沐曦股份曦云C系列GPU产品深度适配腾讯混元混合专家模型Hy3

腾讯混元的Hy3模型正式发布了，而且这次是带着开源协议来的。更值得关注的是，沐曦股份的曦云C系列GPU在Day 0就完成了全链路适配——这意味着企业用沐曦的GPU跑Hy3，基本不需要额外写代码，直接就能用上代码生成、智能体调用、超长文档处理这些能力。

先说说Hy3本身的实力。相比之前的preview版本，这次升级相当明显。虽然参数规模没变，但智能水平已经能比肩那些参数体积大它2到5倍的旗舰模型。定价更便宜，稳定性和性价比也上来了。目前，Hy3已经在WorkBuddy、CodeBuddy、元宝、Marvis、ima这些产品里落地，API也上了腾讯云的TokenHub，后面还会陆续接入多个海外API平台。

沐曦这边，曦云C系列用的是自研GPU IP，能效比和通用性都不错，特别适合处理大模型那种超大规模参数和长上下文推理。配合他们自研的MXMACA全栈软件栈，能做到“发布即适配、上线即能用”——说是这么说，但从实际落地速度看，确实没打折扣。

说到MXMACA软件栈，这其实是沐曦从“能用”到“好用”的关键。它把底层驱动、用户态接口、编译器、算子适配、训练推理框架对接全串起来了，原生兼容PyTorch、TensorFlow、vLLM、SGLang这些主流框架，支持500多个AI模型稳定运行。传统模型适配周期被大幅缩短，这也是为什么沐曦能在短时间内把这么多模型跑通。

从2025年12月到现在，沐曦已经完成了29个主流顶尖模型的Day 0适配，覆盖了腾讯、智谱AI、阿里千问、阶跃星辰、百度飞桨、DeepSeek这些头部厂商，通用语言、多模态、OCR、机器翻译都没落下。适配速度、数量和生态广度，在国产GPU里都算前几。

未来，沐曦还会继续迭代硬件和软件，深化和国内AI企业的合作，打通“国产芯片-国产大模型-产业落地”的闭环。自主可控的高性能算力，这事儿确实在加速落地。

关于Hy3

Hy3的定位很有意思——它不是一味堆参数的“大而无当”型选手，而是试图在参数量和推理成本之间找到一个最优解。总参数295B，激活参数21B，支持256K上下文长度。4月23日发布的Hy3 preview，已经是混元重建后的第一个版本，在复杂推理、指令遵循、上下文学习、代码生成和智能体能力上，相比Hy2是一次质变。而这次正式版Hy3，通过进一步扩大后训练的算力规模、提升数据质量和多样性，在各类任务上又往前迈了一大步，以较小尺寸首次比肩国内外大尺寸旗舰模型。

在软件开发、办公生产、金融建模、前端设计、游戏制作这些生产力任务上，Hy3的进步尤其明显。内部组织270位专家基于真实工作场景做模型盲测，Hy3的均分2.67/4，优于GLM5.1的2.51/4，尤其在前端、数据与存储、CI/CD这些类别优势突出。

当然，榜单成绩不能完全代表实际体验。腾讯混元团队基于用户反馈，重点优化了几个体验向能力，产品侧反馈一致且积极：

：团队把基础底线问题大幅改善了，确保模型在各种工具设置和输出要求下都能达到生产级标准。工具调用时的错误恢复能力和效率明显提升。另外，Hy3增强了跨脚手架泛化性——不同脚手架（比如Codebuddy、Cline、KiloCode）在SWE Bench Verified上的分数标准差控制在4个百分点以内，这才是真正的生产级水准。

：内生知识和外部幻觉问题直接关系到真实体验，腾讯混元团队的做法是“有依据才回答、无依据明示缺失，多来源信息不乱拼，数据和状态不乱编”。基于这个原则，他们做了细粒度的数据清洗和训练约束。在基于真实产品的内部评测中，Hy3的幻觉率从12.5%降到5.4%，常识错误率从25.4%降到12.7%，“张冠李戴”、无中生有、逻辑矛盾这些问题明显减少。

：Hy3在SFT和RL阶段联合优化了指代消解、省略还原、多轮约束继承这些业务痛点。内部评测中，多轮问题率从17.4%降到7.9%。长对话理解基准上也有显著跨越，比如MRCR从42.9%提升到75.1%。整体输出更精炼，同时确保复杂意图在长程交互中不衰减、不跑偏。

模型得分

模型开源地址：

Github：https://github.com/Tencent-Hunyuan/Hy3

Hugging Face：https://huggingface.co/tencent/Hy3

ModelScope：https://modelscope.cn/models/Tencent-Hunyuan/Hy3

GitCode：https://ai.gitcode.com/tencent_hunyuan/Hy3

关于沐曦股份

沐曦股份专注做全栈高性能GPU芯片及计算平台，覆盖AI训练、推理、图形渲染、科学智能等场景。目标是提供“通用易用、稳定可靠”的算力支撑，成为数字经济发展的基石。