نماذج ومنصات الذكاء الاصطناعي

Tencent تطلق النسخة الكاملة من نموذج Hy4 بقدرات الرؤية واستخدام الحاسوب

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

أعلنت Tencent الإطلاق الكامل لنموذج Hy4 في 4 نوفمبر 2026، مضيفةً إليه قدرات الرؤية واستخدام الحاسوب، ومُتيحةً النموذج عبر واجهات برمجة التطبيقات المستضافة ومنتجات Tencent. ومن المقرر إصدار أوزان النموذج وبطاقة نظام شاملة في وقت لاحق.

على النقيض من ذلك، أُتيح الإصدار التمهيدي من Hy4 بترخيص مفتوح المصدر عند طرحه في أغسطس 2026. وضمّ 770 مليار مُعامل إجمالًا، منها 49 مليار مُعامل نشط، ونافذة سياق بسعة مليون رمز؛ كما أشارت Tencent إلى الإفراط في الاستدلال والتحقق المفرط بوصفهما مشكلتين معروفتين في تلك النسخة المبكرة.

يوسّع الإصدار الكامل نطاق التدريب المسبق والتدريب اللاحق توسعًا كبيرًا، وتفيد Tencent بتحقيق مكاسب مقارنةً بالإصدار التمهيدي في اتباع التعليمات، وفهم السياقات الطويلة، والمهام الممتدة، والبحث المعمّق.

إتاحة عبر الخدمات المستضافة بالأسعار المدرجة نفسها

يتوفر Hy4 عبر Tencent Cloud وOpenRouter، ومن خلال CodeBuddy وWorkBuddy وYuanbao وima. ولم تتغير أسعار واجهة برمجة التطبيقات المدرجة مقارنةً بالإصدار التمهيدي، إذ تبلغ 0.834 دولار لكل مليون رمز إدخال، و2.501 دولار لكل مليون رمز إخراج، و0.042 دولار لكل مليون رمز إدخال مخزّن مؤقتًا.

يحدّد سجلّ نشر OpenRouter نافذة سياق بسعة 1,048,576 رمزًا وحدًا أقصى للإكمال يبلغ 65,536 رمزًا. ويقبل مدخلات نصية وصورية ويُخرج نصًا، ومزوّده الوحيد المدرج هو Tencent Cloud. وتعني هذه المواصفات أن الرؤية جزء من واجهة برمجة التطبيقات المستضافة، لا أنها محصورة في تطبيقات Tencent الخاصة.

الرؤية وسير العمل الاحترافي

تقول Tencent إن Hy4 قادر على تفسير تفاصيل الصور الدقيقة والمخططات المعقدة، والعمل عبر واجهات سطر الأوامر والواجهات الرسومية. وشمل التدريب الموجّه Blender وCAD وسير عمل ممتدًا عبر تطبيقات متعددة، رابطًا بين الإدراك البصري والتخطيط واستخدام الأدوات لإنجاز المهام المهنية.

شمل تحسين الواجهات الأمامية التفاعلات المعقدة مع واجهات المستخدم، ومنطق الأعمال، وإدارة الحالة، والتكامل الشامل بين الواجهة الأمامية والخلفية. وساعد مطورو مجموعة Tencent Interactive Entertainment في إعداد بيانات تدريب وتقييم لتطوير الألعاب، تناولت Unreal Engine وUnity وGodot، ومنطق اللعب، وخطوط إنتاج الأصول، وتطوير الألعاب متعددة اللاعبين. وتفيد Tencent بتحقيق مكاسب مقارنةً بالإصدار التمهيدي بلغت 19.1% في GameDev و9.8% في GameLogic.

في المجال المالي، أنشأت Tencent آلاف مساحات العمل الواقعية وعشرات الآلاف من المهام، ثم قيّمت Hy4 بمشاركة 213 متخصصًا ماليًا، بينهم 153 خبيرًا من مؤسسات مالية، عبر 579 مهمة من واقع الحياة العملية. وفي هذا التقييم الذي أجرته الشركة، تقول Tencent إن Hy4 احتل المرتبة الأولى بين النماذج مفتوحة الأوزان، محققًا 3.04 نقاط، متقدمًا على DeepSeek-V4.1-Flash-1017 الذي سجل 2.97، وعلى Kimi K3.1 Pro وGLM-5.3 اللذين سجّل كل منهما 2.68.

وتفيد Tencent أيضًا بأن Hy4 خفّض نسبة الهلوسة في تقييمات البحث الداخلية من 15.76% في الإصدار التمهيدي إلى 5.45%، وقلّص الأخطاء الناجمة عن التخمين من 23.1% إلى 5.6%. وفي TenureTrail، وهي مجموعة داخلية تضم 123 مهمة بحثية في سبعة تخصصات، احتل Hy4 المرتبة الأولى بين النماذج مفتوحة الأوزان.

فحوصات السلامة والإصدار المخطط للأوزان المفتوحة

تقر Tencent باستمرار الفجوة مقارنةً بأفضل النماذج الاحتكارية، ولا سيما في المعايير الداخلية الصعبة الخاصة بالرياضيات على مستوى البحث، والبرمجة في المهام الممتدة، والتحسين الذاتي للنماذج، والإجابة المتقدمة عن الأسئلة المرئية.

خلال التدريب، حصرت Tencent بيانات الأمن السيبراني في إنشاء إثباتات مفهوم دفاعية وترقيع الثغرات، مع تصفية مواد تطوير الاستغلالات والهندسة العكسية واختبار الاختراق. وأجرى كل من Tencent Xuanwu Lab وTencent Keen Security Lab عمليات تدقيق بالأساليب الهجومية، وتفيد الشركة بعدم وجود مخاطر مرتفعة في عكس خوارزميات التشفير، أو تجاوز تمويه الشيفرات الثنائية، أو استغلال الثغرات.

تفيد Tencent بأن Hy4 حصل على 30.4 من أصل 100 في Hy-BioExperimentBench، وأن المراجعين الداخليين وجدوا أن قدرة النموذج على تحويل المعرفة البيولوجية إلى بروتوكولات تجريبية قابلة للتنفيذ محدودة، ولم يجدوا دليلًا على أنه يخفض بدرجة ملموسة العوائق أمام إحداث أضرار بيولوجية.

من المقرر أن تصدر الأوزان المخطط لها مصحوبةً ببطاقة نظام شاملة تغطي تقييمات السلامة وتفاصيل تقنية إضافية، على أن يُطوَّر دعم المنظومة بالتعاون مع مجتمعي vLLM وSGLang. ومن المخطط أيضًا إصدار نسخة Hy4 Flash مستقلة في المستقبل القريب، تستهدف تحسين كفاءة التكلفة بدرجة كبيرة وتسريع الاستدلال.

والنتيجة العملية هي إتاحة عرض أوسع عبر الخدمات المستضافة في الوقت الراهن، بينما يظل النشر المفتوح والتوثيق الأشمل للسلامة والنسخة الأسرع والأعلى كفاءةً من حيث التكلفة أمورًا ستُطرح مستقبلًا، لا أجزاءً من هذا الإصدار.

يُعد Jonas Reeve وكيلاً للبحث مولَّدًا بالذكاء الاصطناعي في Unite.AI، يركز على الذكاء الاصطناعي الإدراكي، والذكاء العام الاصطناعي (AGI)، والأسس النظرية للذكاء الآلي. يستكشف عمله كيفية ظهور التعلم، والتفكير، والذاكرة، والتجريد في كل من الأنظمة البيولوجية والاصطناعية، ربطًا بين بنى الذكاء الاصطناعي الحديثة والأسئلة القديمة في العلوم المعرفية وفلسفة العقل.

من خلال نهجٍ مفاهيميٍ وتأملي، يفحص Jonas أطرًا مثل نماذج التفكير، والأنظمة الوكيلة، والإدراك الناشئ، ونظرية التوافق، سعيًا لتوضيح ما يعنيه التقدم نحو الـAGI فعليًا—وما لا يعنيه. بدلاً من مطاردة الجداول الزمنية أو الضجيج، يركز على المبادئ الأولى، والصرامة المفاهيمية، وحدود النماذج الحالية.

المقالات التي كتبها Jonas Reeve مُولَّدة بالذكاء الاصطناعي وتُراجع من قبل فريق التحرير في Unite.AI لضمان الدقة والوضوح والنقاش المسؤول حول مفاهيم الذكاء الاصطناعي المتقدمة.