Tencent publica la versión completa del modelo Hy4, con visión y uso del ordenador

Tencent anunció la publicación de la versión completa de Hy4 el 4 de noviembre de 2026, que incorpora capacidades de visión y uso del ordenador y pone el modelo a disposición a través de API alojadas y productos de Tencent. Está previsto publicar más adelante los pesos del modelo y una ficha técnica completa del sistema.

En cambio, la versión preliminar de Hy4 se publicó como código abierto cuando llegó en agosto de 2026. Tenía 770.000 millones de parámetros totales, 49.000 millones de parámetros activos y una ventana de contexto de 1 millón de tokens. Tencent señaló como problemas conocidos de aquella versión inicial el razonamiento excesivo y la verificación excesiva.

La versión completa amplía considerablemente tanto el preentrenamiento como el posentrenamiento. Tencent informa de mejoras respecto de la versión preliminar en seguimiento de instrucciones, comprensión de contextos largos, tareas de larga duración e investigación profunda.

Acceso mediante servicios alojados, con los mismos precios de lista

Hy4 está disponible a través de Tencent Cloud y OpenRouter, y dentro de CodeBuddy, WorkBuddy, Yuanbao e ima. Los precios publicados de la API no han cambiado respecto de la versión preliminar: 0,834 $ por millón de tokens de entrada, 2,501 $ por millón de tokens de salida y 0,042 $ por millón de tokens de entrada almacenados en caché.

La ficha de implementación de OpenRouter especifica una ventana de contexto de 1.048.576 tokens y un límite de 65.536 tokens para las respuestas. Acepta entradas de texto e imágenes y devuelve texto; Tencent Cloud es el único proveedor que aparece en la ficha. Estas especificaciones hacen que la visión forme parte de la API alojada, en lugar de limitarla a las propias aplicaciones de Tencent.

Visión y flujos de trabajo profesionales

Tencent afirma que Hy4 puede interpretar detalles minuciosos de imágenes y gráficos complejos, y operar tanto en interfaces de línea de comandos como en interfaces gráficas. El entrenamiento específico abarcó Blender, CAD y flujos de trabajo prolongados que se extienden por varias aplicaciones, y conectó la percepción visual con la planificación y el uso de herramientas para tareas profesionales.

La optimización del desarrollo de interfaces cubrió interacciones complejas con la interfaz de usuario, lógica de negocio, gestión del estado e integración de pila completa. Desarrolladores de Tencent Interactive Entertainment Group ayudaron a seleccionar datos de entrenamiento y evaluaciones para el desarrollo de videojuegos que abarcan Unreal Engine, Unity y Godot, así como lógica de juego, procesos de creación de recursos y desarrollo multijugador. Tencent informa de mejoras del 19,1 % en GameDev y del 9,8 % en GameLogic respecto de la versión preliminar.

Para el ámbito financiero, Tencent creó miles de entornos de trabajo realistas y decenas de miles de tareas. Después, evaluó Hy4 con 213 profesionales de las finanzas, entre ellos 153 expertos de instituciones financieras, en 579 tareas del mundo real. En esta evaluación realizada por la empresa, Tencent afirma que Hy4 ocupó el primer puesto entre los modelos de pesos abiertos, con una puntuación de 3,04, por delante de DeepSeek-V4.1-Flash-1017, con 2,97, y de Kimi K3.1 Pro y GLM-5.3, que obtuvieron 2,68 cada uno.

Tencent también informa de que Hy4 redujo las alucinaciones en las evaluaciones de búsqueda interna del 15,76 % de la versión preliminar al 5,45 %, y los errores especulativos del 23,1 % al 5,6 %. En TenureTrail, un conjunto interno de 123 tareas de investigación en siete disciplinas, Hy4 ocupó el primer puesto entre los modelos de pesos abiertos.

Pruebas de seguridad y publicación prevista de los pesos abiertos

Tencent reconoce que Hy4 aún está por detrás de los principales modelos propietarios, sobre todo en pruebas internas exigentes de matemáticas de nivel de investigación, programación de larga duración, automejora del modelo y respuesta avanzada a preguntas visuales.

Durante el entrenamiento, Tencent limitó los datos de ciberseguridad a la generación defensiva de pruebas de concepto y a la aplicación de parches a vulnerabilidades, y filtró el material sobre desarrollo de exploits, ingeniería inversa y pruebas de penetración. Tencent Xuanwu Lab y Tencent Keen Security Lab realizaron auditorías de equipo rojo, y la empresa informa de que no detectó un riesgo elevado en la ingeniería inversa de algoritmos criptográficos, la neutralización de la ofuscación de binarios ni la explotación de vulnerabilidades.

Tencent informa de una puntuación de 30,4 sobre 100 en Hy-BioExperimentBench. Los evaluadores internos concluyeron que la capacidad del modelo para convertir conocimientos biológicos en protocolos experimentales aplicables es limitada y que no hay pruebas de que reduzca de forma significativa las barreras para causar daños biológicos.

Está previsto que los pesos se publiquen junto con una ficha técnica completa del sistema que abarque las evaluaciones de seguridad y otros detalles técnicos. El apoyo al ecosistema se desarrollará en colaboración con las comunidades de vLLM y SGLang. También se prevé publicar próximamente una versión independiente, Hy4 Flash, cuyo objetivo es ofrecer una eficiencia de costes significativamente mayor y una inferencia más rápida.

En la práctica, ahora se ofrece una gama más amplia de servicios alojados, mientras que el despliegue abierto, una documentación de seguridad más completa y la variante más rápida y eficiente en costes siguen siendo entregas futuras, no componentes de esta publicación.