Tencent Hy3 apuesta por los agentes de IA en lugar del tamaño del modelo: la revolución de la eficiencia de la IA china

Antecedentes de la industria: mientras Silicon Valley aún compite por el tamaño del modelo, Tencent eligió otro camino

El CEO de Meta, Mark Zuckerberg, propuso recientemente que las empresas de IA deben tomar decisiones difíciles entre la infraestructura de cómputo y el talento de investigación, pero la suposición predeterminada de Silicon Valley sigue siendo la misma: el núcleo de la competencia es quién puede construir el modelo más grande. Sin embargo, el último lanzamiento de Tencent indica que la empresa tecnológica más grande de China podría estar haciendo un cálculo completamente diferente.

La semana pasada, Tencent lanzó oficialmente su modelo de lenguaje grande insignia de tercera generación, Hy3. Sus especificaciones son bastante competitivas: arquitectura Mixture-of-Experts (MoE), con un total de 295 mil millones de parámetros, 21 mil millones de parámetros activos y una ventana de contexto de 256K. Pero lo que realmente llama la atención no es el tamaño, sino el posicionamiento: Tencent promociona Hy3 como un modelo optimizado para agentes de IA del mundo real (asistentes de programación y flujos de trabajo de productividad empresarial), en lugar de buscar la hegemonía en los benchmarks.

Esta diferencia refleja un cambio más amplio en el campo de la IA en China. En el contexto de que las limitaciones de hardware continúan afectando el desarrollo interno, las empresas chinas priorizan cada vez más la eficiencia de implementación y la comercialización sobre el tamaño bruto del modelo. La cuestión es si esta estrategia de priorización de productos puede cerrar la brecha de capacidades con los modelos fronterizos occidentales.

Impacto en el mercado: rendimiento destacado en tareas de agente, aún hay brecha en programación

Las evaluaciones independientes muestran resultados mixtos. En búsqueda de agentes y orquestación de herramientas, Hy3 tiene un rendimiento sólido: según la evaluación de la consultora independiente de IA Flowtivity, obtuvo una puntuación de 84.2 en BrowseComp y 79.1 en el conjunto público MCP-Atlas, compitiendo con modelos propietarios como Claude Opus 4.8 y GPT-5.5. Su tasa de alucinación del 5.4% es significativamente menor que el 54% de Grok 4.5, comparable a los modelos propietarios de vanguardia.

Pero la historia en programación es diferente. En SWE-bench Verified, Hy3 obtuvo un 78% —aceptable, pero por detrás de GLM-5.2 (84.2%), Claude Opus 4.8 y GPT-5.5. En pruebas de programación más desafiantes, la brecha es mayor: Terminal-Bench 2.1 con 71.7 frente a 81 de GLM-5.2, y DeepSWE con 28.0 frente a 46.2 de GLM-5.2.

Esto es razonable desde el punto de vista arquitectónico. GLM-5.2 es un MoE de 744 mil millones de parámetros, con aproximadamente 40 mil millones de parámetros activos —casi el doble del cómputo activo por token de Hy3. Como señaló una agencia de análisis independiente: "Para un modelo con solo 21B de parámetros activos, este resultado es excelente".

Panorama competitivo: diferencias entre China y EE. UU. bajo una estrategia de priorización de eficiencia

La estrategia de Tencent no es exclusiva de China.La estrategia de Tencent no es exclusiva de China. En Silicon Valley, Anthropic ha superado silenciosamente a OpenAI en la cuota de mercado de API empresarial (aproximadamente 32% frente a 25% en 2026) al centrarse en la fiabilidad de la codificación y el razonamiento de contexto largo, en lugar del tamaño del modelo. Claude Code (el agente de codificación nativo del terminal de Anthropic) se ha convertido en el principal motor de crecimiento, con unos ingresos anualizados reportados de 2.500 millones de dólares.

Ambas apuestan a que los clientes empresariales se preocupan más por la finalización del flujo de trabajo, la fiabilidad y la latencia, que por las mejoras marginales en los puntos de referencia académicos. Ambas persiguen la eficiencia, no la escala.

Sin embargo, Tencent posee una ventaja ecológica única. Su filosofía de "Co-Diseño" (Co-Design), en la que los modelos y las aplicaciones nativas de IA (como WorkBuddy, Yuanbao, ima, Marvis, CodeBuddy) iteran conjuntamente, permite que cada flujo de trabajo genere retroalimentación para perfeccionar las capacidades del modelo. La empresa informa que la tasa de éxito de tareas internas de WorkBuddy ha aumentado del 72% al 90%, y el tiempo medio de ejecución ha disminuido un 34%; la tasa de alucinaciones de Yuanbao en escenarios de documentos largos y búsqueda con IA se ha reducido en más de la mitad.

Lecciones para las empresas: el software está remodelando la IA, no solo alojándola

El lanzamiento de Hy3 pone de relieve un cambio estructural en la forma de implementar la IA. Las suites ofimáticas están evolucionando de gestores de documentos a motores de ejecución. WorkBuddy ya admite la generación automatizada de scripts y la orquestación de flujos de trabajo. A medida que estos productos maduran, el software está moldeando la inteligencia subyacente: no solo alojando la IA, sino entrenándola activamente.

Esta dinámica podría convertirse en el foso más sólido de Tencent. A diferencia de los proveedores de modelos independientes, Tencent puede verificar las mejoras a través de millones de tareas empresariales reales en su ecosistema antes de que los desarrolladores externos tengan acceso.

Para los responsables de la toma de decisiones empresariales, el bajo precio de Hy3 (aproximadamente 0,18 USD por millón de tokens de entrada y 0,59 USD por millón de tokens de salida a través de Tencent Cloud) y su variante cuantificada FP8 (que puede ejecutarse en un solo nodo con 8x H200, con menos de 300 GB) lo hacen viable para la autodespliegue, especialmente adecuado para empresas preocupadas por la soberanía de los datos.

Perspectivas futuras: ¿se puede cerrar la brecha de capacidades?

Hy3 no es solo una actualización de modelo. Es una prueba de si la estrategia china de IA integrada en productos puede tener éxito bajo limitaciones de hardware y brechas en los puntos de referencia.

A corto plazo (12 meses), Tencent aprovechará su volante de datos ecológicos para mejorar continuamente las capacidades de los agentes, y Hy3 podría penetrar rápidamente en escenarios como la oficina empresarial, el servicio al cliente y el marketing. A medio plazo (24 meses), si se resuelven los problemas de "infrautilización de expertos" y equilibrio de carga de la arquitectura MoE, Hy3 podría liderar en eficiencia de costes. A largo plazo (3 años), las rutas de IA entre China y EE. UU. podrían divergir: una busca modelos universales a gran escala, la otra busca ecosistemas de agentes eficientes integrados verticalmente.La apuesta de Tencent es que su vasto ecosistema de software resolverá el problema de la tasa de utilización. Las solicitudes de flujo de trabajo, los datos de conversación, servicios como WeChat y juegos generarán diversos patrones de interacción. La compañía afirma que, desde el lanzamiento de la versión preliminar, el consumo diario de tokens de Hy3 ha aumentado 20 veces, y el número de usuarios que eligieron activamente Hy3 en WorkBuddy ha aumentado 6 veces.

Si este bucle de retroalimentación puede cerrar la brecha de capacidades--no solo hacer que un modelo eficiente sea más eficiente--determinará si Hy3 se convierte en una alternativa competitiva o simplemente en una solución local bien integrada.