Modèles et plateformes d’IA
Tencent publie la version complète du modèle Hy4, dotée de capacités de vision et d’utilisation de l’ordinateur
Ajouter Unite.AI à vos sources préférées sur Google
Tencent a annoncé la sortie complète de Hy4 le 4 novembre 2026, en ajoutant des capacités de vision et d’utilisation de l’ordinateur et en rendant le modèle accessible par des API hébergées et dans les produits Tencent. Les poids du modèle et une fiche système complète devraient être publiés ultérieurement.
La version préliminaire de Hy4, en revanche, avait été publiée en open source à sa sortie en août 2026. Elle comptait 770 milliards de paramètres au total, dont 49 milliards actifs, et disposait d’une fenêtre de contexte d’un million de jetons. Tencent avait relevé, parmi les problèmes connus de cette première version, un raisonnement excessif et une vérification trop poussée.
La version complète augmente considérablement l’ampleur du préentraînement comme du post-entraînement. Tencent fait état de progrès par rapport à la version préliminaire dans le suivi des instructions, la compréhension des contextes longs, les tâches à long horizon et la recherche approfondie.
Accès hébergé aux mêmes tarifs catalogue
Hy4 est accessible via Tencent Cloud et OpenRouter, ainsi que dans CodeBuddy, WorkBuddy, Yuanbao et ima. Les tarifs API affichés restent identiques à ceux de la version préliminaire : 0,834 $ par million de jetons d’entrée, 2,501 $ par million de jetons de sortie et 0,042 $ par million de jetons d’entrée mis en cache.
La fiche de déploiement d’OpenRouter indique une fenêtre de contexte de 1 048 576 jetons et une limite de 65 536 jetons pour la génération. Le modèle accepte des entrées textuelles et des images, et renvoie du texte. Tencent Cloud est le seul fournisseur répertorié. Ces caractéristiques font de la vision une capacité de l’API hébergée, plutôt que de la réserver aux applications de Tencent.
Vision et flux de travail professionnels
Selon Tencent, Hy4 peut interpréter des détails d’image fins et des graphiques complexes, ainsi qu’interagir avec des interfaces en ligne de commande et des interfaces graphiques. L’entraînement ciblé a porté sur Blender, la CAO et des flux de travail à long horizon faisant intervenir plusieurs applications. Il relie ainsi la perception visuelle à la planification et à l’utilisation d’outils pour des tâches professionnelles.
L’optimisation du développement front-end a porté sur les interactions complexes avec les interfaces utilisateur, la logique métier, la gestion de l’état et l’intégration full stack. Des développeurs de Tencent Interactive Entertainment Group ont contribué à la sélection des données d’entraînement et des évaluations pour le développement de jeux. Celles-ci couvraient Unreal Engine, Unity et Godot, la logique de jeu, les pipelines de production des ressources et le développement multijoueur. Tencent fait état de progrès de 19,1 % sur GameDev et de 9,8 % sur GameLogic par rapport à la version préliminaire.
Pour la finance, Tencent a créé des milliers d’espaces de travail réalistes et des dizaines de milliers de tâches, puis a évalué Hy4 avec 213 professionnels de la finance, dont 153 experts d’établissements financiers, sur 579 tâches réelles. Dans cette évaluation menée par l’entreprise, Tencent affirme que Hy4 s’est classé premier parmi les modèles à poids ouverts, avec un score de 3,04, devant DeepSeek-V4.1-Flash-1017, à 2,97, et Kimi K3.1 Pro et GLM-5.3, ex æquo à 2,68.
Tencent indique également que, lors d’évaluations internes de recherche, Hy4 a réduit le taux d’hallucinations de 15,76 % pour la version préliminaire à 5,45 %, et le taux d’erreurs spéculatives de 23,1 % à 5,6 %. Sur TenureTrail, un ensemble interne de 123 tâches de recherche réparties entre sept disciplines, Hy4 s’est classé premier parmi les modèles à poids ouverts.
Contrôles de sécurité et publication prévue des poids en open source
Tencent reconnaît qu’un écart subsiste par rapport aux meilleurs modèles propriétaires, en particulier sur des tests internes difficiles portant sur les mathématiques de niveau recherche, le codage à long horizon, l’auto-amélioration des modèles et la réponse avancée aux questions visuelles.
Pendant l’entraînement, Tencent a limité les données de cybersécurité à la génération de preuves de concept à des fins défensives et à la correction des vulnérabilités, tout en filtrant les contenus liés au développement d’exploits, à la rétro-ingénierie et aux tests d’intrusion. Tencent Xuanwu Lab et Tencent Keen Security Lab ont mené des audits en équipe rouge, et l’entreprise indique n’avoir constaté aucun risque accru en matière d’inversion d’algorithmes cryptographiques, de contournement de l’obfuscation binaire ou d’exploitation de vulnérabilités.
Tencent indique que Hy4 a obtenu un score de 30,4 sur 100 à Hy-BioExperimentBench. Selon les évaluateurs internes, la capacité du modèle à transformer des connaissances biologiques en protocoles expérimentaux exploitables reste limitée, et rien ne montre qu’il abaisse sensiblement les obstacles à la réalisation de dommages biologiques.
La publication prévue des poids devrait s’accompagner d’une fiche système complète présentant les évaluations de sécurité et d’autres détails techniques, ainsi que d’un soutien de l’écosystème développé en parallèle avec les communautés vLLM et SGLang. Une version distincte, Hy4 Flash, est prévue dans un avenir proche ; elle vise une amélioration considérable du rapport coût-efficacité et une inférence plus rapide.
En pratique, l’offre hébergée est désormais plus étendue, tandis que le déploiement ouvert, une documentation de sécurité plus complète et la variante plus rapide et plus économique restent à venir et ne font pas partie de cette version.
