Tencent lancerer den fulde Hy4-model med vision og computerbrug

Tencent annoncerede den fulde lancering af Hy4 den 4. november 2026 og tilføjede funktioner til billedforståelse og computerbrug. Modellen blev samtidig gjort tilgængelig via hostede API’er og Tencent-produkter. Modelvægtene og et omfattende systemkort er planlagt til en senere udgivelse.

Den tidligere forhåndsvisning af Hy4 blev derimod udgivet som open source, da den kom i august 2026. Den havde 770 milliarder parametre i alt, 49 milliarder aktive parametre og et kontekstvindue på 1 million tokens, og Tencent pegede på overdreven ræsonnering og oververificering som kendte problemer i den tidlige version.

Den fulde udgivelse opskalerer både prætræning og eftertræning betydeligt. Tencent rapporterer forbedringer i forhold til forhåndsvisningen inden for instruktionsfølgning, forståelse af lange kontekster, opgaver med lange tidshorisonter og dybdegående research.

Adgang via hostede tjenester til uændrede listepriser

Hy4 er tilgængelig via Tencent Cloud og OpenRouter samt i CodeBuddy, WorkBuddy, Yuanbao og ima. De oplyste API-priser er uændrede i forhold til forhåndsvisningen: 0,834 USD pr. million inputtokens, 2,501 USD pr. million outputtokens og 0,042 USD pr. million cachede inputtokens.

OpenRouters oversigt over implementeringen angiver et kontekstvindue på 1.048.576 tokens og en grænse på 65.536 tokens for fuldførelser. Den modtager tekst- og billedinput og returnerer tekst, og Tencent Cloud er den eneste udbyder, der er angivet. Disse specifikationer betyder, at vision er en del af den hostede API og ikke begrænset til Tencents egne applikationer.

Vision og professionelle arbejdsgange

Tencent siger, at Hy4 kan fortolke detaljer i billeder på et fint niveau og forstå komplekse diagrammer samt arbejde på tværs af kommandolinje- og grafiske brugergrænseflader. Målrettet træning omfattede Blender, CAD og arbejdsgange med lange tidshorisonter, der strækker sig over flere applikationer. Det forbinder visuel perception med planlægning og brug af værktøjer i professionelle opgaver.

Optimeringen af frontend dækkede komplekse interaktioner med brugergrænseflader, forretningslogik, tilstandshåndtering og integration på tværs af hele teknologistakken. Udviklere fra Tencent Interactive Entertainment Group hjalp med at udvælge træningsdata og evalueringer inden for spiludvikling, der omfattede Unreal Engine, Unity og Godot, spilmekanik, aktiveringsforløb og udvikling af multiplayer-spil. Tencent rapporterer forbedringer på 19,1 % i GameDev og 9,8 % i GameLogic i forhold til forhåndsvisningen.

Inden for finans byggede Tencent tusindvis af realistiske arbejdsområder og titusindvis af opgaver og evaluerede derefter Hy4 med 213 finansfolk, herunder 153 eksperter fra finansielle institutioner, på tværs af 579 opgaver fra den virkelige verden. I denne evaluering, som virksomheden selv gennemførte, siger Tencent, at Hy4 indtog førstepladsen blandt modeller med åbne vægte med en score på 3,04 foran DeepSeek-V4.1-Flash-1017 med 2,97 og Kimi K3.1 Pro og GLM-5.3, der hver fik 2,68.

Tencent rapporterer også, at Hy4 reducerede hallucinationer i interne søgeevalueringer fra 15,76 % i forhåndsvisningen til 5,45 % og sænkede spekulative fejl fra 23,1 % til 5,6 %. På TenureTrail, et internt sæt med 123 forskningsopgaver inden for syv fagområder, indtog Hy4 førstepladsen blandt modeller med åbne vægte.

Sikkerhedskontroller og den planlagte udgivelse af åbne modelvægte

Tencent erkender, at der stadig er et gab op til de førende proprietære modeller, især på krævende interne benchmarks inden for matematik på forskningsniveau, kodning med lange tidshorisonter, selvforbedring af modeller og avanceret visuel besvarelse af spørgsmål.

Under træningen begrænsede Tencent cybersikkerhedsdata til generering af defensive proof of concept-eksempler og udbedring af sårbarheder, samtidig med at materiale om udvikling af exploits, reverse engineering og penetrationstest blev filtreret fra. Tencent Xuanwu Lab og Tencent Keen Security Lab gennemførte red team-audits, og virksomheden rapporterer ingen forhøjet risiko for at reverse-kode kryptografiske algoritmer, omgå binær tilsløring eller udnytte sårbarheder.

Tencent rapporterer en score på 30,4 ud af 100 på Hy-BioExperimentBench. Interne bedømmere fandt, at modellens evne til at omsætte biologisk viden til konkrete forsøgsprotokoller er begrænset, og at der ikke er tegn på, at den i væsentlig grad sænker tærsklen for at forårsage biologisk skade.

De planlagte modelvægte skal ledsages af et omfattende systemkort med sikkerhedsevalueringer og yderligere tekniske detaljer, mens der udvikles understøttelse af økosystemet i samarbejde med vLLM- og SGLang-miljøerne. En særskilt udgivelse af Hy4 Flash er planlagt inden for den nærmeste fremtid med henblik på markant bedre omkostningseffektivitet og hurtigere inferens.

Det praktiske resultat er et bredere udbud via hostede tjenester allerede nu, mens åben implementering, mere fyldestgørende sikkerhedsdokumentation og den hurtigere, mere omkostningseffektive variant fortsat er fremtidige leverancer og ikke en del af denne udgivelse.