Durante o ano passado, o estranho segredo do boom dos modelos abertos foi que muitos dos lançamentos chineses mais fortes estavam fora do alcance de uma grande fatia das empresas mais interessadas neles. Os termos de licença que excluíam a União Europeia, o Reino Unido e a Coreia do Sul significavam que as equipas jurídicas eliminavam as implementações antes que as equipas de engenharia terminassem as suas avaliações – não apenas para empresas sediadas lá, mas para qualquer empresa que servisse tráfego para essas regiões. Para as equipes de TI que avaliam modelos abertos, as compensações são incomumente explícitas.
A Tencent acabou de remover esse obstáculo. A equipe Hunyuan da empresa lançou a versão completa do Hi3um modelo de mistura de especialistas (MoE) de 295 bilhões de parâmetros com 21 bilhões de parâmetros ativos e – em uma reversão da versão prévia de abril – o enviou sob o permissivo Apache 2.0 licença. A reação da comunidade de modelo aberto foi imediata, com pesquisadores do X destacando a mudança de licença como a verdadeira manchete, e uma postagem amplamente compartilhada argumentando que, se as pontuações se mantiverem, a Tencent acaba de se tornar um dos líderes do código aberto. A Tencent diz que será gratuito no OpenRouter por duas semanas.
Vale a pena examinar as pontuações – e nem todas apontam na mesma direção. Mas a história mais interessante é o que a Tencent escolheu para liderar: métricas de confiabilidade e economia de implantação voltadas diretamente para o uso em produção.
Da pré-visualização ao produto em dez semanas, moldado por 50 equipes internas
A prévia de abril do Hy3 foi o primeiro modelo reconstruído da infraestrutura de pré-treinamento e aprendizagem por reforço da Tencent, enviado menos de três meses após a reconstrução de fevereiro. O cientista-chefe de IA, Shunyu Yao, enquadrou o lançamento aberto como um movimento deliberado para coletar feedback de desenvolvedores e usuários antes da versão oficial – e Tencent diz que foi exatamente isso o que aconteceu. De acordo com o cartão modelo, a equipe coletou feedback de mais de 50 equipes de produto após a visualização do final de abril, corrigiu problemas na execução e interação de tarefas e ampliou seu pipeline pós-treinamento.
A arquitetura permanece inalterada: 295B de parâmetros totais, 21B ativos por passagem direta via roteamento dos 8 principais entre 192 especialistas, uma camada de previsão multitoken (MTP) de 3,8B de parâmetros para decodificação especulativa e uma janela de contexto de 256K. O que mudou foi o comportamento. O posicionamento da Tencent é que o lançamento completo supera significativamente os modelos de tamanho semelhante e rivaliza com os principais modelos de código aberto com duas a cinco vezes os parâmetros.
Que "duas a cinco vezes" o enquadramento faz sentido para o objetivo deste modelo – e convida a uma comparação direta com o atual líder de codificação de peso aberto, GLM-5.2.
O teste cego da Tencent favorece Hy3 em vez de GLM-5.1, mas GLM-5.2 ainda possui codificação
A avaliação do título da Tencent é um estudo humano cego, e não uma tabela de classificação. Argumentando que os benchmarks públicos não contam a história completa, a empresa realizou um teste cego com 270 especialistas de todas as disciplinas trabalhando em fluxos de trabalho do mundo real, coletando 312 comparações válidas, nas quais a Tencent relata que Hy3 obteve 2,67 de 4 contra 2,51 do GLM-5.1 – com as vantagens mais claras no desenvolvimento de front-end, CI/CD e trabalho de dados e armazenamento.
A escolha do oponente é importante. Zhipu AI lançada GLM-5.2 em meados de junho, e o próprio apêndice de benchmark da Tencent mostra GLM-5.2 à frente de Hy3 em essencialmente todo o conjunto de codificação de agentes: SWE-bench Verified (84,2 vs. 78,0), SWE-bench Multilingual (83,0 vs. 75,8), Terminal-Bench 2.1 (81 vs. 71,7) e DeepSWE por uma ampla margem (46,2 vs. 28,0). O teste cego teve como alvo o modelo mais antigo; o mais novo mantém a coroa de codificação.
A liderança de codificação do GLM-5.2 é menos surpreendente quando você considera que os tamanhos estão lado a lado: GLM-5.2 é aproximadamente um MoE de 744 bilhões de parâmetros com cerca de 40 bilhões de parâmetros ativos por token, contra o total de 295 bilhões e 21 bilhões ativos do Hy3. A Tencent está apresentando um modelo com menos da metade dos parâmetros – e quase metade da computação por token – daquele que ela segue.
As vitórias genuínas de Hy3 estão em outro lugar. Na pesquisa agente, ele registra 84,2 no BrowseComp e 91,0 no DeepSearchQA – à frente de todos os modelos abertos na tabela da Tencent e competitivo com Claude Opus 4.8 e GPT-5.5. Ele lidera o campo aberto em orquestração de ferramentas (79,1 no conjunto público MCP-Atlas), em avaliações de aproveitamento de agentes como ClawEval e em recuperação de contexto longo (73,4 em AA-LCR). Lidos em conjunto, o apêndice sugere um modelo que é indiscutivelmente a melhor escolha de peso aberto para cargas de trabalho de agentes com muitas ferramentas e pesquisas, ao mesmo tempo que concede codificação em escala de repositório ao GLM-5.2.
Uma ressalva se aplica tanto às vitórias quanto às derrotas: quase todos os números dos concorrentes no apêndice da Tencent são marcados como provenientes dos próprios testes da Tencent. A verificação independente, de índices como a Análise Artificial, ainda está pendente até a publicação.
A proposta de confiabilidade: taxas de alucinação reduzidas pela metade
O que o lançamento se torna mais interessante para os compradores corporativos é o conjunto de números que a Tencent escolheu enfatizar em vez de benchmarks. O cartão do modelo parece menos um anúncio de tabela de classificação e mais um relatório de confiabilidade de produção.
Em avaliações internas em cenários do mundo real, a Tencent diz que a taxa de alucinação do Hy3 caiu em comparação com a versão prévia de 12,5% para 5,4%, e as taxas de erro de bom senso caíram de 25,4% para 12,7% – melhorias que atribui à limpeza de dados refinada e restrições de treinamento construídas em torno de um padrão de comportamento explícito: responder quando fundamentado, declarar quando faltam evidências, não confundir fontes, não fabricar dados. O comportamento multivoltas recebe o mesmo tratamento: a taxa de problemas em testes internos multivoltas caiu de 17,4% para 7,9%, e a Tencent informou que a pontuação do modelo no benchmark de longo diálogo aberto MRCR saltou de 42,9% para 75,1%.
A Tencent também enfatiza a consistência entre os andaimes dos agentes – relatando a variação do banco SWE em alguns pontos, independentemente de o modelo ser executado dentro de chicotes estilo Claude Code, Cline ou KiloCode. Essa é uma propriedade subestimada: as empresas raramente controlam qual estrutura de agente é padronizada por suas equipes, e um modelo que funciona apenas em um equipamento representa um custo de integração oculto. Estas são medições internas auto-relatadas e merecem o mesmo ceticismo que qualquer referência de fornecedor. Mas a escolha de colocá-los em primeiro plano indica quem a Tencent acredita ser seu cliente: equipes que foram queimadas por modelos que demonstram bem e fabricam com confiança na produção.
A matemática da implantação: um modelo 295B em um mundo 744B – em silício compatível com exportação
A história da confiabilidade está diretamente ligada à economia, e é aqui que a lacuna de codificação do Hy3 em relação ao GLM-5.2 começa a parecer uma negociação deliberada, em vez de uma perda.
GLM-5.2 é um MoE de aproximadamente 744 bilhões de parâmetros com cerca de 40 bilhões de parâmetros ativos por token; no FP8, somente seus pesos consomem cerca de 744 GB, tornando um nó 8x H200 o mínimo prático para atendimento de produção. Hy3, com um total de 295B de parâmetros, carrega uma pegada FP8 de menos de 300GB – menos da metade da memória, com aproximadamente metade dos parâmetros ativos por token gerando menor computação por solicitação. Para uma organização que decide o que hospedar por conta própria, essa é a diferença entre um nó altamente especificado e algo muito mais acessível, com espaço sobrando para cache e lote KV.
Também há uma ruga geopolítica no guia de implantação que vale a pena notar: a configuração de serviço recomendada da Tencent tem como alvo a da Nvidia H20-3e – a variante com memória aumentada do H20, a GPU Nvidia projetada especificamente para cumprir as restrições de exportação dos EUA para a China. Ao contrário do GLM-5.2, não há menção aos chips Huawei ou Ascend aqui. Em outras palavras, o modelo é dimensionado para que oito dos chips que as empresas chinesas podem comprar legalmente o sirvam com total precisão. Esse design baseado em restrições tem um efeito colateral conveniente para todos os outros: um modelo que funciona bem em silício deliberadamente limitado funciona ainda mais confortavelmente nos H100s, H200s e B200s disponíveis em data centers ocidentais, por meio de implantações padrão de vLLM e SGLang com decodificação especulativa MTP.
Adicione a licença Apache 2.0 — sem exclusões regionais, sem restrições de campo de uso — e a equação empresarial fica clara. O GLM-5.2 continua sendo a escolha aberta quando o desempenho de codificação é o único critério e um orçamento de 8x H200 está disponível. Hy3 se destaca em todos os outros lugares: cargas de trabalho de agentes com muitas ferramentas e pesquisas, aplicativos sensíveis à confiabilidade e organizações que desejam capacidade adjacente de fronteira sem infraestrutura em escala de fronteira. A questão em aberto é se as empresas ocidentais, agora que a barreira da licença desapareceu, irão tratar um modelo Tencent como um candidato sério – ou se a próxima actualização da Análise Artificial resolverá o debate sobre benchmark antes que a aquisição tenha a oportunidade.
Fonte ==> Cyberseo
