Introdução
A Tencent acaba de remover uma das principais barreiras que impediam empresas ocidentais de adotar modelos de IA chineses de alta performance. Com o lançamento do Hy3, um modelo de 295 bilhões de parâmetros sob licença Apache 2.0, a gigante chinesa não apenas elimina restrições geográficas que bloqueavam seu uso na Europa, Reino Unido e Coreia do Sul, mas também entrega um modelo que supera concorrentes com o dobro do tamanho em várias tarefas críticas. Para empresas brasileiras que buscam alternativas open source competitivas aos modelos proprietários, essa mudança representa uma oportunidade significativa de acesso a tecnologia de ponta sem riscos legais ou custos proibitivos de infraestrutura.
A virada estratégica da licença Apache 2.0
Durante o último ano, um segredo incômodo pairava sobre o boom dos modelos open source: muitos dos lançamentos chineses mais poderosos eram legalmente inacessíveis para uma grande parcela das empresas interessadas. Termos de licença que excluíam União Europeia, Reino Unido e Coreia do Sul significavam que equipes jurídicas vetavam implementações antes mesmo que as equipes de engenharia terminassem suas avaliações. Isso afetava não apenas empresas sediadas nesses territórios, mas qualquer organização que servisse tráfego para essas regiões.
A decisão da Tencent de adotar a licença Apache 2.0 para o Hy3 representa uma mudança fundamental nessa dinâmica. A reação da comunidade de modelos open source foi imediata, com pesquisadores destacando que a mudança de licença era a verdadeira manchete. Um post amplamente compartilhado argumentou que, se os benchmarks se confirmarem, a Tencent acabou de se tornar uma das líderes do open source em IA. A empresa está oferecendo o modelo gratuitamente no OpenRouter por duas semanas, facilitando testes e avaliações por desenvolvedores globalmente.
Arquitetura otimizada para produção
O Hy3 utiliza uma arquitetura Mixture-of-Experts (MoE) com 295 bilhões de parâmetros totais, mas apenas 21 bilhões ativos por passagem. Isso é conseguido através de roteamento top-8 entre 192 especialistas, incluindo uma camada de predição multi-token de 3,8 bilhões de parâmetros para decodificação especulativa e uma janela de contexto de 256K tokens. Essa arquitetura permite que o modelo entregue performance comparável a modelos muito maiores, mas com requisitos computacionais significativamente menores.
O que mudou desde a versão preview de abril não foi a arquitetura, mas o comportamento. A Tencent coletou feedback de mais de 50 equipes internas de produto após o lançamento inicial, corrigiu problemas na execução de tarefas e interação, e expandiu seu pipeline de pós-treinamento. O resultado é um modelo que a empresa posiciona como significativamente superior a modelos de tamanho similar e rival de modelos open source flagship com duas a cinco vezes mais parâmetros.
Performance em benchmarks: vitórias e concessões
A avaliação principal da Tencent não vem de leaderboards públicos, mas de um estudo cego com 270 especialistas trabalhando em fluxos de trabalho reais. Em 312 comparações válidas, o Hy3 pontuou 2,67 de 4 contra 2,51 do GLM-5.1, com vantagens claras em desenvolvimento frontend, CI/CD e trabalhos de dados e armazenamento.
No entanto, é importante notar que a Zhipu AI lançou o GLM-5.2 em meados de junho, e os próprios benchmarks da Tencent mostram o GLM-5.2 à frente do Hy3 em praticamente toda a suíte de codificação agêntica: SWE-bench Verified (84,2 vs. 78,0), SWE-bench Multilingual (83,0 vs. 75,8), Terminal-Bench 2.1 (81 vs. 71,7) e DeepSWE por uma margem ampla (46,2 vs. 28,0).
Essa diferença em codificação faz mais sentido quando consideramos os tamanhos: o GLM-5.2 é um MoE de aproximadamente 744 bilhões de parâmetros com cerca de 40 bilhões ativos por token, contra os 295 bilhões totais e 21 bilhões ativos do Hy3. A Tencent está competindo com menos da metade dos parâmetros e quase metade do compute por token.
As vitórias genuínas do Hy3 estão em outras áreas. Em busca agêntica, ele marca 84,2 no BrowseComp e 91,0 no DeepSearchQA – à frente de todos os modelos open source e competitivo com Claude Opus e GPT-4. Lidera o campo aberto em orquestração de ferramentas (79,1 no conjunto público MCP-Atlas), em avaliações de agentes como ClawEval, e em recuperação de contexto longo (73,4 no AA-LCR). Os resultados sugerem que o Hy3 é possivelmente a melhor escolha open source para cargas de trabalho de agentes focadas em busca e ferramentas, enquanto concede codificação em escala de repositório ao GLM-5.2.
Confiabilidade como diferencial competitivo
Onde o lançamento se torna mais interessante para compradores empresariais é no conjunto de métricas que a Tencent escolheu enfatizar em vez de benchmarks tradicionais. O modelo foi apresentado menos como um anúncio de leaderboard e mais como um relatório de confiabilidade para produção.
Em avaliações internas em cenários do mundo real, a Tencent relata que a taxa de alucinação do Hy3 caiu de 12,5% na versão preview para 5,4%, e as taxas de erro de senso comum caíram de 25,4% para 12,7%. Essas melhorias são atribuídas à limpeza refinada de dados e restrições de treinamento construídas em torno de um padrão de comportamento explícito: responder quando fundamentado, declarar quando faltam evidências, não confundir fontes, não fabricar dados.
O comportamento em múltiplos turnos recebeu o mesmo tratamento: a taxa de problemas em testes internos de múltiplos turnos caiu de 17,4% para 7,9%, e a Tencent relatou que a pontuação do modelo no benchmark aberto MRCR de diálogo longo saltou de 42,9% para 75,1%. A empresa também enfatiza a consistência entre diferentes frameworks de agentes – relatando variação de apenas alguns pontos no SWE-bench, seja rodando em harnesses estilo Claude Code, Cline ou KiloCode.
Economia de implantação: eficiência em hardware acessível
A história de confiabilidade se conecta diretamente à economia de implantação, e é aqui que a lacuna de codificação do Hy3 contra o GLM-5.2 começa a parecer uma troca deliberada em vez de uma perda.
O GLM-5.2, com seus aproximadamente 744 bilhões de parâmetros MoE e cerca de 40 bilhões ativos por token, consome aproximadamente 744GB apenas em pesos FP8, tornando um nó com 8x H200 o mínimo prático para servir em produção. O Hy3, com 295B de parâmetros totais, tem uma pegada FP8 de menos de 300GB – menos da metade da memória, com aproximadamente metade dos parâmetros ativos por token, resultando em menor compute por requisição.
Para organizações brasileiras decidindo o que hospedar internamente, essa é a diferença entre um nó extremamente especificado e algo muito mais alcançável, com espaço sobrando para cache KV e batching. Isso é particularmente relevante considerando os custos de infraestrutura de GPU no Brasil, onde o acesso a hardware de ponta frequentemente vem com prêmios significativos.
Há também um detalhe geopolítico interessante na configuração de implantação recomendada: a Tencent sugere o uso do H20-3e da Nvidia – a variante com memória aumentada do H20, a GPU que a Nvidia projetou especificamente para cumprir as restrições de exportação dos EUA para a China. Diferentemente do GLM-5.2, não há menção a chips Huawei ou Ascend. Em outras palavras, o modelo foi dimensionado para que oito dos chips que empresas chinesas podem legalmente comprar o sirvam confortavelmente em precisão total.
Esse design orientado por restrições tem um efeito colateral conveniente para todos os outros: um modelo que roda bem em silício deliberadamente limitado roda ainda mais confortavelmente nos H100s, H200s e B200s disponíveis em data centers ocidentais, através de implantações padrão vLLM e SGLang com decodificação especulativa MTP.
O que isso significa para o mercado brasileiro
A combinação da licença Apache 2.0 com a eficiência computacional do Hy3 cria uma equação interessante para empresas brasileiras. Primeiro, remove completamente o risco legal que antes existia com modelos chineses de licenças restritivas. Segundo, oferece uma alternativa viável aos modelos proprietários americanos em um momento onde muitas empresas buscam diversificar suas dependências tecnológicas.
Para startups e empresas de médio porte que não podem arcar com os custos de APIs proprietárias em escala ou a infraestrutura necessária para rodar modelos maiores, o Hy3 representa um ponto de entrada acessível para capacidades próximas ao estado da arte. A possibilidade de rodar o modelo eficientemente em hardware mais modesto é particularmente relevante no contexto brasileiro, onde o acesso a GPUs de última geração é limitado e caro.
Além disso, a ênfase da Tencent em métricas de confiabilidade e redução de alucinações endereça uma das principais preocupações de empresas que consideram IA para aplicações críticas. Para setores regulados como financeiro e saúde, onde a precisão e rastreabilidade das respostas são fundamentais, essas melhorias podem ser o diferencial que torna a adoção viável.
Conclusão
O lançamento do Hy3 pela Tencent marca um momento importante na evolução dos modelos open source. Ao remover barreiras legais e otimizar para eficiência de implantação, a empresa criou uma alternativa genuinamente competitiva que desafia a noção de que maior sempre significa melhor em IA. Embora o GLM-5.2 mantenha a coroa em tarefas de codificação, o Hy3 faz sua proposta de valor em praticamente todas as outras áreas: cargas de trabalho de agentes focadas em busca e ferramentas, aplicações sensíveis à confiabilidade e organizações que querem capacidade próxima à fronteira sem infraestrutura de escala fronteiriça.
Para o mercado brasileiro, isso representa uma oportunidade de acesso a tecnologia de ponta sem os custos proibitivos ou riscos legais anteriormente associados. A questão agora é se as empresas ocidentais, com a barreira da licença removida, tratarão um modelo da Tencent como um candidato sério – ou se a próxima atualização de benchmarks independentes resolverá o debate antes que as equipes de compras tenham a chance de avaliar. O que parece claro é que a competição no espaço open source está mais acirrada do que nunca, e os beneficiários finais são as empresas que agora têm mais opções viáveis para suas necessidades de IA.
Fonte original: Este artigo foi adaptado e traduzido a partir da matéria publicada em VentureBeat, disponível em https://venturebeat.com/technology/tencents-apache-licensed-hy3-takes-on-glm-5-2-at-half-the-size-and-wins-everywhere-except-coding.
