腾讯发布Hy3：295B参数MoE模型，21B激活参数，Apache 2.0许可
评分
75提供了详细的参数规模、激活参数、上下文长度和开源信息，但缺少完整基准测试对比。
内容结构清晰、数据准确，但未引用官方技术报告或论文，依赖博客转载。
Apache 2.0许可和免费试用降低了使用门槛，对需要高性价比大模型的公司和研究者实用价值极高。
2026年7月6日发布的最新模型，时效性极佳。
来源Simon Willison是知名技术博主，信息源自腾讯官方Hugging Face页面和OpenRouter，但非一手官方新闻稿。
基础分 83 × T2 信源权重 ×0.9 = 75
精选线 70已入选精选
精选理由
信息增量高，但模型未提供详细技术报告和完整评测基准，打分为合理区间。
AI 点评
「这个模型的亮点是‘以小博大’——仅21B激活参数就敢叫板70B+模型，说明MoE路线在效率上确实厉害。对预算有限又想跑大模型的中小团队简直是福音。不过目前还没有看到独立评测，建议亲自在OpenRouter上跑几个任务验证一下。」
速览
腾讯Hy团队推出Hy3模型，295B参数MoE架构，仅21B激活参数，3.8B MTP层参数。基于4月预览版反馈，利用更高质量数据进行后训练，性能超越同规模模型，媲美2-5倍参数的开源旗舰模型。上下文长度256K，模型权重598GB（FP8量化版300GB）。即日起至7月21日在OpenRouter免费使用。
- 参数规模：295B总参数，21B激活参数，3.8B MTP层参数，MoE架构。
- 性能表现：超越同规模模型，媲美2-5倍参数的开源旗舰模型。
- 上下文长度：256K tokens。
- 开放许可：Apache 2.0，免费使用至7月21日（OpenRouter）。
正文
Hy3 是一个 295B 参数的混合专家（MoE）模型，拥有 21B 激活参数和 3.8B MTP 层参数，由腾讯 Hy 团队开发。继 4 月底发布 Hy3 Preview 后，我们收集了 50 多个产品的反馈，并使用更高质量的数据扩大了后训练规模。今天，我们推出 Hy3，它超越了同等规模的模型，并与参数规模大 2-5 倍的旗舰开源模型相媲美。在多个产品和生产力任务中也显示出显著的实用增益。
完整模型在 Hugging Face 上是 598GB，FP8 量化版本是 300GB。上下文长度为 256K。
它在 OpenRouter 上免费提供直到 7 月 21 日。我在那里让它“生成一只骑自行车的鹈鹕的 SVG”，得到了这个：
标签：ai, generative-ai, llms, pelican-riding-a-bicycle, llm-release, ai-in-china
相关条目
精选DeepSeek V4 在 OpenRouter 上的代币份额翻倍，智能体工作负载成主要驱动力
DeepSeek V4 的快速采用表明市场对高性能、低成本推理模型的强烈偏好，尤其是智能体场景将重塑 AI 部署格局。
91
精选启用两项设置使ARC-AGI-3基准测试分数提升三倍
这项发现太关键了！它表明模型的性能不仅取决于训练，还取决于推理时的配置。对于AI工程师和研究者来说，这是一个必须注意的优化方向。特别是那些在资源受限设备上部署模型的团队，可能会因此找到低成本提升能力的方法。
91
精选GPT-5.6：前沿智能与前沿效率的融合
这条消息值得关注，因为它标志着大模型竞争从单纯拼参数转向拼效率。对于AI开发者和企业决策者来说，GPT-5.6意味着可以用更少预算获得更高性能，尤其适合那些被推理成本挡在门外的长上下文或Agent场景。OpenAI这一步，可能重新定义‘前沿’的标准。
91
精选LFM2.5-Encoder：面向CPU快速长上下文推理的新模型
这篇博文让我眼前一亮，因为它直接解决了大模型在CPU上跑长上下文的痛点。对于没有高端GPU的团队或个人开发者，LFM2.5-Encoder系列提供了可立即使用的开源方案。尤其推荐给做RAG、文档搜索或代码分析的朋友——现在用普通服务器就能处理百万级token的文档了。
91
精选GPT-Red：OpenAI通过自我对弈实现AI红队自动化，提升模型鲁棒性
GPT-Red 是红队测试从人工到自动化的里程碑，特别适合安全工程师和对齐研究者关注。它直接降低了测试成本，但也引发了对“自动攻击”本身的伦理讨论——值得所有关注AI治理的人深入思考。
91
精选OpenAI推出GPT-5.5生物漏洞赏金计划
这个计划值得关注，因为它首次将AI漏洞赏金制度拓展到生物安全领域，不仅为安全社区提供了新的研究方向，也为AI风险治理提供了实际演练场。对模型安全研究者、生物安全专家以及关心AI双重用途的从业者尤其重要。
91
精选vLLM推出原生速度Transformers建模后端，大幅提升推理性能
这项更新对于AI工程团队非常关键：无需格式转换意味着能更快地迭代模型，而2-5倍的速度提升直接降低GPU成本。如果你正在做LLM在线服务或者批量推理，这几乎是必读的技术更新。
90
精选Google DeepMind 发布手语转文本模型 SL2T，助力聋人用户
这则消息的意义不仅在于技术突破，更在于AI开始真正关注边缘群体的需求。对开发者而言，SL2T的架构思路和技术路径值得深入研究；对无障碍倡导者来说，这是推动行业标准的重要案例。