Hy3.
Hy3 is a 295B-parameter Mixture-of-Experts model from Tencent (21B active, 192 experts with top-8 routing) built for reasoning, agentic workflows, and real-world production use. It supports a configurable reasoning effor
4× Nvidia Q RTX 8000 · $1.05/hr.
Most-aggressive quantisation we have a working recommendation for. Lower precision = less VRAM = cheaper hardware, at a small accuracy cost.
Cheapest hosted endpoints.
| Provider | Access | $/M in | $/M out | |
|---|---|---|---|---|
| OpenRouter | api aggregator | $0.132 | $0.528 | Launch ↗ |
Cheapest hardware per quantisation.
Each row is one quantisation tier (the same weights compressed differently). Lower precision → lower VRAM → cheaper hardware, at the cost of small accuracy loss. $/h es la tarifa más baja disponible ahora. Una configuración multitarjeta usa una instancia real de ese tamaño cuando se alquila; si no, es la tarifa de una tarjeta por el número de tarjetas.
| Quantisation | Cheapest GPU config | Total VRAM | Live $/hr | tokens/sec | |
|---|---|---|---|---|---|
|
FP16
FP16 — half precision (default)
|
768 GB |
$8.27/hr
Cyfuture AI · bajo demanda
|
— | Compare → | |
|
FP8
FP8 — 8-bit float (Hopper / Blackwell)
|
384 GB |
$2.10/hr
est. 8 × tarifa de una tarjeta
Vast.ai · bajo demanda
|
— | Compare → | |
|
INT4
INT4 — 4-bit integer (~4× VRAM saving)
|
192 GB |
$1.05/hr
est. 4 × tarifa de una tarjeta
Vast.ai · bajo demanda
|
— | Compare → |
What it costs per month across providers.
Estimate your monthly bill for Hy3 across every host that publishes per-token pricing. Slide your token volumes; the chart + table re-rank cheapest-first.
El proveedor más barato, a la izquierda.
Coste mensual total — tokens de entrada y salida juntos.
Desglose de la factura.
| Proveedor | Total mensual | |
|---|---|---|
| $2.38 | Registrarse ↗ |
Alquila la GPU en lugar de pagar por token.
Para un modelo de pesos abiertos como Hy3, puedes alquilar una GPU y servir la inferencia tú mismo. La cuenta: alquiler de GPU más barato × 730 horas/mes. La electricidad ya está incluida en el precio por hora del alquiler.
Supone que la GPU funciona 24/7 con ~85 % de uso. Si tu tráfico es irregular, pagarás menos por la API y probablemente más por la GPU (las horas ociosas también se cobran). El análisis del punto de equilibrio está en la herramienta de punto de equilibrio autoalojar vs. API.