텐센트, 295B 오픈소스 MoE 모델 'Hy3' 공개…에이전트 코딩 특화

텐센트가 추론과 에이전트 코딩에 특화된 대형 MoE(혼합 전문가) 오픈소스 모델 'Hy3'를 허깅페이스 등에 공개했습니다.

총 파라미터 295B, 3.8B MTP 레이어로 구성되어 있지만 토큰당 활성화되는 파라미터는 21B에 불과합니다. 256K 컨텍스트를 지원하며 아파치 2.0 라이선스로 배포되었고, FP8 양자화 가중치도 함께 제공됩니다.

무엇을 할 수 있나

Hy3는 단순 벤치마크 점수 경쟁보다 프로덕션 환경의 실무 에이전트 작업에 초점을 맞췄습니다.

소프트웨어 코딩, 프론트엔드 UI 설계, CI/CD 파이프라인 자동화, 데이터 분석 및 사무 보고서 작성 등에 강력합니다. 프롬프트 기반의 Vibe Coding 방식으로 완성도 높은 웹 애플리케이션이나 간단한 게임을 직접 구축하는 것도 가능합니다.

270명의 사내 전문가가 실제 업무 과제로 진행한 블라인드 평가에서 Hy3는 4점 만점에 2.67점을 기록하며 GLM-5.1(2.51점)을 앞섰습니다. 특히 프론트엔드 개발, 스토리지 데이터 처리, CI/CD 작업에서 우위가 두드러졌습니다.

코드 벤치마크에서도 SWE-bench Verified 78점, SWE-bench Pro 57.9점, GPQA Diamond 90.4점을 기록했습니다. 또한 CodeBuddy, Cline, KiloCode 등 서로 다른 에이전트 도구 환경 간의 정확도 편차를 4% 이내로 유지해 환경 변화에 강한 모습을 보입니다.

에이전트의 치명적 약점인 환각도 크게 개선했습니다. 실제 업무 시나리오 평가에서 환각 발생률은 12.5%에서 5.4%로 떨어졌고, 상식 오류율은 25.4%에서 12.7%로 감소했으며, 다중 턴 대화에서의 의도 이탈률도 7.9%로 낮아졌습니다.

어떻게 구동하나

활성 파라미터는 21B이지만 전체 모델 용량이 295B에 달하므로 구동 사양은 높은 편입니다.

FP8 양자화 버전을 사용하더라도 용량이 약 300GB에 이릅니다. 안정적인 프로덕션 서빙을 위해서는 H20-3e 등 대용량 메모리를 갖춘 8장의 GPU 환경이 권장됩니다.

서빙 엔진으로는 vLLM과 SGLang을 공식 지원하며, MTP 가속을 활성화할 수 있는 레시피가 준비되어 있습니다. 서버 실행 후에는 표준 OpenAI 호환 API로 호출할 수 있습니다.

파라미터 중 reasoning_effort 값을 no_think로 두면 일반 응답을 즉시 출력하고, 복잡한 수학이나 알고리즘 문제에서는 high로 설정해 깊은 생각 사슬을 거치도록 제어할 수 있습니다.

가중치와 파인튜닝 가이드는 허깅페이스, 모델스코프, 깃코드, CNB에서 내려받을 수 있습니다.

왜 중요한가

1조 개 이상의 파라미터를 가진 거대 모델들과 비교할 때, 실질 활성 파라미터 21B 수준으로 대등한 에이전트 코딩 성능을 내준다는 점은 비용 효율 면에서 상당한 강점입니다.

순위권 경쟁용 점수에 매몰되지 않고, 도구 호출의 문법 안정성과 장기 대화의 맥락 유지 같은 현업의 고질적인 문제를 정밀하게 다듬었다는 점에서 텐센트의 접근은 실용적입니다. 개인 워크스테이션에서 가볍게 돌릴 수 있는 크기는 아니지만, 사내 프라이빗 환경에 신뢰할 수 있는 개발 에이전트를 자체 구축하려는 팀에게 Hy3는 매력적인 대안이 될 것입니다.