Tencent Hy3 vs GLM-5.2: Ny Apache-model

Hy3 er en Mixture-of-Experts model (MoE), hvor kun en delmængde af parametrene aktiveres per forespørgsel. Det er samme arkitekturprincip som GLM-5.2 og de fleste nyere frontier-modeller bruger, fordi det giver bedre performance per beregningskrone end en tæt model af samme størrelse. Det interessante ved Hy3 er ikke arkitekturen i sig selv, men forholdet mellem størrelse og resultat: Tencent har fået en model, der fylder cirka det halve af GLM-5.2, til at matche eller slå den på flere centrale opgaver.

Det betyder konkret lavere krav til GPU-hukommelse ved selvhosting, hurtigere inferens og lavere driftsomkostninger for virksomheder, der kører modellen lokalt eller i egen cloud i stedet for at kalde en ekstern API. For enterprise-teams, der har kigget på selvhostede lokale AI-modeller som et alternativ til OpenAI eller Anthropic af hensyn til datasuverænitet, er det en model, der reelt kan køre på hardware, man allerede har adgang til.

På agentisk søgning, altså opgaver hvor modellen selv skal planlægge søgetrin, hente information og syntetisere et svar, vinder Hy3 klart. Det er en disciplin, der bliver stadig vigtigere i takt med at virksomheder bygger agenter, der skal navigere dokumenter, interne systemer og web i flere trin, frem for blot at besvare et enkelt spørgsmål ud fra en prompt.

På kodning er billedet omvendt. GLM-5.2 holder sig foran på generering og fejlretning af kode, hvilket stemmer med det generelle mønster: kodemodeller har typisk brug for mere rå parameterkapacitet og et skarpere trænet datasæt af kildekode for at ramme høj præcision på komplekse opgaver.

Det mest praktisk betydningsfulde ved lanceringen er licensen. Apache 2.0 er en af de mest permissive open source-licenser, der findes: den tillader kommerciel brug, modificering og videredistribution uden krav om at dele ændringer tilbage, og uden royalty. Kombineret med at Tencent ikke har lagt geografiske spærringer ind, kan europæiske virksomheder hente, køre og tilpasse Hy3 uden at skulle navigere eksportrestriktioner eller regionale adgangsbegrænsninger, som ellers har ramt flere kinesiske modeller.

Det har konkret betydning for virksomheder i brancher med skærpede krav til datahåndtering, for eksempel finans, sundhed og offentlig sektor, hvor data ikke må forlade EU eller skal kunne dokumenteres fuldt ud. En model, der kan selvhostes på egen lokal AI-infrastruktur under en fri licens, fjerner den usikkerhed, der ellers følger med at sende data til en ekstern API, uanset hvor godt den API'en performer.

Tencent oplyser, at Hy3 halverer hallucinationsraten sammenlignet med tidligere generationer. Det tal er vigtigere end det umiddelbart lyder, fordi hallucination er den fejlkilde, der oftest sætter en stopper for produktionssætning af sprogmodeller i virksomheder. En model kan score højt på generelle benchmarks og stadig blive kasseret, fordi den finder på fakta, citater eller tal i en kundevendt kontekst.

En halveret hallucinationsrate ændrer risikobilledet for netop de use cases, hvor Hy3 allerede vinder: agentisk søgning og syntese af information fra flere kilder. Her er hallucination den reelle flaskehals, ikke ren sproglig kvalitet, jf. AI-hallucinationer som fejlkilde. Kombinerer man den lavere fejlrate med den mindre modelstørrelse og den frie licens, peger Hy3 mod et sted, hvor open weight-modeller for alvor bliver konkurrencedygtige med lukkede API'er på andet end pris: nemlig på pålidelighed i produktion, hvor det tidligere har været den lukkede models bedste kort.