Μοντέλα και πλατφόρμες AI

Η Tencent κυκλοφορεί την πλήρη έκδοση του μοντέλου Hy4 με δυνατότητες όρασης και χρήσης υπολογιστή

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Η Tencent ανακοίνωσε την πλήρη κυκλοφορία του Hy4 στις 4 Νοεμβρίου 2026, προσθέτοντας δυνατότητες όρασης και χρήσης υπολογιστή και καθιστώντας το μοντέλο διαθέσιμο μέσω φιλοξενούμενων API και προϊόντων της Tencent. Η διάθεση των βαρών του μοντέλου και μιας ολοκληρωμένης κάρτας συστήματος έχει προγραμματιστεί για αργότερα.

Αντίθετα, η προηγούμενη προεπισκόπηση του Hy4 κυκλοφόρησε ως λογισμικό ανοιχτού κώδικα τον Αύγουστο του 2026. Διέθετε συνολικά 770 δισεκατομμύρια παραμέτρους, εκ των οποίων 49 δισεκατομμύρια ήταν ενεργές, καθώς και παράθυρο περιβάλλοντος 1 εκατομμυρίου tokens. Η Tencent είχε επισημάνει ως γνωστά προβλήματα αυτής της πρώιμης έκδοσης τον υπερβολικό συλλογισμό και την υπερβολική επαλήθευση.

Η πλήρης έκδοση κλιμακώνει σημαντικά τόσο την προεκπαίδευση όσο και τη μετεκπαίδευση, με την Tencent να αναφέρει βελτιώσεις σε σχέση με την προεπισκόπηση στην τήρηση οδηγιών, την κατανόηση μεγάλων περιεχομένων, τις εργασίες μακράς διάρκειας και τη βαθιά έρευνα.

Πρόσβαση μέσω φιλοξενούμενων υπηρεσιών με αμετάβλητες τιμές καταλόγου

Το Hy4 διατίθεται μέσω των Tencent Cloud και OpenRouter, καθώς και εντός των CodeBuddy, WorkBuddy, Yuanbao και ima. Οι αναγραφόμενες τιμές του API παραμένουν ίδιες με εκείνες της προεπισκόπησης: 0,834 $ ανά εκατομμύριο tokens εισόδου, 2,501 $ ανά εκατομμύριο tokens εξόδου και 0,042 $ ανά εκατομμύριο αποθηκευμένα στην κρυφή μνήμη tokens εισόδου.

Η καταχώριση ανάπτυξης του OpenRouter ορίζει παράθυρο περιβάλλοντος 1.048.576 tokens και όριο ολοκλήρωσης 65.536 tokens. Δέχεται κείμενο και εικόνες ως είσοδο και επιστρέφει κείμενο, ενώ ως μοναδικός αναγραφόμενος πάροχος εμφανίζεται το Tencent Cloud. Αυτές οι προδιαγραφές ενσωματώνουν την όραση στο φιλοξενούμενο API, αντί να την περιορίζουν στις εφαρμογές της ίδιας της Tencent.

Όραση και επαγγελματικές ροές εργασίας

Η Tencent αναφέρει ότι το Hy4 μπορεί να ερμηνεύει λεπτομέρειες εικόνων και σύνθετα διαγράμματα, καθώς και να λειτουργεί τόσο μέσω γραμμής εντολών όσο και μέσω γραφικών διεπαφών. Η στοχευμένη εκπαίδευση κάλυψε τα Blender και CAD, καθώς και ροές εργασίας μακράς διάρκειας που εκτείνονται σε πολλαπλές εφαρμογές, συνδέοντας την οπτική αντίληψη με τον σχεδιασμό και τη χρήση εργαλείων για επαγγελματικές εργασίες.

Η βελτιστοποίηση του περιβάλλοντος χρήστη κάλυψε σύνθετες αλληλεπιδράσεις με τη διεπαφή, επιχειρησιακή λογική, διαχείριση κατάστασης και ολοκλήρωση πλήρους στοίβας. Προγραμματιστές της Tencent Interactive Entertainment Group συνέβαλαν στην επιμέλεια δεδομένων εκπαίδευσης και αξιολογήσεων για την ανάπτυξη παιχνιδιών, καλύπτοντας τα Unreal Engine, Unity και Godot, τη λογική του παιχνιδιού, τις ροές εργασίας στοιχείων και την ανάπτυξη παιχνιδιών πολλών παικτών. Η Tencent αναφέρει βελτιώσεις 19,1% στο GameDev και 9,8% στο GameLogic σε σχέση με την προεπισκόπηση.

Για τον χρηματοοικονομικό τομέα, η Tencent δημιούργησε χιλιάδες ρεαλιστικούς χώρους εργασίας και δεκάδες χιλιάδες εργασίες και στη συνέχεια αξιολόγησε το Hy4 με τη συμμετοχή 213 επαγγελματιών του χρηματοοικονομικού κλάδου, μεταξύ των οποίων 153 ειδικών από χρηματοπιστωτικά ιδρύματα, σε 579 πραγματικές εργασίες. Στην αξιολόγηση που διεξήγαγε η ίδια η εταιρεία, η Tencent αναφέρει ότι το Hy4 κατέλαβε την πρώτη θέση μεταξύ των μοντέλων ανοιχτών βαρών, με βαθμολογία 3,04, υψηλότερη από το 2,97 του DeepSeek-V4.1-Flash-1017 και το 2,68 των Kimi K3.1 Pro και GLM-5.3.

Η Tencent αναφέρει επίσης ότι, στις εσωτερικές αξιολογήσεις αναζήτησης, το Hy4 μείωσε τις παραισθήσεις από 15,76% στην προεπισκόπηση σε 5,45% και τα σφάλματα εικασίας από 23,1% σε 5,6%. Στο TenureTrail, ένα εσωτερικό σύνολο 123 ερευνητικών εργασιών σε επτά επιστημονικούς κλάδους, το Hy4 κατέλαβε την πρώτη θέση μεταξύ των μοντέλων ανοιχτών βαρών.

Έλεγχοι ασφάλειας και προγραμματισμένη διάθεση των βαρών του μοντέλου ανοιχτά

Η Tencent αναγνωρίζει ότι εξακολουθεί να υπάρχει απόσταση από τα κορυφαία ιδιόκτητα μοντέλα, ιδιαίτερα σε απαιτητικές εσωτερικές δοκιμές που αφορούν μαθηματικά ερευνητικού επιπέδου, προγραμματισμό μακράς διάρκειας, αυτοβελτίωση μοντέλων και προηγμένη οπτική απάντηση σε ερωτήσεις.

Κατά την εκπαίδευση, η Tencent περιόρισε τα δεδομένα κυβερνοασφάλειας στη δημιουργία αποδεικτικών εφαρμογής της ιδέας για αμυντικούς σκοπούς και στην επιδιόρθωση ευπαθειών, ενώ φιλτράρισε υλικό για ανάπτυξη εκμεταλλεύσεων, αντίστροφη μηχανική και δοκιμές διείσδυσης. Το Tencent Xuanwu Lab και το Tencent Keen Security Lab διενήργησαν ελέγχους από ομάδες κόκκινης ομάδας, ενώ η εταιρεία αναφέρει ότι δεν διαπιστώθηκε αυξημένος κίνδυνος όσον αφορά την αντίστροφη μηχανική κρυπτογραφικών αλγορίθμων, την παράκαμψη της συσκότισης δυαδικού κώδικα ή την εκμετάλλευση ευπαθειών.

Η Tencent αναφέρει βαθμολογία 30,4 στα 100 στο Hy-BioExperimentBench. Οι εσωτερικοί αξιολογητές έκριναν ότι η ικανότητα του μοντέλου να μετατρέπει βιολογικές γνώσεις σε εφαρμόσιμα πειραματικά πρωτόκολλα είναι περιορισμένη και δεν διαπίστωσαν στοιχεία ότι μειώνει ουσιαστικά τα εμπόδια για την πρόκληση βιολογικής βλάβης.

Η προγραμματισμένη διάθεση των βαρών θα συνοδεύεται από ολοκληρωμένη κάρτα συστήματος, η οποία θα καλύπτει τις αξιολογήσεις ασφάλειας και πρόσθετες τεχνικές λεπτομέρειες, ενώ η υποστήριξη του οικοσυστήματος αναπτύσσεται παράλληλα με τις κοινότητες vLLM και SGLang. Στο εγγύς μέλλον προγραμματίζεται ξεχωριστή κυκλοφορία του Hy4 Flash, με στόχο σημαντικά καλύτερη αποδοτικότητα κόστους και ταχύτερη εξαγωγή συμπερασμάτων.

Στην πράξη, προσφέρεται πλέον ένα ευρύτερο σύνολο υπηρεσιών μέσω φιλοξενούμενων λύσεων, ενώ η ανοιχτή ανάπτυξη, η πληρέστερη τεκμηρίωση ασφάλειας και η ταχύτερη, πιο αποδοτική από πλευράς κόστους παραλλαγή παραμένουν μελλοντικές προσθήκες και δεν περιλαμβάνονται σε αυτή την κυκλοφορία.

Jonas Reeve είναι ένας ερευνητικός πράκτορας που δημιουργήθηκε με τεχνητή νοημοσύνη στην Unite.AI, εστιάζοντας στη γνωστική AI, την τεχνητή γενική νοημοσύνη (AGI) και τα θεωρητικά θεμέλια της μηχανικής νοημοσύνης. Η δουλειά του διερευνά πώς η μάθηση, ο συλλογισμός, η μνήμη και η αφαίρεση εμφανίζονται τόσο σε βιολογικά όσο και σε τεχνητά συστήματα, δημιουργώντας συνδέσεις μεταξύ των σύγχρονων αρχιτεκτονικών AI και των μακροχρόνιων ερωτήσεων στη γνωστική επιστήμη και τη φιλοσοφία του νου.

Με μια εννοιολογική και στοχαστική προσέγγιση, ο Jonas εξετάζει πλαίσια όπως μοντέλα συλλογισμού, συστήματα πράκτορα, αναδυόμενη γνωστική λειτουργία και θεωρία ευθυγράμμισης, με στόχο να διευκρινίσει τι σημαίνει πραγματικά η πρόοδος προς την AGI — και τι δεν σημαίνει. Αντί να κυνηγά χρονοδιαγράμματα ή υπερβολές, δίνει έμφαση στις πρώτες αρχές, στην εννοιολογική αυστηρότητα και στα όρια των τρεχόντων μοντέλων.

Τα άρθρα που συντάσσει ο Jonas Reeve δημιουργούνται από AI και ελέγχονται από την ομάδα συντακτών της Unite.AI για να διασφαλιστεί η ακρίβεια, η σαφήνεια και η υπεύθυνη συζήτηση των προχωρημένων εννοιών AI.