เทนเซ็นท์เปิดโมเดลภาษาต้นแบบ Hy3 ใบอนุญาต Apache‑2.0 มีขนาดครึ่ง GLM‑5.2 ชนะทุกด้านยกเว้นการเขียนโค้ด

Lead paragraph บริษัทเทนเซ็นท์เปิดตัวโมเดลภาษาแบบเปิด‑source Hy3 ที่ใช้ใบอนุญาต Apache 2.0 อย่างเป็นทางการ หลังจากช่วงทดลองที่รับฟีดแบ็กจากทีมผลิตภัณฑ์มากกว่า 50 ทีม การเปลี่ยนแปลงไลเซนส์ทำให้องค์กรทั่วโลกสามารถนำไปใช้งานได้โดยไม่ต้องกังวลเรื่องข้อจำกัดด้านกฎหมาย โมเดลนี้มีขนาดใหญ่เพียงครึ่งหนึ่งของ GLM‑5.2 แต่ชนะในหลายเกณฑ์การประเมิน ยกเว้นงานเขียนโค้ด

Overview

Hy3 เป็นโมเดลประเภท Mixture‑of‑Experts (MoE) ที่รวมพารามิเตอร์ทั้งหมด 295 พันล้าน ตัว โดยมีพารามิเตอร์ที่ทำงานจริงต่อหนึ่งรอบการประมวลผลเพียง 21 พันล้าน ตัวผ่านกลไก “top‑8 routing” จากผู้เชี่ยวชาญ 192 ราย การออกแบบนี้ช่วยให้โมเดลสามารถจัดสรรคอมพิวต์ได้อย่างมีประสิทธิภาพแม้ขนาดโดยรวมใหญ่

การเปิดตัวครั้งแรกของ Hy3 เกิดขึ้นในเดือนเมษายน 2024 ภายใต้ใบอนุญาตที่จำกัด ซึ่งทำให้หลายบริษัทต้องหยุดใช้เนื่องจากข้อห้ามต่อสหภาพยุโรป สหราชอาณาจักร และเกาหลีใต้ หลังจากรับฟีดแบ็ก ทีม AI ของเทนเซ็นท์ได้ปรับเปลี่ยนไลเซนส์เป็น Apache 2.0 ซึ่งเป็นใบอนุญาตแบบ permissive ทำให้โมเดลนี้พร้อมใช้โดยองค์กรใดก็ได้ รวมถึงการเปิดให้ใช้งานฟรีบนแพลตฟอร์ม OpenRouter เป็นระยะเวลาสองสัปดาห์

Licensing & Release

การเปลี่ยนแปลงไลเซนส์ถือเป็น “จุดหมัก” สำหรับชุมชนโมเดลเปิด เนื่องจากก่อนหน้านี้หลายองค์กรต้องเผชิญกับข้อจำกัดทางกฎหมายที่ทำให้ทีมวิศวกรไม่สามารถทดสอบหรือปรับใช้ได้อย่างเต็มรูปแบบ การปล่อย Hy3 ภายใต้ Apache 2.0 ทำให้:

สามารถนำโมเดลไปใช้งานในผลิตภัณฑ์เชิงพาณิชย์โดยไม่มีข้อผูกมัด
ลดความเสี่ยงด้านกฎหมายสำหรับบริษัทที่มีการให้บริการใน EU, UK หรือเกาหลีใต้
ส่งเสริมการร่วมมือระหว่างนักวิจัยและผู้พัฒนาซอฟต์แวร์ทั่วโลก

ตามรายงานของเทนเซ็นท์ ทีม AI ได้รวบรวมฟีดแบ็กจาก กว่า 50 ทีมผลิตภัณฑ์ หลังการทดสอบเบต้า เพื่อนำมาปรับปรุงด้านการทำงานและความเสถียรของโมเดลก่อนเปิดตัวเต็มรูปแบบ

Technical Specs

รายละเอียดเชิงเทคนิคของ Hy3 มีดังนี้:

**พารามิเตอร์รวม: 295 พันล้าน
**พารามิเตอร์ที่ใช้งานจริงต่อ token: 21 พันล้าน (top‑8 routing)
**จำนวนผู้เชี่ยวชาญ (experts): 192 ราย
**เลเยอร์ Multi‑Token Prediction (MTP): 3.8 พันล้านพารามิเตอร์สำหรับการ decode แบบ speculative
**ขนาดบริบทสูงสุด: 256 K token

โครงสร้างพื้นฐานของ Hy3 ยังคงเหมือนเดิมตั้งแต่รุ่น preview โดยมีการปรับปรุงกระบวนการ post‑training เพื่อให้ได้ผลลัพธ์ที่แม่นยำและสอดคล้องกับความต้องการของผู้ใช้งานจริง

Performance Comparison

เทนเซ็นท์ได้ทำการเปรียบเทียบ Hy3 กับโมเดล GLM‑5.2 (รุ่นล่าสุดจาก Zhipu AI) ในหลายด้าน ผลการทดสอบแสดงให้เห็นว่า:

ด้าน coding GLM‑5.2 ยังคงครองตำแหน่งสูงสุด โดยคะแนน SWE‑bench Verified อยู่ที่ 84.2 เทียบกับ Hy3 ที่ 78.0
สำหรับ SWE‑bench Multilingual, GLM‑5.2 ได้ 83.0 ขณะที่ Hy3 ได้ 75.8
ในชุดทดสอบ Terminal‑Bench 2.1 และ DeepSWE GLM‑5.2 ตามลำดับได้คะแนน 81 และ 46.2, สูงกว่า Hy3 ที่ 71.7 และ 28.0

แม้จะอยู่ข้างหลังในด้านโค้ดดิ้ง แต่ Hy3 โดดเด่นในงานที่เน้นการค้นหาและประสานเครื่องมือ:

**BrowseComp: 84.2 (สูงสุดในกลุ่ม open‑source)
**DeepSearchQA: 91.0 (ใกล้เคียงกับ Claude Opus และ GPT‑5.5)
**MCP‑Atlas (tool orchestration): 79.1

ผลการทดสอบเหล่านี้บ่งชี้ว่า Hy3 เป็นตัวเลือกที่เหมาะสมที่สุดสำหรับงานประเภท “agentic search” หรือระบบอัตโนมัติที่ต้องใช้การค้นหาและเรียกใช้งานเครื่องมือหลายชนิดร่วมกัน

Reliability & Enterprise Appeal

ส่วนที่เทนเซ็นท์เน้นให้เห็นมากที่สุดคือ ความเชื่อถือได้ ของโมเดล แทนที่จะเพียงแค่คะแนนบน leaderboard โดยระบุอัตราการหลอน (hallucination) ลดลงจาก 12.5 % ในรุ่น preview เหลือ 5.4 % หลังการปรับปรุง นอกจากนี้:

อัตราข้อผิดพลาดด้านความเข้าใจเชิงสามัญลดจาก 25.4 % ไปเป็น 12.7 %
ปัญหาในบทสนทนาหลายรอบ (multi‑turn) ลดจาก 17.4 % เป็น 7.9 %

การทดสอบภายในบนชุดข้อมูล MRCR long‑dialogue ทำให้คะแนนของ Hy3 พุ่งขึ้นจาก 42.9 % เป็น 75.1 % ซึ่งแสดงถึงความก้าวหน้าในการจัดการบทสนทนาที่ต่อเนื่องและซับซ้อน อีกทั้งโมเดลยังคงรักษาความเสถียรเมื่อนำไปใช้ในสภาพแวดล้อมต่าง ๆ (เช่น Claude Code‑style harnesses, Cline หรือ KiloCode) โดยความแตกต่างของคะแนน SWE‑bench เพียงไม่กี่จุด

คุณสมบัติเหล่านี้ทำให้ Hy3 น่าสนใจต่อ ผู้ประกอบการระดับองค์กร ที่ต้องการโมเดล AI ที่มีอัตราผิดพลาดต่ำ สามารถประมวลผลข้อมูลยาว (256 K token) และรองรับงานที่ต้องใช้เครื่องมือหลายประเภทร่วมกันโดยไม่ต้องกังวลเรื่องข้อกำหนดทางกฎหมาย

Impact

การเปิดตัว Hy3 ภายใต้ Apache 2.0 ถือเป็นสัญญาณสำคัญว่าอุตสาหกรรม AI ของจีนเริ่มเคลื่อนเข้าสู่ระดับโลกที่ให้ความยืดหยุ่นด้านไลเซนส์มากขึ้น นอกจากนี้ การแสดงผลการทดสอบที่เน้นความเชื่อถือได้และต้นทุนการดำเนินงาน ช่วยลดช่องว่างระหว่างโมเดล “open‑weight” กับโซลูชันระดับ enterprise ที่เคยต้องพึ่งพาโมเดลจากบริษัทต่างประเทศ

แม้ว่า Hy3 จะยังไม่สามารถทัดเทียมกับ GLM‑5.2 ในการเขียนโค้ดโดยตรง แต่ความได้เปรียบในด้าน search, tool orchestration และ long‑context reasoning ทำให้มันเป็นตัวเลือกที่น่าสนใจสำหรับแอปพลิเคชันประเภท AI‑agent, ระบบค้นหาเชิงลึก หรือแพลตฟอร์มบริการข้อมูลขนาดใหญ่

Summary

เทนเซ็นท์ได้เปิดตัวโมเดลภาษา Hy3 ขนาด 295 พันล้านพารามิเตอร์ภายใต้ใบอนุญาต Apache 2.0 ทำให้การนำไปใช้ในองค์กรทั่วโลกเป็นเรื่องง่ายยิ่งขึ้น แม้จะยังตามไม่ทัน GLM‑5.2 ในงานโค้ดดิ้ง แต่ Hy3 โดดเด่นด้านการค้นหา การประสานเครื่องมือ และความเชื่อถือได้สูง ซึ่งอาจส่งผลต่อการเลือกใช้งาน AI ของบริษัทระดับใหญ่ในอนาคต