En 2026, tras una vista previa en abril, Tencent lanzó Hy3 con 295 mil millones de parámetros bajo Apache 2.0. Los usuarios comerciales pueden modificarlo y autoalojarlo sin volver a la API de Tencent, lo que deja a la empresa sin un peaje garantizado sobre el uso posterior.
Puntos clave
- Tencent lanzó Hy3, de 295 mil millones de parámetros, bajo Apache 2.0 el 7 de julio de 2026, tras una vista previa en abril.
- xAI publicó los pesos y la arquitectura de Grok-1, de 314 mil millones de parámetros, bajo Apache 2.0 en marzo de 2024.
- Z.ai lanzó GLM-5.2 con pesos bajo licencia MIT y una ventana de contexto de un millón de tokens.
- DeepSeek fijó el precio de V4 Flash en $0.14 por millón de tokens de entrada y $0.28 por millón de tokens de salida.
- Tencent y Meituan lideraron la ronda pre-Serie B de $150 millones de Even Realities.
Apache permite que Hy3 viaje más allá de la API de Tencent
Apache otorga a desarrolladores y empresas amplios derechos para personalizar y redistribuir comercialmente Hy3. Un desarrollador puede colocarlo detrás de una aplicación privada, adaptarlo a datos propietarios o empaquetarlo dentro de otro servicio, todo fuera del control directo de Tencent.
Tencent también dijo que Hy3 compite con GLM-5.1 y GLM-5.2. La empresa proporcionó esa comparación; la evidencia disponible no establece liderazgo independiente en benchmarks ni una adopción posterior significativa. La apuesta estratégica de Tencent descansa en un mecanismo de lanzamiento que puede difundir Hy3 sin liderazgo en benchmarks.
Otros proveedores de modelos ya habían elegido la misma ruta. xAI publicó los pesos y la arquitectura de Grok-1, de 314 mil millones de parámetros, bajo Apache 2.0 en marzo de 2024. En marzo de 2025, Alibaba lanzó Qwen2.5-VL-32B bajo la misma licencia. Para cuando Tencent se sumó al ecosistema de modelos de pesos abiertos, los creadores de modelos ya usaban repetidamente licencias permisivas para atraer desarrollo posterior.
De 2024 a 2026, el enfoque en desarrolladores en la cobertura sobre Tencent subió de 6.0% a 16.1%, mientras que el enfoque en consumidores cayó de 42.0% a 26.8%. La atención ya se desplazaba hacia los desarrolladores que podían llevar los modelos a sus propios sistemas.
Los proveedores ahora compiten mediante los términos de licencia
Los proveedores de modelos de China ahora compiten en un espectro de licencias. Z.ai lanzó GLM-5.2 con pesos bajo licencia MIT, una ventana de contexto de un millón de tokens y énfasis en programación agéntica y tareas de largo horizonte. Moonshot AI lanzó Kimi K3 bajo su propia Licencia Kimi K3 en vez de Apache o MIT. Alibaba lanzó Qwen3.8-Max, de 2.4 billones de parámetros, y dijo que planeaba liberar los pesos de ese modelo y de Qwen3.8-27B.
Cada proveedor eligió un contrato distinto con su ecosistema posterior. Apache y MIT minimizan la negociación legal y dan a los desarrolladores comerciales margen para modificar y redistribuir. Una licencia propia puede preservar restricciones o poder de negociación después de que los pesos salen de los servidores del proveedor. Según reportes, Alibaba consideró exigir a los usuarios comerciales intensivos de su próximo modelo Qwen compartir ingresos, un acuerdo que ampliaría la adopción sin volverla incondicional.
La licencia de un proveedor fija los límites de la difusión. Una empresa que evalúa dos modelos suficientemente capaces debe comparar benchmarks, precios por token, derechos de redistribución, derechos de personalización y exposición a cambios en los términos comerciales. Los proveedores de modelos han puesto el contrato junto a la arquitectura como parte de la decisión técnica de compra.
Los pesos abiertos trasladan la competencia a los costos de servicio
Un equipo que descarga Hy3 asume una factura de servicio por memoria, aceleradores, redes, programación y capacidad ociosa cada vez que los usuarios invocan el modelo; el costo de entrenarlo no ofrece alivio durante la inferencia.
La arquitectura y las operaciones determinan esa factura junto con el tamaño del modelo. Los sistemas de mezcla de expertos pueden separar la capacidad total del cómputo activado para cada token. Los operadores también modifican el costo entregado mediante cuantización, procesamiento por lotes, caché, enrutamiento y utilización. A escala de flota, deben coordinar el hardware y la arquitectura del modelo; un acelerador barato que permanece inactivo no es más que una escultura cara.
Las proyecciones de inversionistas de OpenAI y Anthropic colocaron la inferencia en el centro de sus estructuras de costos. Posteriormente, según reportes, ingenieros de OpenAI encontraron un método que podría reducir a más de la mitad el costo de inferencia. Ambas empresas deben tratar la optimización del servicio como una función central del negocio.
DeepSeek fijó el precio de V4 Flash en $0.14 por millón de tokens de entrada y $0.28 por millón de tokens de salida, incluso cuando la empresa anunció aumentos sustanciales de precios en sus servicios de IA. Esos precios hacen que su margen sea sensible a pequeños cambios en utilización, tráfico de memoria y volumen de tokens generados. En última instancia, los operadores compiten por el costo por tarea útil.
El mercado de inferencia importa más a medida que se difunden los pesos. Un desarrollador puede reemplazar un modelo, cambiar de host o enrutar tareas más sencillas a un sistema más barato. Un proveedor de servicio debe seguir ganándose cada token en lugar de cobrar una renta de escasez solo por el acceso.
El despliegue aún enfrenta restricciones duras. Según reportes, empresas chinas de IA buscaron acceso a cómputo en el extranjero en el Sudeste Asiático y Medio Oriente para obtener chips Nvidia Rubin, mientras Zhipu y Alibaba advirtieron de una brecha cada vez mayor con Estados Unidos. Sin suficientes aceleradores, una empresa podría seguir sin poder autoalojar un modelo de forma económica.
Los gobiernos también pueden estrechar la ruta. Según reportes, OpenAI y Google vendieron servicios de IA a subsidiarias con sede en Singapur de Tencent, Alibaba y Baidu, lo que llevó a responsables de políticas en Estados Unidos a renovar los llamados a controles más estrictos. Apache puede autorizar un despliegue, pero hardware no disponible y reglas de acceso cambiantes todavía pueden hacerlo impráctico.
Los agentes de larga duración trasladan el cuello de botella a las operaciones
Una empresa obtiene valor solo cuando un agente completa trabajo autorizado, sobrevive a fallas, deja un rastro de auditoría y entrega los casos ambiguos a la persona correcta. Las tareas de largo horizonte multiplican las oportunidades para que un error del modelo, una falla de herramienta o una acción insegura descarrilen el trabajo.
Google presentó la Gemini Enterprise Agent Platform para administrar el ciclo de vida completo de flotas de agentes en Vertex AI. OpenAI agregó entornos aislados nativos y un arnés de pruebas dentro de la distribución a su SDK de Agents. Google y OpenAI construyeron esos controles porque los agentes en producción requieren evaluación, aislamiento, permisos, monitoreo y recuperación junto con inteligencia de modelo.
Hasta ahora, las empresas han usado agentes principalmente para mejorar la eficiencia y reducir costos. Esos compradores juzgan un despliegue por el trabajo completado y la mano de obra evitada, lo que da a las fallas operativas un precio económico inmediato.
La empresa que posee el control de la capa de despliegue puede decidir qué modelo atiende una tarea, qué herramientas puede llamar, cómo se reintentan las fallas y dónde aparece la acción resultante. Los pesos abiertos aumentan el número de motores elegibles dentro de ese sistema. El operador circundante todavía debe proporcionar el sistema mismo.
Tencent necesita aplicaciones para que la adopción de Hy3 sea rentable
Alibaba ya mostró cómo un modelo puede encontrarse con una superficie de distribución existente. La empresa conectó Qwen con Taobao, Alipay, Fliggy y Amap mientras buscaba una aplicación de IA todo en uno para 100 millones de usuarios. Alibaba puede medir Qwen por compras, pagos, viajes y acciones completadas, en vez de solo por visitas al chatbot.
Las inversiones recientes apuntan a posibles interfaces. Tencent y Meituan lideraron una ronda pre-Serie B de $150 millones para Even Realities, fabricante de lentes inteligentes sin cámara. Según reportes, Tencent también discutía convertirse en el mayor inversionista de Manus, mientras los propietarios de Manus consideraban deshacer la adquisición de $2 mil millones de Meta. Ninguno de los dos reportes estableció un despliegue de Hy3.
El propio portafolio de juegos de Tencent ofrece la advertencia. Según reportes, su estudio Lightspeed gastó cientos de millones de dólares durante seis años en el problemático desarrollo de Last Sentinel. Tencent puede financiar una categoría y aun así no lograr producir la experiencia de usuario final que vuelve valiosos sus componentes en conjunto.
Preguntas frecuentes
¿Cuánto cuesta realmente autoalojar Hy3?
El artículo no proporciona una estimación específica para Hy3 de hardware, rendimiento ni costo de servicio por token. Identifica los factores de costo relevantes —memoria, aceleradores, redes, programación y capacidad ociosa—, pero un presupuesto de despliegue dependería de la configuración y utilización del operador.
¿Existen benchmarks independientes que muestren que Hy3 lidera frente a modelos rivales?
No. Tencent dijo que Hy3 compite con GLM-5.1 y GLM-5.2, pero la evidencia disponible no establece liderazgo independiente en benchmarks.
¿Tencent ha confirmado que Hy3 se desplegará mediante productos de Manus o Even Realities?
No. La posible inversión de Tencent en Manus y su inversión junto con Meituan en Even Realities apuntan a interfaces potenciales, pero ninguno de los dos reportes estableció un despliegue de Hy3.
¿Cuándo liberará Alibaba los pesos de Qwen3.8-Max y Qwen3.8-27B, y qué términos de reparto de ingresos aplicarían?
El artículo dice que Alibaba planeaba liberar los pesos y que, según reportes, consideró el reparto de ingresos para usuarios comerciales intensivos de un próximo modelo Qwen. No proporciona fecha de lanzamiento, umbral de uso intensivo ni términos comerciales definitivos.
Lanzamientos permisivos de pesos abiertos citados en el artículo
- Marzo de 2024 — xAI publicó los pesos y la arquitectura de Grok-1, de 314 mil millones de parámetros, bajo Apache 2.0.
- Marzo de 2025 — Alibaba lanzó Qwen2.5-VL-32B bajo Apache 2.0.
- Abril de 2026 — Tencent presentó una vista previa de Hy3.
- 7 de julio de 2026 — Tencent lanzó Hy3, de 295 mil millones de parámetros, bajo Apache 2.0.
Apache 2.0 no garantiza a Tencent ningún peaje sobre Hy3. Le da a la empresa la oportunidad de hacer que los despliegues independientes atraigan demanda hacia su pila de servicio, controles de agentes y superficies de aplicaciones. Como los desarrolladores pueden mover los pesos, Tencent obtiene un retorno estratégico solo cuando salir de ese sistema circundante cuesta más que reemplazar Hy3.