Tencent udostępnia pełną wersję modelu Hy4 z obsługą obrazów i komputera

4 listopada 2026 r. Tencent ogłosił pełne udostępnienie modelu Hy4, dodając obsługę obrazów i komputera oraz udostępniając model za pośrednictwem hostowanych interfejsów API i produktów Tencent. Wagi modelu i kompleksowa karta systemu mają zostać udostępnione później.

Wcześniejsza wersja zapoznawcza Hy4 została natomiast udostępniona jako open source w sierpniu 2026 r. Model miał 770 miliardów parametrów łącznie, 49 miliardów aktywnych parametrów i okno kontekstowe o długości 1 mln tokenów. Tencent wskazał nadmierne rozumowanie i zbyt częste weryfikowanie odpowiedzi jako znane problemy tej wczesnej wersji.

W pełnej wersji znacznie zwiększono skalę zarówno wstępnego trenowania, jak i dostrajania, a Tencent odnotował poprawę względem wersji zapoznawczej w zakresie wykonywania instrukcji, rozumienia długiego kontekstu, zadań wymagających długiego horyzontu działania i zaawansowanych badań.

Dostęp przez hostowane usługi, ceny katalogowe bez zmian

Hy4 jest dostępny za pośrednictwem Tencent Cloud i OpenRouter oraz w produktach CodeBuddy, WorkBuddy, Yuanbao i ima. Ceny katalogowe interfejsu API nie zmieniły się względem wersji zapoznawczej i wynoszą 0,834 USD za milion tokenów wejściowych, 2,501 USD za milion tokenów wyjściowych oraz 0,042 USD za milion buforowanych tokenów wejściowych.

Wykaz wdrożenia Hy4 w OpenRouter podaje okno kontekstowe o długości 1 048 576 tokenów i limit generowania wynoszący 65 536 tokenów. Model przyjmuje dane wejściowe w postaci tekstu i obrazów, a zwraca tekst; jedynym wymienionym dostawcą jest Tencent Cloud. Oznacza to, że obsługa obrazów jest częścią hostowanego interfejsu API, a nie funkcją ograniczoną do własnych aplikacji Tencent.

Obsługa obrazów i zastosowania profesjonalne

Według Tencent Hy4 potrafi interpretować drobne szczegóły obrazów i złożone wykresy, a także działać w interfejsach wiersza poleceń i interfejsach graficznych. Ukierunkowane trenowanie obejmowało Blender, CAD oraz wieloetapowe procesy pracy wykorzystujące wiele aplikacji, łącząc percepcję wzrokową z planowaniem i używaniem narzędzi w zadaniach profesjonalnych.

Optymalizacja frontendu obejmowała złożone interakcje z interfejsem użytkownika, logikę biznesową, zarządzanie stanem i integrację pełnego stosu. Programiści z Tencent Interactive Entertainment Group pomogli opracować dane treningowe i zestawy ewaluacyjne dotyczące tworzenia gier, obejmujące Unreal Engine, Unity i Godot, logikę rozgrywki, potoki zasobów oraz tworzenie trybów wieloosobowych. Tencent podaje, że względem wersji zapoznawczej wyniki poprawiły się o 19,1% w GameDev i o 9,8% w GameLogic.

Na potrzeby finansów Tencent stworzył tysiące realistycznych środowisk pracy i dziesiątki tysięcy zadań, a następnie ocenił Hy4 z udziałem 213 specjalistów z branży finansowej, w tym 153 ekspertów z instytucji finansowych, wykonujących 579 zadań z rzeczywistych zastosowań. W tej ewaluacji przeprowadzonej przez firmę Hy4 zajął pierwsze miejsce wśród modeli z otwartymi wagami, uzyskując wynik 3,04. Wyprzedził DeepSeek-V4.1-Flash-1017, który uzyskał 2,97, oraz Kimi K3.1 Pro i GLM-5.3, które zdobyły po 2,68.

Tencent podaje również, że w wewnętrznych testach wyszukiwania Hy4 ograniczył liczbę halucynacji z 15,76% w wersji zapoznawczej do 5,45%, a liczbę błędów wynikających z nadmiernego wnioskowania — z 23,1% do 5,6%. W wewnętrznym zbiorze TenureTrail, obejmującym 123 zadania badawcze z siedmiu dyscyplin, Hy4 zajął pierwsze miejsce wśród modeli z otwartymi wagami.

Kontrole bezpieczeństwa i planowane udostępnienie wag

Tencent przyznaje, że Hy4 wciąż ustępuje czołowym modelom własnościowym, szczególnie w trudnych wewnętrznych testach porównawczych dotyczących matematyki na poziomie badań naukowych, programowania wymagającego długiego horyzontu działania, samodoskonalenia modeli i zaawansowanego odpowiadania na pytania dotyczące obrazów.

Podczas trenowania Tencent ograniczył dane z zakresu cyberbezpieczeństwa do generowania defensywnych przykładów weryfikujących koncepcję oraz łatania luk, odfiltrowując materiały dotyczące tworzenia exploitów, inżynierii wstecznej i testów penetracyjnych. Zespoły Tencent Xuanwu Lab i Tencent Keen Security Lab przeprowadziły audyty z wykorzystaniem testów red team, a firma informuje, że nie stwierdzono podwyższonego ryzyka w zakresie odwracania algorytmów kryptograficznych, łamania zaciemniania kodu binarnego ani wykorzystywania luk w zabezpieczeniach.

Tencent podaje, że model uzyskał 30,4 na 100 punktów w teście Hy-BioExperimentBench. Wewnętrzni recenzenci uznali, że jego zdolność do przekładania wiedzy biologicznej na praktyczne protokoły eksperymentalne jest ograniczona, i nie znaleźli dowodów na to, by model w istotny sposób obniżał próg wejścia w działania mogące prowadzić do szkód biologicznych.

Wraz z planowanymi wagami ma zostać udostępniona kompleksowa karta systemu, zawierająca wyniki ewaluacji bezpieczeństwa i dodatkowe szczegóły techniczne. Wsparcie ekosystemu jest rozwijane we współpracy ze społecznościami vLLM i SGLang. W najbliższej przyszłości planowane jest też osobne wydanie Hy4 Flash, które ma zapewnić znacznie wyższą efektywność kosztową i szybsze wnioskowanie.

W praktyce oznacza to, że oferta hostowanych usług jest już teraz szersza, natomiast wdrażanie modelu we własnym zakresie, pełniejsza dokumentacja bezpieczeństwa oraz szybszy i bardziej efektywny kosztowo wariant pozostają planami na przyszłość i nie są częścią tego wydania.