En SWE-bench Verified reportan varianza < 4% entre scaffoldings (CodeBuddy, Cline, KiloCode). Es el tipo de métrica de ingeniería que importa más a productos que los benchmarks globales.
  • Hardware: no divulgado. No hay confirmación de qué chip se usó ni qué tamaño de cluster. A diferencia del LongCat-2.0 de Meituan, donde el "50.000 ASICs domésticos" saltó a la conversación pública, Tencent no da ese detalle.

5. Benchmarks

Datos directamente del panel de leaderboards enlazado en el HF README. Todos son self-reported (no hay auditoría externa todavía):

Modelo SWE-V SWE-Pro GPQA-D HLE SkillsBench V1.1 Apex Agents Deep SWE
Hy3 78.0 57.9 90.4 53.2 55.3 25.6 28.0
GLM-5.1 (referencia blog) – – – – – – –
LongCat-2.0 (paper) 79.9 (TB) 59.5 (SWE-Pro) 88.9 – – – –
Gemini 3.1 Pro (referencia) – 54.2 – – – – –

Lectura crítica:

  • SWE-bench Verified 78 es el número más alto reportado en open weights hasta la fecha para un MoE de este tamaño. LongCat-2.0 publica 79.9 en una variante de terminal-bench (no exactamente SWE-V), así que la comparación uno-a-uno requiere cuidado.
  • GPQA Diamond 90.4 está en territorio frontera (Opus 4.6 anda por 91-92; Gemini 3.1 Pro High por 88-89).
  • Apex Agents 25.6 es la métrica agentic más interesante: mide capacidad multi-step real, no SWE-bench aislados.
  • Caveat obligatorio: todo es self-reported por el laboratorio. No hay benchmark independiente publicado todavía. El eval a ciegas contra GLM-5.1 es el más sustantivo (270 expertos, tareas de su trabajo real) y ese sí pone a Hy3 por delante en 2.67 vs 2.51 en una escala 1-4.

6. Disponibilidad y pricing

Pesos abiertos desde el día 1:

Repositorio Modelo Cuantización Tamaño en disco
tencent/Hy3 instruct BF16 ~597 GB (99 safetensors)
tencent/Hy3-FP8 instruct FP8 oficial ~300 GB (101 safetensors)

Distribuidos en paralelo en HF, ModelScope, GitCode (在中国) y CNB. Pesos disponibles en HF sin gating (gated: false, usedStorage: 597 GB confirmado por API HF).

Cuantizaciones de la comunidad (al 7 jul 2026, ~30 horas tras el release):

Repositorio Formato Cuant Tamaño Notas
satgeze/Hy3-1M-GGUF GGUF IQ1_M 62 GB Cabe en M3 Max 128 GB; ~24-25 tok/s en no_think; sin MTP; contexto extendido a 1M con YaRN
satgeze/Hy3-1M-GGUF GGUF IQ2_M 90-96 GB "Recommended minimum"; calidad imatrix
satgeze/Hy3-1M-GGUF GGUF Q2_K 101-107 GB Quant estático
ox-ox/Hy3-295B-...-MLX MLX 2-bit w/ 3-bit experts 112 GB Apple Silicon; incluye MTP y speculative
mlx-community/Hy3-preview-4bit MLX 4-bit 166 GB Del preview de abril; cantidad grande
kodelow/Hy3-NVFP4-W4A16 safetensors NVFP4 W4A16 – Datacenter NVIDIA (Blackwell/Ada)
0xSero/Hy3-299B-NVFP4 safetensors NVFP4 – Mismo perfil datacenter
olka-fi/Hy3-MXFP4 safetensors MXFP4 172 GB OCP Microscaling FP4

Pre-flight importante (pitfall conocido de la skill): el primer GGUF de Hy3 (satgeze/Hy3-1M-GGUF) requiere una build community de llama.cpp que implementa la arquitectura hy_v3 — mainline llama.cpp todavía no la soporta. Eso significa que, a 7 jul 2026, no se puede correr todavía con ollama pull hy3. El cuantizador lo documenta claramente y da el recipe: cmake -B build -DGGML_METAL=ON para macOS, -DGGML_CUDA=ON con libcuda.so.1 (no el stub de conda) en NVIDIA.

API:

  • OpenRouter: tencent/hy3 a $0.20 / $0.80 por millón de tokens (prompt/completion), con cache hit a $0.50/MTok. Existe además tencent/hy3:free durante las dos semanas de promoción. El preview previo (tencent/hy3-preview) lleva desde abril en la plataforma a precios de prueba.
  • API oficial Tencent: detrás de auth y SMS; el pricing no se pudo scrappear sin cuenta. Toca contrastar desde OpenRouter o esperar a que Tencent publique tarifas en su plataforma.

7. Hardware para ejecutarlo

Lo más interesante de esta pieza. Tencent recomienda 8× H20-3e para serving oficial vía vLLM o SGLang con MTP. Pero el dato verdaderamente reseñable es lo que ha pasado en las 30 horas siguientes al release: ya hay cuantizaciones que mueven el modelo en hardware de consumo.

Hardware Cuant VRAM / RAM VRAM mínima Resultado realista Fuente
MacBook Pro M3 Max 128 GB GGUF IQ1_M 62 GB en disco, ~GPU+RAM unified 128 GB unified 24-25 tok/s (gen), ~41 tok/s (prefill) en no_think; chat usable, no frontier chat satgeze/Hy3-1M-GGUF README
Mac Studio M3 Ultra 192+ GB GGUF IQ2_M 96 GB en disco 192 GB unified "Quality pick" recomendado por el cuantizador id.
Workstation con 2× RTX 3090 (48 GB) GGUF IQ2_M 96 GB 48 GB VRAM + ~50 GB RAM offload Viable con CPU offload en llama.cpp estimación por analogía
Workstation con 1× RTX 4090 (24 GB) NVFP4 W4A16 ~150 GB 24 GB Parcial: requiere offload agresivo por hardware
Servidor 8× H20-3e (oficial vLLM) FP8 ~300 GB ~640 GB VRAM agregada MTP habilitado, serving oficial HF README
Cluster H100/H800 multi-nodo BF16 ~597 GB >800 GB Inferencia completa producción HF README

Apunte crítico (pitfall conocido de la skill, MoE): en un MoE 295B como Hy3, los 192 expertos casi todos tienen que estar residentes en memoria aunque sólo 8 se activen por token. Un cuant a 2 bits no es opt-in: o cargas casi todos los 192 expertos comprimidos o el dispatcher del MoE colapsa. Por eso un Q2_K de 62 GB no es lo mismo que un dense 62 GB: el compute salta 8×24 capas usando expertos concretos, pero el storage es el del modelo entero. El cuantizador lo confirma: el IQ1_M de 62 GB produce texto coherente y estructuralmente correcto, pero ya no es frontier chat — el quantized pierde cohesión que el FP8 sí mantiene.

Para el desarrollador europeo que se pregunta "¿lo puedo correr en local?":

  • Sí, en Apple Silicon 128 GB con IQ1_M/IQ2_M y llama-server con fork que soporte hy_v3. La calidad es suficiente para tool-use y chat productivo, no para sustituir un Sonnet 4.6.
  • No todavía via mainline llama.cpp ni Ollama oficial. Cuando mergeen el soporte hy_v3 (esperar días, no semanas), el flujo será ollama pull hy3:iq1_m.
  • NVFP4 sí va con vLLM en Blackwell. Es la opción datacenter.

8. Familia en Hugging Face

Tencent tiene uno de los catálogos de IA más nutridos del ecosistema chino abierto. 40+ modelos bajo la org tencent:

  • LLM: tencent/Hy3 y Hy3-FP8 (este release), tencent/Hy3-preview (preview abril 2026), tencent/Tencent-Hunyuan-Large (Hunyuan-Large), tencent/Hunyuan-A13B-Instruct y su GPTQ-Int4, tencent/Hunyuan-7B-{Pretrain,Instruct}-0124, tencent/WeDLM-8B-Instruct.
  • Traducción MT: Hy-MT1.5-1.8B/-7B, Hy-MT2-1.8B/-7B (con GGUF y una curiosidad 1.25Bit), Hunyuan-MT-7B.
  • Multimodal / 3D / video / imagen: Hunyuan3D-2.1, Hunyuan3D-Omni, HunyuanVideo, HunyuanVideo-1.5, HunyuanVideo-I2V, HunyuanVideo-Foley, HunyuanImage-3.0-Instruct, HY-WorldPlay, HY-World-2.0, Hunyuan-GameCraft-1.0, Hunyuan-A13B...
  • Robótica / audio: Hy-Embodied-0.5-VLA-RoboTwin/UMI, Covo-Audio-Chat, MimicMotion.

La fragmentación del catálogo (multi-org dentro de tencent/ con naming inconsistente entre Hy-MT2 y Hunyuan-MT) sugiere múltiples equipos internos publicando en paralelo. La propia existencia de tencent/Hy3-preview durante 10 semanas antes del release final es ejemplo del patrón "preview-stealth-reveal" que el ecosistema chino ha adoptado: validar adopción real con un modelo abierto antes de comprometerse con el reveal comercial.

9. Limitaciones y letra pequeña

  • Paper técnico no publicado. El HF README cita "Technical Report" pero no hay preprint en arXiv (export.arxiv.org con ti:"Hy3" devuelve 0 entradas al cierre). No se pueden verificar cifras de pre-training, datos ni hardware. Reconocerlo explícitamente en cualquier cobertura.
  • Hardware de entrenamiento no divulgado. A diferencia de LongCat-2.0 (que al menos mencionó "50.000 ASICs"), Tencent no dice qué cluster usó. La sospecha razonable es mixto (H800/Cambricon/Muxi/Huawei Ascend 910C) pero sin confirmación oficial.
  • Context 256K nativo vs 1M experimental. El HF README garantiza 256K. El GGUF de la comunidad extiende a 1M con YaRN pero no certifica needle-retrieval a esa longitud todavía. Tratar 1M como preview.
  • MTP sólo en mainline engine. vLLM y SGLang lo soportan. llama.cpp no, ni mainline ni fork. Si necesitas serving rápido con speculative decoding, usa vLLM/SGLang. Si necesitas Apple Silicon local, asume MTP off.
  • "Open weights" ≠ "open source". Pesos Apache 2.0, sí — datos y código de entrenamiento no. Es el estándar 2026 del segmento chino frontera.
  • Caveat tokenizer. Vocab 120.832 con muchos tokens Hunyuan-específicos. Cobertura europea más allá de EN/ZH no validada. Si vas a hacer RAG en español o alemán, haz probe antes.
  • Hallucination improvement 12.5%→5.4% es self-reported, sin benchmark público. Métrica interna.
  • OpenRouter free tier es temporal (2 semanas). El pricing real es $0.20/$0.80 MTok que, si bien es agresivo para un MoE 295B, no es gratis.

10. Veredicto ojeo

El titular no son los benchmarks. Tencent ha publicado un MoE de 295B que, en 30 horas, ya tiene cuantizaciones GGUF corriendo a 24-25 tok/s en un MacBook Pro M3 Max de 128 GB. Eso le pone en una liga muy concreta: la de los "modelos frontera que un developer europeo puede correr en local si se atreve a cuantizar a 1.7 bits". Es el segundo ejemplo del año tras Qwen3-Coder-Next 80B en esa categoría, y abre una pregunta incómoda para el debate de soberanía europeo de IA: si los hyperscalers chinos publican cajas abiertas que corren en Mac, el argumento "necesitamos frontera europeo en cloud soberano porque el open weight chino no es viable on-prem" se debilita cada trimestre.

Lo realmente fuerte del Hy3 está fuera de los benchmarks: los reportes de varianza <4% en SWE-bench entre scaffoldings y la caída de alucinación a la mitad son métricas de ingeniería de producto. Son las cifras que importan a quien va a desplegar agentes en producción, no las LeaderBoard. En eso, Hy3 hereda la lección de Kimi K2 Thinking y la aplica a agentic coding de forma más agresiva que LongCat-2.0 (que se centró más en arquitectura de entrenamiento).

Para desarrollador europeo:

  • Si necesitas un coder agentic open weights y puedes correr 60-100 GB en tu máquina, evalúa Hy3 IQ2_M en cuanto mainline llama.cpp mergee hy_v3 (estimación: días, no semanas). Mientras tanto, MLX 4-bit funciona en Mac con M-series reciente.
  • Si necesitas serving oficial con tool-calls estables, vLLM con MTP es la opción de referencia; OpenRouter tencent/hy3 cubre el resto.
  • Si lo que necesitas es un modelo de chat frontier, no es esto. Hy3 está tuneado para productividad, no para charlar. Qwen3-Max o Kimi K2.7-Instruct siguen ganando en chat generalista.

Conectar con cobertura previa de ojeo: este release refuerza el clúster MEMOcalipsis / chips anti-Nvidia / soberanía UE. La pieza complementaria natural es contrastar el silencio de Tencent sobre hardware (vs. la sobreactuación de Meituan) y qué dice eso sobre la estrategia china de publicar open weights sin auditar el cluster: si Europa quiere IA soberana, primero tiene que auditar su propio stack antes de exigir auditoría al ajeno.

Closing quote-ready: "295B parámetros totales en Apache 2.0, 70B menos que un modelo "más grande" cerrado, ejecutándose a 24 tok/s en un MacBook Pro de 128 GB con 1.7 bits por parámetro. El debate de si Europa necesita su propia frontera ya no es sobre los pesos — es sobre el data center."