Tencent brengt volledige Hy4-model uit met beeldherkenning en computerbediening

Tencent kondigde de volledige release van Hy4 aan op 4 november 2026. De release voegt mogelijkheden voor beeldherkenning en computerbediening toe en maakt het model beschikbaar via gehoste API’s en Tencent-producten. De modelgewichten en een uitgebreide systeembeschrijving staan gepland voor een latere release.

Het eerdere voorproefje van Hy4 werd daarentegen open source gemaakt toen het in augustus 2026 verscheen. Het model had in totaal 770 miljard parameters, waarvan er 49 miljard actief waren, en een contextvenster van 1 miljoen tokens. Tencent noemde overmatig redeneren en overmatige verificatie als bekende problemen in die vroege versie.

Bij de volledige release zijn zowel de pretraining als de post-training aanzienlijk uitgebreid. Tencent meldt ten opzichte van het voorproefje verbeteringen in het opvolgen van instructies, het begrijpen van lange contexten, taken met een lange looptijd en diepgaand onderzoek.

Toegang via gehoste diensten tegen ongewijzigde lijstprijzen

Hy4 is beschikbaar via Tencent Cloud en OpenRouter en binnen CodeBuddy, WorkBuddy, Yuanbao en ima. De vermelde API-prijzen zijn ongewijzigd ten opzichte van het voorproefje: $0,834 per miljoen invoertokens, $2,501 per miljoen uitvoertokens en $0,042 per miljoen gecachete invoertokens.

De implementatievermelding van OpenRouter vermeldt een contextvenster van 1.048.576 tokens en een limiet van 65.536 tokens voor voltooide uitvoer. De API accepteert tekst- en afbeeldingsinvoer en geeft tekst terug. Tencent Cloud is de enige vermelde aanbieder. Deze specificaties maken beeldherkenning onderdeel van de gehoste API, in plaats van die mogelijkheid te beperken tot de eigen toepassingen van Tencent.

Beeldherkenning en professionele workflows

Volgens Tencent kan Hy4 fijne details in afbeeldingen en complexe grafieken interpreteren en werken met zowel opdrachtregelinterfaces als grafische interfaces. De gerichte training omvatte Blender, CAD en workflows met een lange looptijd die meerdere toepassingen bestrijken. Zo worden visuele waarneming, planning en het gebruik van hulpmiddelen verbonden voor professionele taken.

De optimalisatie voor frontendontwikkeling omvatte complexe interacties met gebruikersinterfaces, bedrijfslogica, statusbeheer en full-stackintegratie. Ontwikkelaars van Tencent Interactive Entertainment Group hielpen bij het samenstellen van trainingsgegevens en evaluaties voor gameontwikkeling, met aandacht voor Unreal Engine, Unity en Godot, gameplaylogica, assetpipelines en multiplayerontwikkeling. Tencent meldt ten opzichte van het voorproefje verbeteringen van 19,1% op GameDev en 9,8% op GameLogic.

Voor de financiële sector bouwde Tencent duizenden realistische werkomgevingen en tienduizenden taken. Vervolgens evalueerde het bedrijf Hy4 met 213 financiële professionals, onder wie 153 experts van financiële instellingen, aan de hand van 579 praktijktaken. In deze door het bedrijf uitgevoerde evaluatie zegt Tencent dat Hy4 met een score van 3,04 als beste eindigde van de modellen met open gewichten. Daarmee bleef het model DeepSeek-V4.1-Flash-1017 (2,97) en Kimi K3.1 Pro en GLM-5.3 (beide 2,68) voor.

Tencent meldt ook dat Hy4 bij interne zoekevaluaties het aantal hallucinaties terugbracht van 15,76% bij het voorproefje naar 5,45%, en het aantal speculatieve fouten verlaagde van 23,1% naar 5,6%. Op TenureTrail, een interne verzameling van 123 onderzoekstaken binnen zeven disciplines, eindigde Hy4 als beste van de modellen met open gewichten.

Veiligheidscontroles en de geplande release van open gewichten

Tencent erkent dat er nog steeds een kloof is met de beste propriëtaire modellen, met name bij uitdagende interne benchmarks voor wiskunde op onderzoeksniveau, programmeren over lange trajecten, zelfverbetering van modellen en geavanceerde visuele vraagbeantwoording.

Tijdens de training beperkte Tencent de cybersecuritygegevens tot het genereren van defensieve proof-of-concepts en het verhelpen van kwetsbaarheden. Materiaal over de ontwikkeling van exploits, reverse-engineering en penetratietests werd gefilterd. Tencent Xuanwu Lab en Tencent Keen Security Lab voerden red-teamaudits uit. Het bedrijf meldt geen verhoogd risico bij het reverse-engineeren van cryptografische algoritmen, het doorbreken van binaire obfuscatie of het misbruiken van kwetsbaarheden.

Tencent meldt een score van 30,4 op 100 voor Hy-BioExperimentBench. Interne beoordelaars vonden dat het vermogen van het model om biologische kennis om te zetten in bruikbare experimentele protocollen beperkt is. Ook vonden zij geen aanwijzingen dat het model de drempel voor het veroorzaken van biologische schade wezenlijk verlaagt.

De geplande modelgewichten worden vergezeld van een uitgebreide systeembeschrijving met veiligheidsbeoordelingen en aanvullende technische details. De ondersteuning binnen het ecosysteem wordt ontwikkeld in samenwerking met de gemeenschappen rond vLLM en SGLang. Voor de nabije toekomst staat ook een afzonderlijke release van Hy4 Flash gepland, gericht op een aanzienlijk betere kostenefficiëntie en snellere inferentie.

Het praktische resultaat is nu een breder aanbod via gehoste diensten. Implementatie op eigen infrastructuur, uitgebreidere veiligheidsdocumentatie en de snellere, kostenefficiëntere variant zijn echter nog toekomstige resultaten en maken geen deel uit van deze release.