تنسنت Hy3: دليل المطور لنموذج MoE مفتوح المصدر بـ 295 مليار معامل

أطلقت تنسنت نموذج Hy3 في السادس من يوليو 2026 — نموذج Mixture-of-Experts بـ 295 مليار معامل إجمالي لا يُفعِّل سوى 21 مليار معامل لكل رمز، يُشحن تحت رخصة Apache 2.0، ويُحقق 78.0 على معيار SWE-Bench Verified. ينضم هذا النموذج إلى القائمة القصيرة من النماذج مفتوحة المصدر التي تُنافس الأنظمة المغلقة الرائدة بصدق في مهام البرمجة والاستدلال.

يغطي هذا الدليل البنية التقنية والمعايير القياسية والنشر العملي مع أمثلة TypeScript.

ما هو Hy3؟

Hy3 (Hunyuan 3) هو أحدث نموذج استدلال ووكيل مفتوح من تنسنت. المواصفات الرئيسية:

• 295 مليار معامل إجمالي، 21 مليار معامل نشط لكل رمز عبر MoE خفيف
• 192 خبيراً مع توجيه top-8 — يُطلق 8 خبراء فقط لكل رمز
• طبقة Multi-Token Prediction بـ 3.8 مليار معامل للتسريع بالتخمين
• نافذة سياق 256K لقواعد الأكواد الكبيرة والمستندات الطويلة
• دقة BF16 مع نسخة FP8 لتقليل متطلبات الذاكرة
• رخصة Apache 2.0 — تجارية ومفتوحة عالمياً

تصميم MoE هو مفتاح كفاءة التكلفة: كل تمرير للأمام يُفعّل معاملات أقل بكثير من العدد الإجمالي. تحصل على جودة أقرب إلى نموذج كثيف بـ 295 مليار معامل مع دفع تكاليف استنتاج أقرب إلى نموذج بـ 21 مليار معامل.

المعايير القياسية

يُسجل Hy3 نتائج قوية عبر البرمجة والاستدلال وتقييمات الوكلاء:

في تحسينات موثوقية تنسنت بين معاينة أبريل والإصدار الرسمي في يوليو:

• انخفض معدل الهلوسة من 12.5% إلى 5.4%
• انخفض معدل أخطاء تتبع النية متعددة الأدوار من 17.4% إلى 7.9%

النشر الذاتي مع vLLM

يتطلب Hy3 ثماني وحدات GPU (NVIDIA H20-3e أو H200 أو AMD MI300X بذاكرة لا تقل عن 141 جيجابايت لكل وحدة). يستخدم النشر الرسمي vLLM.

الخيار الأول: Docker (الأسرع)

docker run --gpus all \
  -p 8000:8000 \
  --ipc=host \
  -e VLLM_FLASHINFER_ALLREDUCE_BACKEND=trtllm \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  vllm/vllm-openai:hy3 tencent/Hy3 \
    --tensor-parallel-size 8 \
    --tool-call-parser hy_v3 \
    --reasoning-parser hy_v3 \
    --enable-auto-tool-choice \
    --served-model-name hy3

الخيار الثاني: vLLM مباشرة مع MTP (موصى به)

يُسرع Multi-Token Prediction التوليد بالتنبؤ بعدة رموز في خطوة واحدة:

export VLLM_FLASHINFER_ALLREDUCE_BACKEND=trtllm
vllm serve tencent/Hy3 \
  --tensor-parallel-size 8 \
  --speculative-config.method mtp \
  --speculative-config.num_speculative_tokens 2 \
  --tool-call-parser hy_v3 \
  --reasoning-parser hy_v3 \
  --enable-auto-tool-choice \
  --served-model-name hy3

النشر على AMD MI300X

يضبط مستخدمو AMD متغيرات البيئة هذه قبل التشغيل:

export VLLM_ROCM_USE_AITER=1
export VLLM_ROCM_USE_AITER_MOE=1
export VLLM_ROCM_USE_AITER_MHA=1
export VLLM_ROCM_USE_AITER_RMSNORM=1
export VLLM_ROCM_USE_AITER_LINEAR=1
 
vllm serve tencent/Hy3 \
  --tensor-parallel-size 8 \
  --tool-call-parser hy_v3 \
  --reasoning-parser hy_v3 \
  --enable-auto-tool-choice \
  --served-model-name hy3 \
  --gpu-memory-utilization 0.90

التكامل مع TypeScript

يكشف Hy3 عن واجهة API متوافقة مع OpenAI، مما يعني أن مكتبة openai القياسية لـ TypeScript تعمل فوراً — فقط أشر baseURL إلى نقطة نهاية vLLM الخاصة بك.

التثبيت

npm install openai

استكمال الدردشة الأساسي

import OpenAI from "openai";
 
const client = new OpenAI({
  baseURL: "http://localhost:8000/v1",
  apiKey: "EMPTY",
});
 
const response = await client.chat.completions.create({
  model: "hy3",
  messages: [
    { role: "system", content: "أنت مساعد برمجة مفيد." },
    { role: "user", content: "اكتب دالة TypeScript لتحليل JSON بأمان." },
  ],
  temperature: 0.9,
  top_p: 1.0,
  max_tokens: 4096,
});
 
console.log(response.choices[0].message.content);

وضع الاستدلال العميق

للمهام المعقدة — إثباتات رياضية، قرارات معمارية، تصحيح الأخطاء الصعبة — فعّل التفكير المتسلسل مع reasoning_effort: "high":

const thinkingResponse = await client.chat.completions.create({
  model: "hy3",
  messages: [
    {
      role: "user",
      content: "صمّم مُحدِّد معدل موزع يستوعب 10,000 طلب في الثانية باستخدام Redis.",
    },
  ],
  temperature: 0.9,
  top_p: 1.0,
  max_tokens: 8192,
  // @ts-expect-error — Hy3-specific extra body
  extra_body: {
    chat_template_kwargs: {
      reasoning_effort: "high",
      interleaved_thinking: true,
    },
  },
});
 
const message = thinkingResponse.choices[0].message;
// @ts-expect-error — reasoning_content is Hy3-specific
console.log("التفكير:", message.reasoning_content);
console.log("الإجابة:", message.content);

أنماط reasoning_effort الثلاثة:

يسمح تعيين interleaved_thinking: true للنموذج بالتفكير بين استدعاءات الأدوات — مفيد للمهام متعددة الخطوات حيث يُحسّن الاستدلال المتوسط كل استدعاء أداة.

استدعاء الأدوات

يدعم Hy3 صيغة استدعاء الدوال القياسية لـ OpenAI:

const tools: OpenAI.ChatCompletionTool[] = [
  {
    type: "function",
    function: {
      name: "run_tests",
      description: "تنفيذ مجموعة الاختبارات وإرجاع النتائج",
      parameters: {
        type: "object",
        properties: {
          pattern: {
            type: "string",
            description: "نمط glob لملفات الاختبار",
          },
        },
        required: ["pattern"],
      },
    },
  },
];
 
const agentResponse = await client.chat.completions.create({
  model: "hy3",
  messages: [
    { role: "user", content: "شغّل جميع الاختبارات في مجلد src/ ولخّص الإخفاقات." },
  ],
  tools,
  tool_choice: "auto",
  // @ts-expect-error — Hy3-specific extra body
  extra_body: {
    chat_template_kwargs: {
      reasoning_effort: "high",
      interleaved_thinking: true,
    },
  },
});

نسخة FP8 لاستخدام ذاكرة أقل

للفرق ذات الميزانيات الأضيق من GPU، تُقلل نسخة FP8 من متطلبات الذاكرة مع مقايضة دقة طفيفة:

vllm serve tencent/Hy3-FP8 \
  --tensor-parallel-size 8 \
  --tool-call-parser hy_v3 \
  --reasoning-parser hy_v3 \
  --enable-auto-tool-choice \
  --served-model-name hy3-fp8

متى تختار Hy3؟

يناسب Hy3 الفرق التي تريد:

• التحكم الكامل في البيانات — نشر ذاتي، بدون بيانات تغادر بنيتك التحتية
• حرية تجارية — Apache 2.0، بدون قيود جغرافية
• مهام السياق الطويل — نافذة 256K تتعامل مع قواعد الأكواد الكبيرة والمستندات القانونية وأوراق البحث
• سير عمل الوكلاء — الاستدلال المتشابك مع استدعاءات الأدوات مصمم لوكلاء متعددي الخطوات
• كفاءة التكلفة — 21 مليار معامل نشط، تعني تكاليف استنتاج معقولة مقارنة بالجودة

القيد الرئيسي هو الأجهزة: ثماني وحدات GPU عالية الذاكرة تمثل استثماراً رأسمالياً حقيقياً.

خلاصة

Hy3 من تنسنت هو الخيار مفتوح المصدر الأقوى للبرمجة والاستدلال في مجالات العلوم والتكنولوجيا والهندسة والرياضيات اليوم. ترخيص Apache 2.0، وواجهة API متوافقة مع OpenAI، وعمق استدلال قابل للتكوين يجعله سهل التكامل مع أي مشروع TypeScript يستخدم OpenAI SDK. أشر baseURL إلى نقطة نهاية vLLM الخاصة بك وستكون جاهزاً في دقائق.

بطاقة النموذج ووصفات vLLM متاحة على github.com/Tencent-Hunyuan/Hy3.