腾讯混元术语表
不教操作，只解释「为什么会撞名」。选门看 学习地图。
Hy / 混元
是什么：腾讯自研大模型家族的现行品牌。官网 hunyuan.tencent.com 与 hy.tencent.com 是同一站。国际通稿写过「Tencent Hy, formerly known as Tencent Hunyuan」。
不是什么：不是元宝 App，不是 TokenHub 账号，不是一个可执行文件。
仓库、论文、老云产品仍大量使用 Hunyuan。写文档时两种叫法都要能对上官方页，不要发明第三种「混元 3.0」当产品名——当前旗舰语言模型官方名是 Hy3。
机制（为什么是 MoE、MTP 是什么）见 Learn LLM，本页不展开。
Hy3
是什么：2026-07-06 正式发布的旗舰语言模型。TokenHub slug hy3。开源权重 Tencent-Hunyuan/Hy3：295B 总参数、21B 激活、256K 上下文、Apache-2.0。
托管侧能力（模型列表）：深度思考（保留式）、结构化输出、Function Calling、Cache。产品页补充了 Coding / 长文 / Agent。
不是什么：
- 不是
hy3-preview。Preview 官方标注 2026-08-31 下线。 - 不是「混元生图 / 生视频 / 生 3D」那些模态模型。
- 不是 CodeBuddy 里的某一个按钮。
TokenHub
是什么：腾讯云「大模型服务平台」。文档树产品 ID 1823。官方概述：统一入口，整合混元并引入第三方模型。调混元只是它的一条线。
为什么单独成词：2026 年 Hy3 的调用指南、价格、Key、Claude Code 接入都写在这棵树上。把它理解成「混元控制台」会漏掉「它还卖别人的模型」，也会和 1729 老树打架。
鉴权是 TokenHub 自己的 API Key，不是随便一个腾讯云 SecretId/SecretKey。
两套云文档
| 树 | ID | 现在怎么用 |
|---|---|---|
| TokenHub | 1823 | 本站主源。Hy3、价格、OpenAI 兼容口 |
| 腾讯混元大模型 | 1729 | 仍在线。页面上还能看到 Hunyuan-T1 / TurboS 等更早规格 |
cloud.tencent.com/product/hunyuan 抓下来仍偏老规格；同主题的 product/tclm 已切到 Hy3。两份营销页不一致时，以 TokenHub 文档 + hunyuan.tencent.com 为准，并在正文点名冲突。
思考档位为什么有三套词
不是三个产品，是三份官方页用了不同 JSON：
| 出处 | 怎么写 |
|---|---|
| TokenHub 调用指南 | thinking: { type: "enabled" }；reasoning_effort（hy3 默认 low） |
| tclm 产品页 | no_think / think_low / think_high |
| Hy3 开源 README | extra_body.chat_template_kwargs.reasoning_effort = no_think | low | high（默认 no_think） |
本站不猜「TokenHub 的 low 等于开源的哪一档」。照你正在打的那份文档抄字段。带 tools 时 TokenHub 会把 low 映射成 high（调用指南原文）。
同厂产品不是混元
| 名字 | 官方一句话 / 定位 | 入口 | 本站 |
|---|---|---|---|
| 元宝 | 「腾讯推出的全能 AI 助手，已接入最新的混元 Hy3 模型」 | yuanbao.tencent.com | #76 |
| CodeBuddy | 腾讯云代码助手（IDE / CLI） | codebuddy.cn | #78 |
| WorkBuddy | 办公 Agent 工作台 | workbuddy.cn | 地图一行 |
| ima | 「以知识库为基础的 AI 知识管家」 | ima.qq.com | 地图一行 |
它们消费混元（或其它模型），本身不是「混元开放能力」。Hy3 README 提到在 CodeBuddy / Cline / KiloCode 上评测，那是脚手架名字，不能反过来说混元 = CodeBuddy。
开源名 vs API slug
GitHub org Tencent-Hunyuan 的仓库名偏 Hunyuan*（HunyuanVideo、HunyuanImage-3.0、Hunyuan3D-2.1）。TokenHub 的调用参数偏 hy-* / hy3。
对账时以各页原文为准，禁止「看名字像就当成同一个 model 字段」。
本站不写的机制
MoE 路由、MTP 推测解码、量化训练、RL 后训练流程：官方 README 有章节，但属于模型内部。需要原理时去 LLM 基础。本目录只保留官方给出的规格数字和启动命令。