モデル一覧に戻る

Hy3

Hy3は、Tencent社による295Bパラメータの混合専門家モデル(21B活性、192人の専門家とトップ8ルーティング)で、推論、エージェントワークフロー、実世界の本番運用向けに構築されています。設定可能な推論努力をサポートしています:...

2026/7/6
262,144 トークン
#31 テキスト (spanish)
入力: ¥23.52/M
出力: ¥97.44/M

仕様

モダリティ

入力
text
出力
text

サポートされているパラメータ

frequency_penalty
include_reasoning
logit_bias
max_completion_tokens
max_tokens
min_p
presence_penalty
reasoning
reasoning_effort
repetition_penalty
response_format
seed
stop
structured_outputs
temperature
tool_choice
tools
top_k
top_p

最大出力トークン

262,144

推論設定

既定の動作
思考オン(強度: high)
指定できる強度
high
low
none
思考のオフ
可(reasoning.enabled: false)

思考の制御方法と課金を見る

データの取り扱い

プロンプトの保持
不明 — 確認できていません
学習への利用
不明 — 提供元からの申告がありません

「不明」は「問題なし」ではありません。確認できていない、という意味です。

学習の可否は提供元との条件に基づく申告値です。保持の可否は、このモデルが到達しうる実行先すべてについて上流が公表する一覧から判定しています。いずれも推測は含みません。

実測パフォーマンス

応答開始 (p50)1.7s

    FastMetalのゲートウェイ経由で実測した値です(直近30日・応答開始661回)。

    応答開始は最初の応答が返るまで、生成速度は思考トークンを含む出力トークン数から算出しています。実測値であり、性能を保証するものではありません。

    コード例

    curl https://api.fastmetal.ai/v1/chat/completions \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer YOUR_API_KEY" \
      -d '{
        "model": "hy3",
        "messages": [{"role": "user", "content": "Hello!"}]
      }'

    Hy3の実際の回答

    FastMetal上で実際に記録した、標準プロンプトへの回答です。

    このエラーをデバッグして

    以下のエラーがPythonアプリケーションで発生しています。原因を特定して修正してください。 Traceback (most recent call last): File "app.py", line 23, in get_user_orders total = sum(order["price"] * order["quantity"] for order in orders) TypeError: unsupport…

    ## 原因 エラーメッセージ `TypeError: unsupported operand type(s) for *: 'str' and 'int'` が示す通り、**`order["price"]` が文字列型(`str`)として取得され、それを整数型(`int`)の `order["quantity"]` と乗算しようとしている**ためにエラーが発生しています。 Python では、文字列と数値を `*` 演算子で直接計算することはできません(数値同士、または文字列と整数の「繰り返し」などは別ですが、算術演算は不可)。 データベースから取得した値が、データベースのカラム型の問題や、DBドライバーの仕様により、文字列として格納されている(あるいはその逆に `quantity` が文字列で `price` が数値など)のが根本的な原因です。 --- ## 修正方法 ### 1. コード上で数値に変換する(即効的な修正) 計算を行う前に、明示的に `float` や `int` に変換します。 ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) # price を float に、quantity を int に変換してから計算 total = sum(float(order["price"]) * int(order["quantity"])…
    応答時間 28.2秒出力 1807 トークン

    コードレビュー

    以下のTypeScript関数をレビューして、可読性・パフォーマンス・ベストプラクティスの観点から改善点を提案してください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo…

    提供された `fetchAllUsers` 関数のレビューを行います。現在のコードは一見して動作しますが、実運用や保守の観点からいくつかの懸念点があります。 以下に、**可読性・パフォーマンス・ベストプラクティス(堅牢性・型安全性)**の観点からの改善点と、リファクタリング後のサンプルコードを提示します。 --- ### 1. 指摘事項と改善提案 #### 🔴 ベストプラクティス:型安全性の欠如 (`any` の使用) - **問題点**: 戻り値の型が `Promise<any[]>` になっており、オブジェクトのプロパティ(`.id` や `.email` など)に対する型チェックが効きません。タイポやAPI仕様変更時にバグを見逃す原因になります。 - **改善案**: APIが返す生データ用の `interface` と、関数が返す正規化されたユーザー用の `interface` を定義し、型の恩恵を受けられるようにします。 #### 🔴 堅牢性:エラーハンドリングとレスポンス検証の欠如 - **問題点**: `fetch` は HTTP 404 や 500 エラーでも Promise を `reject` せず、正常に `resolve` します。また、`response.json()` が `{ users: [...] }` という形状でない場合、`data.users.length` の箇所で `TypeError` が発生してクラッシュします。 - **改善案**: `response.ok` をチェックしてエラーを適切にスローするようにします。ま…
    応答時間 93.9秒出力 6500 トークン

    SQLクエリの最適化

    以下のSQLクエリは500万行のテーブルに対して実行すると30秒以上かかります。最適化してください。 SELECT p.product_name, c.category_name, COUNT(o.order_id) as order_count, SUM(o.amount) as total_sales, AVG(r.rating) as avg_rating FROM products p LEFT JOIN…

    このクエリのパフォーマンスが悪い主な原因は、**「結合による行数の爆発(ファンアウト)」**と**「インデックスの不足」**、そして**「LEFT JOINとWHERE句の組み合わせによる意図しない絞り込み」**の3点です。 以下に改善点と最適化したクエリ、およびインデックスの提案を説明します。 --- ## 1. クエリの構造的問題と改善(ファンアウトの排除) 現在のクエリでは、`order_details`(注文明細)と `reviews`(レビュー)を同じ階層で `products` に `LEFT JOIN` しています。そのため、**1つの商品につき「注文明細の数 × レビューの数」の行が一時的に生成されます**。 例えば、注文が100件、レビューが10件ある商品なら一時的に1000行になり、これを `GROUP BY` で畳み直す処理が非常に重くなります。さらに、`COUNT` や `AVG` がこの掛け合わされた行で計算されるため、**集計値が正しくなくなる(二重カウントされる)バグ**も含んでいます。 **解決策:サブクエリ(またはCTE)で事前に集計する** `order_details` と `reviews` の集計は、それぞれのテーブルだけで先に `product_id` ごとに済ませ、その結果を `products` に結合するように書き換えます。 ## 2. LEFT JOIN と WHERE 句の矛盾 現在 `LEFT JOIN orders o ...` としていますが、その直後の `WHERE` 句で `AND o.created…
    応答時間 106.2秒出力 9666 トークン

    他のモデルと並べて比較する →

    よくある質問

    Hy3のAPI料金はいくらですか?
    FastMetalでは100万トークンあたり入力¥23.52・出力¥97.44(税別)の円建て従量課金です。前払いクレジットから使った分だけ差し引かれ、月額料金やサブスクリプションはありません。
    Hy3はOpenAI SDKからそのまま使えますか?
    はい。base_url を https://api.fastmetal.ai/v1 に変更し、model に "hy3" を指定するだけで、既存のOpenAI向けコードから呼び出せます。ストリーミング、ツール呼び出し、構造化出力にも対応しています。
    Hy3のコンテキスト長はどのくらいですか?
    262,144トークンです。プロンプトと回答を合わせてこの範囲に収める必要があります。
    Hy3の評価・ランキングは?
    公開アリーナの日本語カテゴリで79位(ELO 1,413)です。順位はリーダーボードの更新に合わせて変わります。
    Hy3を試すには何が必要ですか?
    アカウントを作成してクレジットをチャージすると、ブラウザのチャット画面とAPIの両方から利用できます。契約や最低利用額はありません。

    Hy3を今すぐ試す

    Hy3はFastMetalのAPIキー1つで利用できます。ブラウザですぐに試す、またはOpenAI SDKからそのまま呼び出せます。

    リーダーボード

    テキスト
    russianELO: 1,452
    #71
    コーディングELO: 1,503
    #73
    数学ELO: 1,484
    #36
    創作ELO: 1,424
    #78
    指示遵守ELO: 1,448
    #68
    高難度ELO: 1,476
    #72
    マルチターンELO: 1,453
    #83
    総合ELO: 1,454
    #74
    日本語ELO: 1,413
    #79
    中国語ELO: 1,500
    #57
    韓国語ELO: 1,413
    #72
    英語ELO: 1,464
    #71
    frenchELO: 1,473
    #74
    germanELO: 1,462
    #55
    spanishELO: 1,471
    #31
    コード
    総合ELO: 1,506
    #62

    順位データ: LMArena leaderboard dataset(lmarena-ai/leaderboard-dataset、CC BY 4.0、2026-10-22時点)。カテゴリ名の対応付けとスコアの丸めはFastMetalによる。