Tencent lanserer den fullstendige Hy4-modellen med visjon og datamaskinbruk

Tencent kunngjorde den fullstendige lanseringen av Hy4 4. november 2026, med nye funksjoner for visuell forståelse og datamaskinbruk. Modellen blir tilgjengelig via driftede API-er og Tencent-produkter. Modellvektene og et omfattende systemkort skal etter planen lanseres senere.

Den tidligere forhåndsvisningen av Hy4 ble derimot gjort tilgjengelig som åpen kildekode da den kom i august 2026. Den hadde totalt 770 milliarder parametere, hvorav 49 milliarder var aktive, og et kontekstvindu på 1 million tokens. Tencent identifiserte overdreven resonnering og oververifisering som kjente problemer i denne tidlige versjonen.

Den fullstendige lanseringen innebærer en betydelig oppskalering av både forhåndstrening og ettertrening. Tencent rapporterer forbedringer sammenlignet med forhåndsvisningen innen instruksjonsfølging, forståelse av lange kontekster, oppgaver med lang tidshorisont og dyptgående forskning.

Tilgang via driftede tjenester til uendrede listepriser

Hy4 er tilgjengelig via Tencent Cloud og OpenRouter, samt i CodeBuddy, WorkBuddy, Yuanbao og ima. De oppførte API-prisene er uendret fra forhåndsvisningen: 0,834 dollar per million inndatatokener, 2,501 dollar per million utdata-tokener og 0,042 dollar per million hurtigbufrede inndatatokener.

OpenRouters oppføring av utrullingen angir et kontekstvindu på 1 048 576 tokener og en grense på 65 536 tokener for fullføringer. Tjenesten tar imot tekst- og bildefiler som inndata og returnerer tekst, og Tencent Cloud er den eneste oppførte leverandøren. Disse spesifikasjonene viser at visuell forståelse er en del av det driftede API-et, og ikke begrenset til Tencents egne applikasjoner.

Visuell forståelse og profesjonelle arbeidsflyter

Tencent sier at Hy4 kan tolke detaljer i bilder på et finmasket nivå og forstå komplekse diagrammer, og at modellen kan brukes både via kommandolinjegrensesnitt og grafiske brukergrensesnitt. Målrettet trening omfattet Blender, CAD og arbeidsflyter med lang tidshorisont på tvers av flere applikasjoner. Dette kobler visuell persepsjon med planlegging og bruk av verktøy i profesjonelle oppgaver.

Optimaliseringen av frontend omfattet komplekse brukergrensesnittinteraksjoner, forretningslogikk, tilstandshåndtering og integrasjon på tvers av hele teknologistakken. Utviklere fra Tencent Interactive Entertainment Group bidro til å sette sammen treningsdata og evalueringer for spillutvikling. Disse dekket Unreal Engine, Unity og Godot, spillogikk, ressursløp og utvikling av flerspillerspill. Tencent rapporterer forbedringer på 19,1 % for GameDev og 9,8 % for GameLogic sammenlignet med forhåndsvisningen.

For finanssektoren bygde Tencent tusenvis av realistiske arbeidsområder og titusenvis av oppgaver. Deretter evaluerte selskapet Hy4 sammen med 213 finanseksperter, inkludert 153 eksperter fra finansinstitusjoner, på tvers av 579 oppgaver fra den virkelige verden. I denne evalueringen, som Tencent selv gjennomførte, sier selskapet at Hy4 kom på førsteplass blant modeller med åpne vekter, med en poengsum på 3,04. Det var foran DeepSeek-V4.1-Flash-1017, som fikk 2,97, og Kimi K3.1 Pro og GLM-5.3, som begge fikk 2,68.

Tencent rapporterer også at Hy4 reduserte hallusinasjoner i interne søkeevalueringer fra 15,76 % i forhåndsvisningen til 5,45 %, og senket spekulative feil fra 23,1 % til 5,6 %. På TenureTrail, et internt sett med 123 forskningsoppgaver innen sju fagområder, kom Hy4 på førsteplass blant modeller med åpne vekter.

Sikkerhetskontroller og den planlagte lanseringen av åpne modellvekter

Tencent erkjenner at det fortsatt er et gap opp til de beste proprietære modellene, særlig på krevende interne referansetester innen matematikk på forskningsnivå, koding med lang tidshorisont, selvforbedring av modeller og avansert visuell spørsmålsbesvarelse.

Under treningen begrenset Tencent cybersikkerhetsdataene til generering av defensive konseptbevis og utbedring av sårbarheter, samtidig som materiale om utvikling av utnyttelseskode, omvendt utvikling og penetrasjonstesting ble filtrert bort. Tencent Xuanwu Lab og Tencent Keen Security Lab gjennomførte red-team-revisjoner, og selskapet rapporterer ingen forhøyet risiko for å reversere kryptografiske algoritmer, omgå binær obfuskering eller utnytte sårbarheter.

Tencent rapporterer en poengsum på 30,4 av 100 på Hy-BioExperimentBench. Interne vurderere fant at modellens evne til å omsette biologisk kunnskap til praktisk anvendbare eksperimentprotokoller er begrenset, og fant ingen holdepunkter for at modellen i vesentlig grad senker terskelen for biologisk skade.

De planlagte modellvektene skal ledsages av et omfattende systemkort med sikkerhetsevalueringer og ytterligere tekniske detaljer. Støtte for økosystemet utvikles i samarbeid med vLLM- og SGLang-miljøene. En separat Hy4 Flash-lansering er planlagt i nær fremtid, med sikte på betydelig bedre kostnadseffektivitet og raskere inferens.

Det praktiske resultatet er et bredere tilbud via driftede tjenester allerede nå, mens åpen utrulling, mer fullstendig sikkerhetsdokumentasjon og en raskere og mer kostnadseffektiv variant fortsatt er framtidige leveranser, ikke deler av denne lanseringen.