텐센트 Hy3 오픈모델 분석: 295B MoE, 에이전트·툴 호출 강점과 한계

핵심 메시지

• 텐센트가 프리뷰를 거쳐 오픈 웨이트 모델 Hy3의 완성판을 공개했고, 이는 텐센트가 프런티어 랩이자 오픈 생태계 참여자가 되겠다는 선언으로 읽힌다.
• Hy3는 2950억(295B) 파라미터 MoE에 활성 파라미터 210억(21B), 속도용 38.8억 파라미터 추측 디코딩 모델을 포함하며 컨텍스트는 256K다.
• 코딩만 원한다면 GLM 5.2가 대체로 앞서지만, Hy3는 도구 호출·출력 형식 등 실제 에이전트 작업 벤치마크에서 강점을 보인다.
• 가장 큰 차별점은 크기다. GLM 5.2의 절반을 훌쩍 밑도는 규모로 중간급(수백억~수천억) 모델과 경쟁하며, 사내 완전 로컬·잠금 구동에 적합하다.
• 텐센트가 벤치마크를 앞세우지 않아 '벤치마크 과최적화'가 아닐 가능성이 있고, 프리뷰 대비 환각·상식 오류율을 낮췄다고 밝혔다.

쉽게 이해하기

샘 위테빈은 텐센트가 한두 달 프리뷰를 거친 오픈 웨이트 모델 Hy3의 완성판을 공개했다며, 이 모델이 중요한 이유와 반대로 굳이 신경 쓸 필요가 없는 사용자층을 함께 짚었다. 그는 이 발표를 텐센트가 예전처럼 자사용 모델만 만드는 대신 알리바바(Qwen)나 Zai처럼 오픈 커뮤니티를 겨냥하고 프런티어 랩을 지향하겠다는 신호로 해석했다.

텐센트 소개도 곁들였다. 위챗(WeChat)이라는 사실상 유일한 '슈퍼앱'(미니앱·결제 등)과 클래시 오브 클랜을 만든 슈퍼셀을 소유한 게임 강자로, 강력한 딥러닝 팀이 그동안 주로 자사 필요를 위한 모델을 만들어 왔다는 것이다.

모델 사양은 2950억 파라미터 MoE에 활성 파라미터 210억, 여기에 전체 속도를 높이는 38.8억 파라미터 추측 디코딩(speculative decoding) 모델이 더해진다. 컨텍스트 창은 256K로 GLM 계열보다는 작다. 위테빈은 Hy3가 코딩 최강은 아니며, 텐센트 벤치마크 기준 GLM 5.1은 앞서지만 그사이 나온 GLM 5.2가 대다수 에이전트 코딩에서 앞선다고 전했다.

그럼에도 Hy3의 강점은 '동작하는 에이전트' 관련 벤치마크와, 무엇보다 GLM 5.2의 절반을 크게 밑도는 크기에 있다고 봤다. 즉 중간급 모델과 경쟁하는 체급으로 딥시크 계열과 견줘도 준수하며, 사내에 완전히 잠금·로컬로 두고 필요하면 파인튜닝해 감당 가능한 하드웨어에서 돌리려는 기업에 유용하다는 것이다. 현재 오픈라우터에서 2주간 무료로 쓸 수 있고 유료 버전 하나가 올라와 있다.

직접 테스트에서 그는 SVG '자전거 탄 펠리컨' 생성(약 1만2천 토큰 사고 끝에 준수한 결과, 프리뷰판보다 개선), 5천 단어 에세이(좋은 개요를 뽑되 실제 분량은 3천5백 단어 남짓에 그치고 모델 스스로 한 번에 5천 단어 생성이 어렵다고 언급), 논리 퍼즐(검증 단계 포함 정답), HTML 웹사이트 제작, RAG(Hy3가 응답·GLM 5.2가 심판), 도구 실패 상황에서 재시도하며 포기하지 않는 에이전트 테스트 등을 보여줬다. 무료 버전이라 첫 토큰까지 90초가 걸리는 등 속도 제약이 잦았다고 덧붙였다.

주요 인사이트

• 위테빈은 텐센트가 벤치마크를 전면에 내세우지 않는 점을 근거로, Hy3가 벤치마크 과최적화가 아니라 도구 호출·출력 형식처럼 실제로 쓰기 좋은 방향을 지향한 모델일 것으로 봤다.
• 프리뷰판 대비 환각과 상식 오류율이 함께 낮아졌는데, 이는 더 나은 사후 학습과 데이터 정제에서 온 것으로 보인다고 설명했다.
• Hy3의 장문 사고(chain of thought)는 품질이 높지만, 사고량을 끄거나 조절하는 제어 수단은 확인되지 않았다.
• 그는 수백억~수천억 파라미터의 '중간급' 오픈 모델이 늘어날수록 로컬 서빙에 대한 관심이 커질 것이며, 지금은 하드웨어가 비싸고 번거로워도 향후 12개월 내 나아질 것으로 전망했다.
• 코딩 전용 오픈 모델이 필요하다면 GLM 5.2를 권하고, 기존에 딥시크 플래시나 GLM 5.2로 돌리던 범용 에이전트라면 Hy3를 시험해 볼 만하다고 정리했다.

자주 묻는 질문

관련 AI 소식