KI-Modelle und Plattformen
Tencent veröffentlicht das vollständige Hy4-Modell mit Bildverarbeitung und Computersteuerung
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Tencent gab am 4. November 2026 die vollständige Veröffentlichung von Hy4 bekannt und ergänzte das Modell um Bildverarbeitung und Computersteuerung. Es ist nun über gehostete APIs und Tencent-Produkte verfügbar. Die Modellgewichte und eine umfassende Systemkarte sollen später veröffentlicht werden.
Die frühere Hy4-Vorschau wurde dagegen bei ihrer Veröffentlichung im August 2026 als Open Source bereitgestellt. Sie verfügte über insgesamt 770 Milliarden Parameter, davon 49 Milliarden aktive Parameter, sowie ein Kontextfenster von 1 Million Tokens. Tencent benannte übermäßiges Schlussfolgern und übermäßige Verifizierung als bekannte Probleme dieser frühen Version.
Mit der vollständigen Veröffentlichung wurden sowohl das Vortraining als auch das Nachtraining deutlich ausgeweitet. Tencent berichtet von Verbesserungen gegenüber der Vorschau bei der Befolgung von Anweisungen, dem Verständnis langer Kontexte, Aufgaben mit langem Zeithorizont und der fundierten Recherche.
Gehosteter Zugriff zu unveränderten Listenpreisen
Hy4 ist über Tencent Cloud und OpenRouter sowie in CodeBuddy, WorkBuddy, Yuanbao und ima verfügbar. Die angegebenen API-Preise bleiben gegenüber der Vorschau unverändert: 0,834 $ pro Million Eingabe-Tokens, 2,501 $ pro Million Ausgabe-Tokens und 0,042 $ pro Million zwischengespeicherter Eingabe-Tokens.
Der Bereitstellungseintrag von OpenRouter weist ein Kontextfenster von 1.048.576 Tokens und eine maximale Ausgabelänge von 65.536 Tokens aus. Als Eingabe akzeptiert das Modell Text und Bilder und gibt Text zurück. Tencent Cloud ist der einzige aufgeführte Anbieter. Diese Spezifikationen zeigen, dass die Bildverarbeitung Teil der gehosteten API ist und nicht auf Tencents eigene Anwendungen beschränkt bleibt.
Bildverarbeitung und professionelle Arbeitsabläufe
Tencent zufolge kann Hy4 feine Bilddetails und komplexe Diagramme interpretieren und sowohl über Befehlszeilen- als auch über grafische Benutzeroberflächen agieren. Das gezielte Training umfasste Blender, CAD und langwierige Arbeitsabläufe über mehrere Anwendungen hinweg. So wurden visuelle Wahrnehmung, Planung und Werkzeugnutzung für professionelle Aufgaben miteinander verknüpft.
Die Optimierung des Frontends umfasste komplexe Interaktionen mit Benutzeroberflächen, Geschäftslogik, Zustandsverwaltung und die Integration des gesamten Technologie-Stacks. Entwickler der Tencent Interactive Entertainment Group wirkten an der Zusammenstellung von Trainingsdaten und Evaluierungen für die Spieleentwicklung mit. Diese deckten Unreal Engine, Unity und Godot, Spiellogik, Asset-Pipelines und die Entwicklung von Mehrspielerfunktionen ab. Tencent berichtet gegenüber der Vorschau von Verbesserungen um 19,1 % bei GameDev und 9,8 % bei GameLogic.
Für den Finanzbereich erstellte Tencent Tausende realitätsnahe Arbeitsumgebungen und Zehntausende Aufgaben. Anschließend ließ das Unternehmen Hy4 von 213 Finanzfachleuten evaluieren, darunter 153 Experten aus Finanzinstituten. Sie bearbeiteten 579 Aufgaben aus der Praxis. Bei dieser von Tencent durchgeführten Evaluierung lag Hy4 unter den Modellen mit offenen Gewichten laut Tencent mit einer Punktzahl von 3,04 auf dem ersten Platz. Damit lag es vor DeepSeek-V4.1-Flash-1017 mit 2,97 sowie Kimi K3.1 Pro und GLM-5.3 mit jeweils 2,68.
Tencent berichtet außerdem, dass Hy4 bei internen Suchtests den Anteil an Halluzinationen von 15,76 % in der Vorschau auf 5,45 % senkte und spekulative Fehler von 23,1 % auf 5,6 % reduzierte. Im internen Testsatz TenureTrail mit 123 Forschungsaufgaben aus sieben Fachgebieten belegte Hy4 unter den Modellen mit offenen Gewichten den ersten Platz.
Sicherheitsprüfungen und die geplante Veröffentlichung der Modellgewichte
Tencent räumt ein, dass der Abstand zu führenden proprietären Modellen weiterhin besteht, insbesondere bei anspruchsvollen internen Benchmarks für Mathematik auf Forschungsniveau, Programmierung mit langem Zeithorizont, die Selbstverbesserung von Modellen und fortgeschrittene visuelle Fragebeantwortung.
Während des Trainings beschränkte Tencent die Cybersicherheitsdaten auf die Erstellung defensiver Proof-of-Concepts und das Beheben von Schwachstellen. Material zur Entwicklung von Exploits, zum Reverse Engineering und zu Penetrationstests wurde hingegen herausgefiltert. Tencent Xuanwu Lab und Tencent Keen Security Lab führten Red-Team-Prüfungen durch. Das Unternehmen berichtet von keinem erhöhten Risiko beim Umkehren kryptografischer Algorithmen, beim Überwinden von Binärverschleierung oder beim Ausnutzen von Schwachstellen.
Tencent berichtet für Hy4 auf Hy-BioExperimentBench von einer Punktzahl von 30,4 von 100. Interne Prüfer kamen zu dem Schluss, dass die Fähigkeit des Modells, biologisches Wissen in umsetzbare Versuchsprotokolle zu übertragen, begrenzt ist. Es gebe keine Anhaltspunkte dafür, dass das Modell die Hürden für die Verursachung biologischer Schäden wesentlich senkt.
Die geplante Veröffentlichung der Modellgewichte soll von einer umfassenden Systemkarte begleitet werden, die Sicherheitsbewertungen und weitere technische Details enthält. Die Unterstützung des Ökosystems wird gemeinsam mit den Communities von vLLM und SGLang entwickelt. Eine separate Veröffentlichung von Hy4 Flash ist für die nahe Zukunft geplant. Sie soll die Kosteneffizienz deutlich verbessern und die Inferenz beschleunigen.
Das praktische Ergebnis ist ein jetzt breiteres gehostetes Angebot. Eine offene Bereitstellung, eine umfassendere Sicherheitsdokumentation und die schnellere, kosteneffizientere Variante stehen jedoch noch aus und sind nicht Teil dieser Veröffentlichung.
