Tencent Hy3 er ute med Apache 2.0 – 295B parametre og 21B aktive

Tencent Hy3 er ute som åpen modell med Apache 2.0-lisens, 295 milliarder parametre og 21 milliarder aktive parametre. Det høres først ut som enda en stor modell i en uke som sikkert allerede har hatt tre andre store modeller, men lisensen gjør denne mer interessant enn størrelsen alene.

Reddit-tråden på LocalLLaMA peker på det viktigste: dette er ikke bare Hy3 Preview i ny emballasje. Det er non-preview-versjonen, og lisensen er endret fra en mer restriktiv community-lisens til Apache 2.0. For oss i Europa er det ganske vesentlig, siden den gamle lisensen ifølge tråden ikke var tillatt i EU, Storbritannia og Sør-Korea.

Jeg er alltid litt skeptisk når kinesiske modeller kommer med voldsomme benchmark-tabeller og store ord. Ikke fiendtlig skeptisk, bare den sunne varianten. Men når en modell faktisk legges ut med åpne vekter, praktiske deploy-oppskrifter og en lisens som ikke stenger ute halve verden, da er det verdt å se nærmere på hva som faktisk ligger der.

Hva er Tencent Hy3?

Tencent Hy3 er en Mixture-of-Experts språkmodell fra Tencent Hy Team. Ifølge modellkortet på Hugging Face har den 295 milliarder totale parametre, 21 milliarder aktive parametre per kall, 3,8 milliarder MTP-lagparametre og et kontekstvindu på 256K tokens.

MoE-oppsettet er poenget her. En modell kan ha enorm total størrelse, men bare aktivere en mindre del av parameterne for hvert token. Hy3 har 192 eksperter og aktiverer topp 8 av dem. Det betyr ikke at modellen plutselig blir liten, men det forklarer hvorfor Tencent kan snakke om en modell i 295B-klassen samtidig som den aktive beregningen ligger rundt 21B.

Dette er oppfølgeren til Hy3 Preview, som kom i slutten av april. Per 6. juli 2026 er dette den ordinære Hy3-utgivelsen, ikke bare en ny runde med preview-støy. Tencent skriver at de etter preview-perioden hentet inn tilbakemeldinger fra mer enn 50 produktteam, forbedret post-training-pipelinen og jobbet med problemer rundt oppgaveutførelse og interaksjon. Det er en viktig nyanse: saken handler ikke bare om at vektene er lastet opp. Den handler om at Hy3 nå er sluppet som den ordinære versjonen.

Jeg skrev tidligere om hvorfor Hy3 dukket opp høyt på OpenRouter-rangeringene. Den saken handlet om at modellen allerede var mer synlig i bruk enn i omtale. Denne gangen er nyheten mer konkret: vektene er ute, FP8-varianten er ute, og lisensen er endret.

Hvorfor betyr Apache 2.0 så mye?

Apache 2.0 betyr at Hy3 kan brukes langt friere enn en spesiallisens med geografiske og kommersielle begrensninger. Hugging Face-siden viser nå license: apache-2.0, og modellkortet sier eksplisitt at Hy3 er utgitt under Apache License 2.0.

Dette er egentlig den mest praktiske delen av nyheten. En modell kan være teknisk imponerende, men hvis lisensen gjør at du ikke kan bruke den lovlig der du bor, er den mer interessant for Twitter enn for arbeid. Apache 2.0 flytter Hy3 fra “spennende, men sjekk advokat først” til “dette kan faktisk vurderes i prosjekter”. Jeg har også skrevet en bredere guide til open source AI og åpne vekter, og lisensen er ofte forskjellen på demo og drift.

Det betyr ikke at alle bør hive den inn i produksjon i morgen. Du må fortsatt vurdere datasikkerhet, drift, kvalitet, support, modellens oppførsel og hva slags krav kunden eller organisasjonen har. Men lisensen fjerner en stor praktisk sperre. For europeiske utviklere og småbedrifter er det forskjellen på å kunne eksperimentere seriøst og å bare stå utenfor vinduet og myse.

Det er også en liten trend her. Tencent slapp nylig Hy-MT2 som oversettelsesmodell med tre størrelser, og der var lisensen også en del av det praktiske poenget. Når flere kinesiske modellutgivelser går mot Apache 2.0, blir konkurransen mot Qwen, DeepSeek, MiniMax og resten mer reell for folk som faktisk bygger ting. Google gjorde noe av det samme med Gemma 4 og Apache 2.0, så dette er en lisensretning det er verdt å følge.

Kan Hy3 kjøres lokalt?

Ja, men dette er ikke en “last ned og kjør på laptoppen”-modell. Tencent anbefaler i deploy-delen av modellkortet å bruke vLLM eller SGLang, og skriver at servering på 8 GPU-er bør bruke H20-3e eller andre GPU-er med stor minnekapasitet.

Det er her noen av Reddit-kommentarene blir nyttige, selv om de må leses som community-vurderinger og ikke fasit. Flere peker på at minne og minnebåndbredde blir den praktiske begrensningen. Én kommentar anslår at en 4-bit kvantisert variant kan ende rundt 150 GB. Det er ikke et offisielt tall fra Tencent, men det gir en grei magefølelse: Hy3 er for kraftige lokale oppsett, servere og entusiaster med mer maskinvare enn gjennomsnittet.

FP8-varianten gjør likevel saken mer praktisk enn en ren BF16-utgivelse. Hugging Face-samlingen viser både tencent/Hy3 og tencent/Hy3-FP8. FP8 betyr ikke automatisk at alle kan kjøre den hjemme, men det gjør deploy-regnestykket mindre håpløst for dem som har seriøs GPU-kapasitet.

For vanlige brukere er det kanskje mer relevant å vente på GGUF, server-hostede varianter eller API-tilgang via leverandører som pakker modellen inn. Det er samme praktiske spørsmål som i saken om Qwen3.6-27B i NVFP4: format, maskinvare og støtte betyr mer enn en flott modellside. En åpen modell blir ikke praktisk før den finnes i formatene folk faktisk bruker. Akkurat nå er dette mest interessant for de som allerede vet hva vLLM, SGLang, tensor-parallel og kvantisering betyr.

Hva påstår Tencent at Hy3 er god på?

Tencent fremhever spesielt agentoppgaver, produktivitetsarbeid, koding, dokumentbehandling, finansiell analyse, spillutvikling og frontend-design. Modellkortet sier også at Hy3 skal ha bedre verktøykall, bedre output-formattering og færre problemer med hallucinations enn preview-versjonen.

Det konkrete tallet jeg merker meg er at Tencent oppgir en intern hallucination-rate som falt fra 12,5 prosent til 5,4 prosent, og commonsense-feil som falt fra 25,4 prosent til 12,7 prosent. De oppgir også at et internt multi-turn-problemfall gikk fra 17,4 prosent til 7,9 prosent, og at MRCR-resultatet økte fra 42,9 prosent til 75,1 prosent.

Dette er interessante tall, men de er fortsatt leverandørens egne tall. Det er ikke det samme som at modellen plutselig er trygg, korrekt eller bedre enn alt annet i reell bruk. Jeg liker best når communityet får tak i vektene, lager egne kvantiseringer, kjører modellen i rare oppsett og finner ut hva den faktisk tåler. Da kommer sannheten ofte ganske fort.

Reddit-tråden har allerede den riktige blandingen av entusiasme og skepsis. Noen ser Hy3 som en mulig erstatter for Qwen- og MiniMax-modeller i tunge lokale oppsett. Andre synes tallene ser nesten for gode ut. Det er sunt. Åpne modeller blir ikke bevist av en pen tabell, men av mange små tester i hendene på folk som prøver å få ekte arbeid gjort.

Hva bør norske brukere gjøre nå?

Hvis du er vanlig AI-bruker, ville jeg ikke brukt energi på å laste ned Hy3 i dag. Følg heller med på om modellen dukker opp hos inference-tilbydere, OpenRouter-lignende tjenester, ferdige lokale pakker eller GGUF-bygg som faktisk fungerer i verktøyene du bruker.

Hvis du driver med lokal AI, er saken mer interessant. Da er Apache 2.0-lisensen, FP8-varianten, 256K kontekst og MoE-oppsettet konkrete ting å følge med på. Det er også verdt å teste den mot de oppgavene du faktisk bryr deg om, ikke bare mot leaderboard-tall. Koding, verktøykall og lange samtaler er områder der små forskjeller i oppførsel kan bety mer enn en prosent her og der på en benchmark.

For SMB-er er mitt råd enda mer jordnært: ikke velg modell fordi den er ny. Velg modell fordi den løser et konkret problem med akseptabel kvalitet, pris, drift og risiko. Hy3 kan bli relevant hvis den kommer i praktiske tjenester eller hvis du har behov for å kjøre en stor åpen modell selv. Men for de fleste bedrifter er “kan vi bruke dette uten å bygge en liten datasenter-hobby?” det første spørsmålet.

Jeg synes likevel dette er en god nyhet for markedet. Ikke fordi Tencent automatisk fortjener applaus, og ikke fordi alle bør stole blindt på modellen. Men fordi en stor, konkurransedyktig modell med Apache 2.0-lisens presser hele feltet i riktig retning: mer valgfrihet, færre låste dører og mer reell konkurranse.

Det viktigste er ikke størrelsen

295B ser voldsomt ut. 21B aktive parametere er teknisk interessant. 256K kontekst er nyttig, men ikke lenger sjokkerende i 2026. Det som gjør Hy3 verdt en egen sak, er kombinasjonen: stor MoE-modell, åpen vektutgivelse, FP8-variant, deploy-oppskrifter og Apache 2.0.

Det er den pakken som gjør at Hy3 kan bli mer enn en modell folk diskuterer i en tråd og glemmer uken etter. Nå får utviklere faktisk noe de kan hente ned, teste, kvantisere, sammenligne og eventuelt bygge videre på. Så får vi se om virkeligheten holder følge med tallene.

Min foreløpige lesning er enkel: Hy3 er verdt å følge, men ikke verdt å tro på ukritisk. Det er akkurat der åpne modeller bør være. Slipp vektene, slipp lisensen løs, og la folk finne ut om modellen holder. Tallene kan starte samtalen. Bruken avgjør resten.

Ofte stilte spørsmål