7月6日，腾讯新一代大模型Hy3正式开源，摩尔线程旗舰级AI训推一体智算卡MTT S5000于同日实现Day-0极速适配。这是国产大模型与国产算力协同的又一例证，展现了摩尔线程MUSA生态对前沿模型的即时响应与稳定支撑能力。

Hy3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

开发者可从如下链接拉取Hy3 SGLang-MUSA推理镜像

▼ registry.mthreads.com/mcconline/inference/sglang:v0.5.12.post1-ph1-4.3.5-torch2.9.0-latest

Hy3是由腾讯混元团队研发的快慢思考融合的混合专家模型，总参数量295B，激活参数21B，支持256K上下文长度。相比preview版本，它展现出显著强于同尺寸模型且比肩（参数规模2-5倍的）旗舰模型的智能水平。Hy3在软件开发、办公生产、金融建模、前端设计、游戏制作等生产力任务上的进步尤其显著，可以成为高性价比的可靠选择。依靠WorkBuddy、元宝、微信、AI游戏助手等真实业务场景的历练，产品稳定性与用户体验显著提升，腾讯丰富的真实业务场景与混元模型能力迭代形成了相互赋能的良性循环。

针对Hy3的能力特征，MTT S5000从硬件算力、软件栈到开源框架进行了全链路精准匹配与深度优化。

Agent与Coding场景：实现低延迟、高吞吐推理优化

摩尔线程基于此前对DeepSeek-V4、MiniMax M3.0、Kimi2.6、GLM-5.2等多款国产旗舰模型的Day-0适配经验，已形成一套高效、系统化的复杂推理任务优化方法论。依托muDNN、MATE高效算子库、Triton-MUSA编译优化及SGLang-MUSA框架层加速，在保障模型精度无损的前提下，显著提升了推理吞吐并降低了响应延迟。

复杂推理与长文理解：高密度算力与大显存提供坚实支撑

Hy3的256K超长上下文窗口，对推理阶段的KV Cache存储与访存带宽提出了极高要求。MTT S5000凭借硬件级原生FP8加速，配备大容量显存与高带宽，可为百万token级长序列提供了充足的缓存空间与卓越的数据吞吐能力。

摩尔线程将继续依托MUSA软件栈的生态兼容性，保持对前沿大模型的快速适配能力，以高性能国产算力基础设施，为开发者提供稳定可靠的AI算力支撑。