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. $/giờ là giá thấp nhất đang được chào. Cấu hình nhiều card dùng giá máy thật cùng cỡ khi có nơi cho thuê; nếu không, là giá một card nhân số card.
| Quantisation | Cheapest GPU config | Total VRAM | Live $/hr | tokens/sec | |
|---|---|---|---|---|---|
|
FP16
FP16 — half precision (default)
|
768 GB |
$8.27/hr
Cyfuture AI · theo nhu cầu
|
— | Compare → | |
|
FP8
FP8 — 8-bit float (Hopper / Blackwell)
|
384 GB |
$2.10/hr
ước tính 8 × giá một card
Vast.ai · theo nhu cầu
|
— | Compare → | |
|
INT4
INT4 — 4-bit integer (~4× VRAM saving)
|
192 GB |
$1.05/hr
ước tính 4 × giá một card
Vast.ai · theo nhu cầu
|
— | 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.
Nhà cung cấp rẻ nhất ở bên trái.
Tổng chi phí hằng tháng — gồm cả token đầu vào và đầu ra.
Chi tiết hóa đơn.
| Nhà cung cấp | Tổng mỗi tháng | |
|---|---|---|
| $2.38 | Đăng ký ↗ |
Thuê GPU thay vì trả tiền theo token.
Với mô hình mã nguồn mở như Hy3, bạn có thể thuê GPU và tự chạy suy luận. Cách tính: giá thuê GPU rẻ nhất × 730 giờ/tháng. Điện đã nằm trong giá thuê theo giờ.
Giả định GPU chạy 24/7 với mức sử dụng khoảng 85%. Nếu lưu lượng của bạn thất thường, bạn sẽ trả ít hơn cho API và có thể nhiều hơn cho GPU (giờ rảnh vẫn tính tiền thuê). Phân tích hòa vốn nằm ở công cụ hòa vốn tự host so với API.