Tencent Hy3 공개, 작지만 에이전트 작업을 노린 오픈소스 모델

728x90

Tencent가 Hy3를 정식 공개했어요. 4월 말 preview 이후 50개 이상 제품에서 나온 피드백을 반영했고, Apache 2.0 라이선스로 GitHub과 Hugging Face 등에 모델을 올렸어요. 핵심은 단순 벤치마크 점수보다 실제 업무형 에이전트 작업, 도구 호출 안정성, 비용을 함께 밀어붙였다는 점이에요. 1

핵심 요약

구분	핵심	왜 볼 만한가요
모델 공개	Tencent가 Hy3를 Apache 2.0 라이선스로 공개했어요	중국 대형 플랫폼의 오픈소스 LLM 경쟁이 더 촘촘해지고 있어요
실무 평가	270명 전문가 블라인드 평가에서 Hy3가 2.67/4를 기록했어요	프론트엔드, 데이터·스토리지, CI/CD 같은 개발 업무를 강하게 내세웠어요
신뢰성	내부 평가에서 환각률이 12.5%에서 5.4%로 낮아졌다고 밝혔어요	기업 제품에 붙는 모델은 답변 품질보다 오류 복구와 형식 안정성이 더 크게 체감돼요
비용	API 가격은 100만 토큰당 입력 1 RMB, 출력 4 RMB예요	저렴한 오픈소스 모델 API가 늘면 에이전트형 제품의 실험 비용이 낮아져요

1. Tencent는 Hy3를 성능보다 제품 투입 관점으로 설명했어요

Tencent가 공개한 Hy3는 Hy3 preview의 후속 모델이에요. 회사는 preview 공개 뒤 50개 이상 제품에서 나온 피드백을 모았고, 더 좋은 후훈련 데이터와 강화학습으로 모델을 다듬었다고 설명해요. 비슷한 크기 모델보다 높은 성능을 목표로 하며, 파라미터가 2~5배 많은 플래그십 오픈소스 모델과도 경쟁할 수 있는 수준이라고 주장했어요. 2

흥미로운 부분은 비교 지점이에요. Tencent는 Hy3를 단순 대화 모델보다 생산성 모델에 가깝게 배치했어요. 코딩, 오피스 작업, 금융 모델링, 프론트엔드 디자인, 게임 개발 같은 작업을 예로 들었고, 270명 전문가가 실제 업무 과제를 써서 블라인드 평가를 했다고 밝혔어요. 이 평가에서 Hy3는 2.67점, GLM-5.1은 2.51점을 받았어요. 차이는 프론트엔드 개발, 데이터·스토리지, CI/CD 작업에서 더 컸다고 해요. 2

기업 제품에 붙는 모델은 형식 안정성이 중요해요

Hy3 소개에서 가장 눈에 띄는 대목은 도구 호출과 출력 형식 안정성이에요. Tencent는 CodeBuddy, Cline, KiloCode 같은 서로 다른 에이전트 스캐폴딩에서 SWE-Bench Verified 정확도 변동 폭이 4% 이내였다고 밝혔어요. 모델이 특정 실행 환경에서만 잘 되는 게 아니라, 여러 도구 조합에서도 비슷하게 버티는지를 보여주려는 설명이에요. 2

환각 관련 숫자도 전면에 나왔어요. Tencent는 내부 실제 시나리오 평가에서 환각률이 12.5%에서 5.4%로 낮아졌고, 상식 오류율은 25.4%에서 12.7%로 내려갔다고 밝혔어요. 다회전 테스트의 이슈율도 17.4%에서 7.9%로 낮아졌다고 해요. 이 숫자는 외부 독립 평가가 아니라 회사가 공개한 내부 평가예요. 그래도 제품 팀이 어디를 문제로 봤는지 읽을 수 있어요. 긴 대화에서 지시를 놓치지 않는지, 근거가 없을 때 억지로 답하지 않는지, 출력 형식이 깨지지 않는지가 핵심이에요. 2

오픈소스와 낮은 API 가격을 함께 내세웠어요

Hy3는 Apache 2.0 라이선스로 공개됐어요. 공식 글은 GitHub, Hugging Face, ModelScope, AtomGit 링크를 함께 제시해요. API 가격은 100만 토큰 기준 입력 1 RMB, 출력 4 RMB, 캐시 입력 0.25 RMB로 안내됐어요. 2

이 조합은 개발자에게 꽤 직접적이에요. 모델 가중치를 내려받아 실험할 수 있고, API로도 싸게 붙여볼 수 있어요. 다만 로컬 모델이라고 부르기에는 여전히 무거운 편이에요. GeekNews 댓글에서도 295B 파라미터 규모와 GPU 메모리 요구량, DeepSeek 계열 모델의 KV 캐시 효율, 강한 양자화에서 얼마나 버틸지가 주요 쟁점으로 나왔어요. 실제 선택지는 벤치마크 표보다 배포 비용, 속도, 컨텍스트 길이, 에이전트 작업 실패율을 함께 봐야 해요. 1

왜 중요한가요

오픈소스 LLM 경쟁은 이제 “몇 점 더 높은가”만으로 설명하기 어려워졌어요. 제품에 넣는 팀은 모델이 코드를 잘 쓰는지뿐 아니라, 도구를 부를 때 JSON 형식이 깨지지 않는지, 긴 작업 중 의도를 놓치지 않는지, 오류가 났을 때 복구가 되는지를 봐요. Tencent가 Hy3 소개에서 WorkBuddy 같은 실제 제품 테스트와 토큰 효율을 강조한 이유도 여기에 있어요. 2

Hy3가 바로 개발자 표준 모델이 된다고 보기는 어려워요. 회사가 공개한 숫자는 내부 평가가 많고, Hacker News 댓글에서도 “벤치마크 최적화가 강한 것 아니냐”는 의심과 “실제 작업에서는 안정적이었다”는 평가가 같이 나왔어요. 그래서 Hy3의 의미는 당장 최고 모델 등장보다, 저렴한 오픈소스 모델들이 에이전트 제품의 하위 계층을 빠르게 차지하려는 흐름에 있어요. 작은 팀이라면 API 비용과 실패율을 직접 재면서 Claude, GPT, DeepSeek, Qwen 계열 모델과 나란히 테스트해 볼 만해요. 1

참고 자료

728x90