Hy3 preview는 재구축한 인프라에서 학습한 Tencent Hy의 첫 번째 Hy3 모델입니다. 제작사는 총 파라미터 295B개, 활성 파라미터 21B개, 3.8B 규모의 다중 토큰 예측 계층을 갖춘 전문가 혼합(MoE) 아키텍처를 명시합니다. 모델은 서면 프롬프트와 대화를 입력받아 추론, 코딩, 지시 기반 작업을 위한 텍스트를 생성합니다.
공개된 백본은 80개 계층, 쿼리 헤드 64개와 키/값 헤드 8개의 그룹 쿼리 어텐션, 토큰당 8개가 활성화되는 192개의 전문가로 구성됩니다. 컨텍스트 창은 256K입니다. 이 사양은 preview 버전에 해당합니다. 이후의 Hy3 릴리스는 사후 학습과 제품 동작이 달라지므로 이름이 같은 모델로 취급할 수 없습니다.
제작사가 강조하는 기능은 STEM과 추론에서 시작합니다. 분석 문제에서는 전제, 관찰 내용, 답변 형식을 제공하세요. 결론과 함께 이를 평가하는 데 필요한 단계를 요청하세요. 코드 작업에는 현재 구현, 예상 동작, 실제 실패 정보를 포함하여 제안된 변경이 명확한 문제를 해결하도록 하세요.
컨텍스트 학습과 지시 이행도 이 릴리스의 핵심입니다. 모델이 적용해야 할 규칙과 질문에 관련된 섹션을 긴 자료와 함께 준비하세요. 출처와 연결된 결과를 요청하고 후속 대화에서도 중요한 제약 조건이 계속 드러나도록 유지하세요. 이렇게 하면 제공한 맥락을 올바르게 적용한 결과와 명시되지 않은 가정에 근거한 답변을 구분할 수 있습니다.
코딩 또는 검색 에이전트 워크플로에서는 애플리케이션이 도구를 제공하고 그 결과를 반환합니다. 모델은 다음 상호작용을 제안하고, 그에 따른 관찰 결과를 다음 단계에 활용합니다. 유용한 최종 결과물은 제안된 변경이나 조사 결과, 그리고 애플리케이션에서 사용하기 전에 여전히 확인해야 할 근거를 명시합니다.
제조사의 예시에는 직접 응답의 기본 선택값인 no_think와 함께 low 및 high가 나열되어 있으며, 설명 가이드는 복잡한 추론에 high를 권장합니다. 샘플링 가이드는 temperature 0.9와 top-p 1.0을 사용합니다. 이는 제작사의 설정이며 특정 통합에서 선택적 제어 기능을 사용할 수 있다는 보장은 아닙니다. 별도로 명명된 사전 학습 base, instruct preview 및 변환된 아티팩트는 각각의 식별 정보를 유지합니다.
", "aboutText": "Hy3 preview는 재구축한 인프라에서 학습한 Tencent Hy의 첫 번째 Hy3 모델입니다. 제작사는 총 파라미터 295B개, 활성 파라미터 21B개, 3.8B 규모의 다중 토큰 예측 계층을 갖춘 전문가 혼합(MoE) 아키텍처를 명시합니다. 모델은 서면 프롬프트와 대화를 입력받아 추론, 코딩, 지시 기반 작업을 위한 텍스트를 생성합니다.\n\n공개된 백본은 80개 계층, 쿼리 헤드 64개와 키/값 헤드 8개의 그룹 쿼리 어텐션, 토큰당 8개가 활성화되는 192개의 전문가로 구성됩니다. 컨텍스트 창은 256K입니다. 이 사양은 preview 버전에 해당합니다. 이후의 Hy3 릴리스는 사후 학습과 제품 동작이 달라지므로 이름이 같은 모델로 취급할 수 없습니다.\n\n제작사가 강조하는 기능은 STEM과 추론에서 시작합니다. 분석 문제에서는 전제, 관찰 내용, 답변 형식을 제공하세요. 결론과 함께 이를 평가하는 데 필요한 단계를 요청하세요. 코드 작업에는 현재 구현, 예상 동작, 실제 실패 정보를 포함하여 제안된 변경이 명확한 문제를 해결하도록 하세요.\n\n컨텍스트 학습과 지시 이행도 이 릴리스의 핵심입니다. 모델이 적용해야 할 규칙과 질문에 관련된 섹션을 긴 자료와 함께 준비하세요. 출처와 연결된 결과를 요청하고 후속 대화에서도 중요한 제약 조건이 계속 드러나도록 유지하세요. 이렇게 하면 제공한 맥락을 올바르게 적용한 결과와 명시되지 않은 가정에 근거한 답변을 구분할 수 있습니다.\n\n코딩 또는 검색 에이전트 워크플로에서는 애플리케이션이 도구를 제공하고 그 결과를 반환합니다. 모델은 다음 상호작용을 제안하고, 그에 따른 관찰 결과를 다음 단계에 활용합니다. 유용한 최종 결과물은 제안된 변경이나 조사 결과, 그리고 애플리케이션에서 사용하기 전에 여전히 확인해야 할 근거를 명시합니다.\n\n제조사의 예시에는 직접 응답의 기본 선택값인 no_think와 함께 low 및 high가 나열되어 있으며, 설명 가이드는 복잡한 추론에 high를 권장합니다. 샘플링 가이드는 temperature 0.9와 top-p 1.0을 사용합니다. 이는 제작사의 설정이며 특정 통합에서 선택적 제어 기능을 사용할 수 있다는 보장은 아닙니다. 별도로 명명된 사전 학습 base, instruct preview 및 변환된 아티팩트는 각각의 식별 정보를 유지합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Calculate a two-stage mixture\n\nA tank contains 40 liters of a 10% salt solution. Remove 10 liters of well-mixed solution, then add 10 liters of pure water. Calculate the final salt concentration. Show salt and total volume after each stage and state the uniform-mixing assumption. Finish with the concentration as a percentage rather than an unlabeled decimal.A two-stage mass-balance table and a final percentage with the mixing assumption stated.The removal subtracts salt in the original concentration, while adding pure water changes volume but not salt mass.tencent/hy3-previewTencent의 Hy3 preview는 총 파라미터 295B개, 활성 파라미터 21B개, 컨텍스트 256K의 MoE 텍스트 모델입니다. STEM 추론, 컨텍스트 학습, 지시 수행, 코딩, 에이전트 작업을 대상으로 하며, 제작사의 예시에는 직접 응답과 사고 모드 선택이 포함됩니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Hy3 preview는 재구축한 인프라에서 학습한 Tencent Hy의 첫 번째 Hy3 모델입니다. 제작사는 총 파라미터 295B개, 활성 파라미터 21B개, 3.8B 규모의 다중 토큰 예측 계층을 갖춘 전문가 혼합(MoE) 아키텍처를 명시합니다. 모델은 서면 프롬프트와 대화를 입력받아 추론, 코딩, 지시 기반 작업을 위한 텍스트를 생성합니다.
공개된 백본은 80개 계층, 쿼리 헤드 64개와 키/값 헤드 8개의 그룹 쿼리 어텐션, 토큰당 8개가 활성화되는 192개의 전문가로 구성됩니다. 컨텍스트 창은 256K입니다. 이 사양은 preview 버전에 해당합니다. 이후의 Hy3 릴리스는 사후 학습과 제품 동작이 달라지므로 이름이 같은 모델로 취급할 수 없습니다.
제작사가 강조하는 기능은 STEM과 추론에서 시작합니다. 분석 문제에서는 전제, 관찰 내용, 답변 형식을 제공하세요. 결론과 함께 이를 평가하는 데 필요한 단계를 요청하세요. 코드 작업에는 현재 구현, 예상 동작, 실제 실패 정보를 포함하여 제안된 변경이 명확한 문제를 해결하도록 하세요.
컨텍스트 학습과 지시 이행도 이 릴리스의 핵심입니다. 모델이 적용해야 할 규칙과 질문에 관련된 섹션을 긴 자료와 함께 준비하세요. 출처와 연결된 결과를 요청하고 후속 대화에서도 중요한 제약 조건이 계속 드러나도록 유지하세요. 이렇게 하면 제공한 맥락을 올바르게 적용한 결과와 명시되지 않은 가정에 근거한 답변을 구분할 수 있습니다.
코딩 또는 검색 에이전트 워크플로에서는 애플리케이션이 도구를 제공하고 그 결과를 반환합니다. 모델은 다음 상호작용을 제안하고, 그에 따른 관찰 결과를 다음 단계에 활용합니다. 유용한 최종 결과물은 제안된 변경이나 조사 결과, 그리고 애플리케이션에서 사용하기 전에 여전히 확인해야 할 근거를 명시합니다.
제조사의 예시에는 직접 응답의 기본 선택값인 no_think와 함께 low 및 high가 나열되어 있으며, 설명 가이드는 복잡한 추론에 high를 권장합니다. 샘플링 가이드는 temperature 0.9와 top-p 1.0을 사용합니다. 이는 제작사의 설정이며 특정 통합에서 선택적 제어 기능을 사용할 수 있다는 보장은 아닙니다. 별도로 명명된 사전 학습 base, instruct preview 및 변환된 아티팩트는 각각의 식별 정보를 유지합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 tencent/hy3-preview | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00036 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00012 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00036 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00012 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "tencent/hy3-preview", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='tencent/hy3-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='tencent/hy3-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra tencent/hy3-preview
위에 표시된 메서드 경로를 사용하세요.
tencent/hy3-previewTencent의 Hy3 preview는 총 파라미터 295B개, 활성 파라미터 21B개, 컨텍스트 256K의 MoE 텍스트 모델입니다. STEM 추론, 컨텍스트 학습, 지시 수행, 코딩, 에이전트 작업을 대상으로 하며, 제작사의 예시에는 직접 응답과 사고 모드 선택이 포함됩니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Hy3 preview는 재구축한 인프라에서 학습한 Tencent Hy의 첫 번째 Hy3 모델입니다. 제작사는 총 파라미터 295B개, 활성 파라미터 21B개, 3.8B 규모의 다중 토큰 예측 계층을 갖춘 전문가 혼합(MoE) 아키텍처를 명시합니다. 모델은 서면 프롬프트와 대화를 입력받아 추론, 코딩, 지시 기반 작업을 위한 텍스트를 생성합니다.
공개된 백본은 80개 계층, 쿼리 헤드 64개와 키/값 헤드 8개의 그룹 쿼리 어텐션, 토큰당 8개가 활성화되는 192개의 전문가로 구성됩니다. 컨텍스트 창은 256K입니다. 이 사양은 preview 버전에 해당합니다. 이후의 Hy3 릴리스는 사후 학습과 제품 동작이 달라지므로 이름이 같은 모델로 취급할 수 없습니다.
제작사가 강조하는 기능은 STEM과 추론에서 시작합니다. 분석 문제에서는 전제, 관찰 내용, 답변 형식을 제공하세요. 결론과 함께 이를 평가하는 데 필요한 단계를 요청하세요. 코드 작업에는 현재 구현, 예상 동작, 실제 실패 정보를 포함하여 제안된 변경이 명확한 문제를 해결하도록 하세요.
컨텍스트 학습과 지시 이행도 이 릴리스의 핵심입니다. 모델이 적용해야 할 규칙과 질문에 관련된 섹션을 긴 자료와 함께 준비하세요. 출처와 연결된 결과를 요청하고 후속 대화에서도 중요한 제약 조건이 계속 드러나도록 유지하세요. 이렇게 하면 제공한 맥락을 올바르게 적용한 결과와 명시되지 않은 가정에 근거한 답변을 구분할 수 있습니다.
코딩 또는 검색 에이전트 워크플로에서는 애플리케이션이 도구를 제공하고 그 결과를 반환합니다. 모델은 다음 상호작용을 제안하고, 그에 따른 관찰 결과를 다음 단계에 활용합니다. 유용한 최종 결과물은 제안된 변경이나 조사 결과, 그리고 애플리케이션에서 사용하기 전에 여전히 확인해야 할 근거를 명시합니다.
제조사의 예시에는 직접 응답의 기본 선택값인 no_think와 함께 low 및 high가 나열되어 있으며, 설명 가이드는 복잡한 추론에 high를 권장합니다. 샘플링 가이드는 temperature 0.9와 top-p 1.0을 사용합니다. 이는 제작사의 설정이며 특정 통합에서 선택적 제어 기능을 사용할 수 있다는 보장은 아닙니다. 별도로 명명된 사전 학습 base, instruct preview 및 변환된 아티팩트는 각각의 식별 정보를 유지합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 tencent/hy3-preview | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00036 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00012 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.00036 / 1K 토큰 출력 · 출력 토큰 $0.0012 / 1K 토큰 입력 · 캐시 읽기 $0.00012 / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "tencent/hy3-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'tencent/hy3-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'tencent/hy3-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra tencent/hy3-preview
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
Calculate a two-stage mixture\n\nA tank contains 40 liters of a 10% salt solution. Remove 10 liters of well-mixed solution, then add 10 liters of pure water. Calculate the final salt concentration. Show salt and total volume after each stage and state the uniform-mixing assumption. Finish with the concentration as a percentage rather than an unlabeled decimal.A two-stage mass-balance table and a final percentage with the mixing assumption stated.The removal subtracts salt in the original concentration, while adding pure water changes volume but not salt mass.