騰訊混元(Hy4 Preview / Hy3):以 Apache 2.0 公開權重的一家,對辦學團體最易審批的授權
混元 Hy4 Preview 於 2026 年 8 月 28 日公開權重,7,700 億總參數、490 億啟動參數、100 萬 token 上下文,授權為單純的 Apache 2.0;前一代 Hy3 於 2026 年 7 月 6 日發佈,同樣是 Apache 2.0,並在 7 月底的 OpenRouter token 用量排第三。本頁說明授權優勢、自架的硬件現實,以及香港學校的實際評估次序。
非原生供應商,但值得留意:混元 Hy4 Preview 以 Apache 2.0 這種完全寬鬆的授權發佈 7,700 億參數(啟動 490 億)權重,授權條款比 GLM-5.3 或 Kimi K3 的自訂授權更清晰。實際自架仍需伺服器級硬件;直接呼叫騰訊雲 API 則屬跨境傳輸。
一句話答案:混元是這批中國模型裡授權最乾淨的一個——Hy4 Preview 與 Hy3 都用單純的 Apache 2.0,法律審批成本最低;但 7,700 億參數的自架門檻依然存在,而直接呼叫騰訊雲則屬跨境傳輸。
這是甚麼
混元(Hunyuan)是騰訊的大模型系列。它由 2024 年的 Hunyuan-Large 起就走開源路線,是騰訊首個公開權重的大型 MoE;到 2026 年的 Hy3 與 Hy4 Preview,更進一步採用單純的 Apache 2.0,而不是各家常見的自訂授權。
這一點值得學校特別留意。近年不少「開源」模型其實附帶地域限制、規模門檻或額外商用條件,法律顧問要逐條看;Apache 2.0 是國際通用的標準授權,條文清晰並包含明確的專利授權條款,審批工夫少得多。在 GLM-5.3 旗艦權重尚未公開、Kimi K3 採自訂授權的情況下,混元在這一項上確實走得更前。
現行陣容
- Hunyuan Hy4 Preview(2026 年 8 月 28 日公開權重):7,700 億總參數、每 token 啟動 490 億,100 萬 token 上下文,Apache 2.0 授權。騰訊自家的盲測評比中,它略勝 GLM-5.3 與 Kimi K3。名稱中的 Preview 是廠方自己的定位,官方亦列明是早期版本並有已知問題。
- Hunyuan Hy3(2026 年 7 月 6 日):同樣採 Apache 2.0 的完整版本,與 4 月較嚴格的 Hy3-Preview 不同。2026 年 7 月底它在 OpenRouter 的 token 用量曾排第三,是開源權重模型實際被廣泛使用的少數例子之一。
- Hunyuan-Large(2024 年 11 月 5 日):騰訊首個公開權重的大型 MoE,開啟了混元走開源路線的方向。
權重本身免費下載;若改為呼叫騰訊雲的 API,則按其公開定價計算(輸入約每 100 萬 token 0.83 美元)。完整的版本對照,見本頁下方自動生成的系列表。
優點
- 授權條文最容易審批。 Apache 2.0 是國際標準,商用、修改與再散布條件清楚,還包含專利授權。對要向校董會或辦學團體解釋法律風險的人而言,這是本頁最實際的一項優勢。
- 能力已進入前沿區間。 7,700 億總參數配 100 萬 token 上下文,在開源權重陣營中屬最上層;廠方的盲測結果雖然是自家評比,但方向與外部的使用量數據一致。
- 有實際使用量佐證。 Hy3 在 2026 年 7 月底於 OpenRouter 的 token 用量排第三,說明它不只是發佈稿上的模型,而是有人真的長期在用。
- 中文與工作場景貼合。 訓練資料明顯圍繞實際工作任務(文件、表格、簡報、分析),對教師處理行政文書與資料整理的需求有直接幫助。
缺點與局限
- 自架仍需伺服器級硬件。 啟動參數只有 490 億,但記憶體要裝下 7,700 億,實際門檻是 GPU 叢集,不是一台學校工作站。授權自由不等於部署可行。
- 騰訊雲 API 屬跨境傳輸。 不自架就要呼叫雲端,資料離開香港,學校必須自行完成私隱評估與家長告知安排。
- Preview 版本仍在迭代。 官方列出的已知問題包括在複雜任務上思考過久與反覆自我驗證,代表輸出長度與延遲未必穩定,不宜一次過搬上全校關鍵流程。
- 沒有 embedding 與語音配套。 即使自架了聊天模型,校本知識庫的向量索引與粵語口語練習仍要另找方案。
- 教育生態薄弱。 沒有針對香港課程的提示範本與教師社群,IT 主任要自行建立內部文檔與培訓材料。
香港學校可以怎樣看待它
混元值得辦學團體認真看一眼,理由集中在授權:它把「我們可以合法地在自己的伺服器上跑這個模型」這句話變得沒有歧義。 這在評估開源方案時省下的不只是律師費,還有來回確認的時間。
但評估次序不應該倒過來。先問硬件:是否已有或計劃建立 GPU 叢集?由誰維運?停機時的後備方案是甚麼?如果這三條答不上,授權再好也用不上,應該直接跳到更小的開源模型。其次問合規:若最終走雲端路線,就要把跨境傳輸評估、資料保留期與查閱權限寫清楚;若走自架路線,這一關基本上可以繞過,這正是自架最大的價值。第三才問能力,而且要用學校自己的教案、工作紙與評分準則去測,不要只看跑分。
最後提醒一句:Preview 版本適合試點,不適合一步到位。合理做法是先在一兩個非關鍵流程(例如行政文書整理)試三個月,同時保留隨時切換回原供應商的能力。
在 Edor.ai 的可用性
非原生供應商,但可經本地 Ollama 走自架路線。 Edor.ai 原生支援 OpenAI、Azure OpenAI、Anthropic、Poe 與本地 Ollama。我們沒有內建騰訊雲接口,也沒有與騰訊的任何合作關係;若學校或辦學團體自行架起推論伺服器並以 Ollama 提供 OpenAI 相容端點,平台可在後台指向它,教師工具、智能導師與學生對話的守門機制照常運作。
要清楚劃分責任:自架伺服器的硬件、模型更新與故障處理由學校負責,平台端的接入、四層守門與 ai_audit_logs 稽核紀錄由我們負責。校本知識庫的 embedding 與口語練習的語音模型仍需 OpenAI 或 Azure OpenAI 金鑰,或另行部署本地方案。可行性可經 聯絡我們 一起評估。
替代方案
- 硬件預算有限、想在單機上自架 → 看 Alibaba Qwen 的 270 億參數級別。
- 同樣走標準開源授權但條文更短 → 看 智譜 GLM 的 MIT 版本。
- 想先算清楚自架與雲端的成本差距 → 讀 開源與閉源的成本與私隱權衡,並看 『智』啟學教撥款 如何配合。
- 想要即時可用的供應商 → 由 OpenAI 或 Anthropic Claude 開始,或回到 模型總覽。
同一家的不同系列
同一供應商往往同時維持旗艦、主力、輕量與推理多條產品線,價格可以相差十倍以上。
| 型號 | 定位 | 發佈日期 | 上下文長度 | 輸入 / 輸出 | 說明 |
|---|---|---|---|---|---|
| Hunyuan Hy4 Preview | 旗艦 | 2026-08-28 | 1,000K | — | 7,700 億總參數、490 億啟動參數,100 萬 token 上下文,Apache 2.0;騰訊自家盲測評比中略勝 GLM-5.3 與 Kimi K3。 |
| Hunyuan Hy3 | 旗艦 | 2026-07-06 | — | — | 同為 Apache 2.0 的完整版本(與 4 月較嚴格的 Hy3-Preview 不同),2026 年 7 月底在 OpenRouter 的 token 用量曾排第三。 |
| Hunyuan-Large | 開源權重 | 2024-11-05 | — | — | 騰訊首個公開權重的大型 MoE,開啟了混元走開源路線的方向。 |
常見問題
MIT 與 Apache 2.0 都是國際通用的標準開源授權,准許商用與修改;Apache 2.0 額外寫明專利授權與修改標示要求,條文較長但同樣清晰。自訂授權則要逐項核對有沒有地域、規模或用途限制。對需要向校董會交代的學校,標準授權的審批時間差別很實際。
授權上可以,硬件上要看規模。Hy4 Preview 有 7,700 億總參數,推論時全部參數要載入記憶體,實際需要伺服器級 GPU 叢集,通常只有辦學團體層面攤分才合理。單一學校的現實選擇仍是更小的開源模型。
可以。平台支援本地 Ollama,只要自架伺服器提供 OpenAI 相容端點,管理員在後台指向它即可,教師工具與智能導師照常運作。但校本知識庫的 embedding 與口語練習的語音模型仍需另行安排。
技術上可以,但那等於把資料送到香港以外的伺服器,屬跨境傳輸。學校必須先完成私隱評估、確定保留期與查閱權限,並在涉及學生資料時考慮家長告知安排。自架與雲端在合規上的分別,遠大於在效能上的分別。
廠方自己也把它標示為早期版本,並列出已知問題(例如在複雜任務上思考時間偏長、傾向反覆自我驗證)。學校若要評估,建議先在非關鍵流程試用,並保留切換回穩定供應商的能力,不要一步到位把全校流程搬過去。
文中價格與規格數據截至 2026-09
- Hugging Face — tencent/Hy4-preview 模型頁(架構、Apache 2.0 授權與部署)
- Hugging Face — 騰訊官方機構頁
- 騰訊混元官方網站
- 騰訊雲 — 混元大模型產品頁
- · 本文所有價格、功能與規格以上列官方文檔為準;供應商可隨時調整,請於採購前自行覆核。
- · 文中提及的產品名稱與商標均屬其各自擁有者所有。Edor.ai 與該等公司並無合作、代理或贊助關係。
- · 本文為教育用途的獨立整理與評測,不構成任何採購建議或法律意見。
- · 涉及學生個人資料的應用,請按學校政策及《個人資料(私隱)條例》(PDPO)自行評估後才使用。
延伸閱讀
- 中國大模型橫評:DeepSeek、Qwen、Kimi、GLM 等八家,香港學校可以怎樣用?
DeepSeek 的價格是 GPT-6 Astra 的六十七分之一,中文能力亦不輸人。那為甚麼校本平台不直接接上去?本文橫評 DeepSeek、Qwen、Kimi、GLM、MiniMax、豆包、混元與文心八家,說明開放權重與雲端 API 的關鍵分別,以及《個人資料(私隱)條例》下香港學校真正可行的三條路線。
- 開源權重還是閉源 API?自架與租用的成本真帳,以及私隱在哪一刻改變答案
很多學校以為「自己買機跑開源模型」一定慳錢。把真實用量代進 2026 年 9 月的官方價格後,答案往往相反:雲端 API 的年費低到硬件根本追不上。本文算清兩邊的真帳,列出對學校現實可行的開源型號與硬件門檻,並說明私隱與資料政策在哪一刻會令天秤倒向自架。
- 2026 全模型橫評:15 家供應商、一套學校用的選型框架
由 OpenAI、Anthropic、Google、xAI、Meta、Mistral,到 DeepSeek、Qwen、Kimi、GLM、MiniMax、豆包、混元、文心,再加上編碼專用的 Cursor Composer。本文以同一套學校用量估算,把 15 家供應商的價格、上下文、開放權重與實際可用性放在同一張表上,並提供一套四問選型框架。