Tencent เปิดตัวโมเดล Hy4 เวอร์ชันเต็ม พร้อมความสามารถด้านการมองเห็นและการใช้งานคอมพิวเตอร์

Tencent ประกาศเปิดตัว Hy4 เวอร์ชันเต็ม เมื่อวันที่ 4 พฤศจิกายน 2026 โดยเพิ่มความสามารถด้านการมองเห็นและการใช้งานคอมพิวเตอร์ พร้อมเปิดให้ใช้โมเดลผ่าน API ที่ให้บริการบนคลาวด์และผลิตภัณฑ์ของ Tencent ส่วนการเผยแพร่น้ำหนักโมเดลและเอกสารข้อมูลระบบฉบับสมบูรณ์มีแผนจะดำเนินการในภายหลัง

ก่อนหน้านี้ Hy4 รุ่นตัวอย่าง เปิดให้ใช้งานแบบโอเพนซอร์สเมื่อเปิดตัวในเดือนสิงหาคม 2026 โดยมีพารามิเตอร์ทั้งหมด 770 พันล้านรายการ พารามิเตอร์ที่ทำงานอยู่ 49 พันล้านรายการ และหน้าต่างบริบทขนาด 1 ล้านโทเค็น Tencent ระบุว่าการให้เหตุผลมากเกินไปและการตรวจสอบซ้ำเกินจำเป็นเป็นปัญหาที่ทราบอยู่แล้วในรุ่นแรกนี้

การเปิดตัวเวอร์ชันเต็มได้ขยายขนาดทั้งการฝึกก่อนและการฝึกหลังอย่างมาก โดย Tencent รายงานว่าผลลัพธ์ดีขึ้นเมื่อเทียบกับรุ่นตัวอย่าง ทั้งในด้านการทำตามคำสั่ง การทำความเข้าใจบริบทขนาดยาว งานที่ต้องดำเนินต่อเนื่องเป็นเวลานาน และการวิจัยเชิงลึก

ใช้บริการผ่านคลาวด์ โดยราคาในรายการยังคงเดิม

Hy4 พร้อมให้ใช้งานผ่าน Tencent Cloud และ OpenRouter รวมถึงใน CodeBuddy, WorkBuddy, Yuanbao และ ima ราคา API ที่ระบุยังคงเท่ากับรุ่นตัวอย่าง ได้แก่ 0.834 ดอลลาร์ต่อโทเค็นขาเข้าหนึ่งล้านรายการ, 2.501 ดอลลาร์ต่อโทเค็นขาออกหนึ่งล้านรายการ และ 0.042 ดอลลาร์ต่อโทเค็นขาเข้าที่แคชไว้หนึ่งล้านรายการ

รายการการติดตั้งใช้งานของ OpenRouter ระบุหน้าต่างบริบทขนาด 1,048,576 โทเค็น และขีดจำกัดการสร้างผลลัพธ์ที่ 65,536 โทเค็น ระบบรับข้อมูลป้อนเข้าทั้งข้อความและภาพ และส่งผลลัพธ์เป็นข้อความ โดยมี Tencent Cloud เป็นผู้ให้บริการเพียงรายเดียวที่ระบุไว้ ข้อมูลจำเพาะเหล่านี้แสดงให้เห็นว่าความสามารถด้านการมองเห็นเป็นส่วนหนึ่งของ API ที่ให้บริการบนคลาวด์ ไม่ได้จำกัดอยู่แค่แอปพลิเคชันของ Tencent เอง

การมองเห็นและเวิร์กโฟลว์ระดับมืออาชีพ

Tencent ระบุว่า Hy4 สามารถตีความรายละเอียดภาพที่ซับซ้อนและแผนภูมิที่มีความซับซ้อนได้ อีกทั้งทำงานผ่านทั้งอินเทอร์เฟซบรรทัดคำสั่งและอินเทอร์เฟซกราฟิกได้ การฝึกเฉพาะทางครอบคลุม Blender, CAD และเวิร์กโฟลว์ระยะยาวที่ทำงานข้ามหลายแอปพลิเคชัน โดยเชื่อมโยงการรับรู้ภาพเข้ากับการวางแผนและการใช้เครื่องมือสำหรับงานระดับมืออาชีพ

การปรับปรุงประสิทธิภาพส่วนหน้าเว็บครอบคลุมการโต้ตอบกับส่วนติดต่อผู้ใช้ที่ซับซ้อน ตรรกะทางธุรกิจ การจัดการสถานะ และการผสานรวมฟูลสแตก นักพัฒนาจาก Tencent Interactive Entertainment Group มีส่วนช่วยคัดสรรข้อมูลฝึกและชุดประเมินผลด้านการพัฒนาเกม ซึ่งครอบคลุม Unreal Engine, Unity และ Godot ตรรกะการเล่นเกม ไปป์ไลน์แอสเซ็ต และการพัฒนาเกมหลายผู้เล่น Tencent รายงานว่าคะแนนบน GameDev เพิ่มขึ้น 19.1% และบน GameLogic เพิ่มขึ้น 9.8% เมื่อเทียบกับรุ่นตัวอย่าง

สำหรับภาคการเงิน Tencent สร้างพื้นที่ทำงานจำลองที่สมจริงหลายพันชุดและงานหลายหมื่นรายการ จากนั้นประเมิน Hy4 โดยมีผู้เชี่ยวชาญด้านการเงิน 213 คน ซึ่งรวมถึงผู้เชี่ยวชาญ 153 คนจากสถาบันการเงิน ทำงานกับโจทย์จากสถานการณ์จริง 579 รายการ ในการประเมินที่บริษัทดำเนินการเอง Tencent ระบุว่า Hy4 ได้อันดับหนึ่งในบรรดาโมเดลน้ำหนักเปิด ด้วยคะแนน 3.04 นำหน้า DeepSeek-V4.1-Flash-1017 ที่ได้ 2.97 และ Kimi K3.1 Pro กับ GLM-5.3 ซึ่งได้ 2.68 เท่ากัน

Tencent ยังรายงานว่า Hy4 ลดอัตราการหลอนข้อมูลในการประเมินการค้นหาภายในจาก 15.76% ในรุ่นตัวอย่างเหลือ 5.45% และลดข้อผิดพลาดจากการคาดเดาจาก 23.1% เหลือ 5.6% ใน TenureTrail ซึ่งเป็นชุดงานวิจัยภายใน 123 รายการ ครอบคลุม 7 สาขาวิชา Hy4 ได้อันดับหนึ่งในบรรดาโมเดลน้ำหนักเปิด

การตรวจสอบความปลอดภัยและแผนเผยแพร่โมเดลน้ำหนักเปิด

Tencent ยอมรับว่ายังมีช่องว่างเมื่อเทียบกับโมเดลแบบปิดชั้นนำ โดยเฉพาะในการทดสอบภายในที่ท้าทายด้านคณิตศาสตร์ระดับงานวิจัย การเขียนโค้ดที่ต้องทำงานต่อเนื่องเป็นเวลานาน การพัฒนาตนเองของโมเดล และการตอบคำถามเกี่ยวกับภาพขั้นสูง

ระหว่างการฝึก Tencent จำกัดข้อมูลด้านความมั่นคงปลอดภัยไซเบอร์ไว้เฉพาะการสร้างหลักฐานยืนยันแนวคิดเชิงป้องกันและการแก้ไขช่องโหว่ พร้อมคัดกรองเนื้อหาเกี่ยวกับการพัฒนาช่องทางโจมตี การทำวิศวกรรมย้อนกลับ และการทดสอบเจาะระบบ Tencent Xuanwu Lab และ Tencent Keen Security Lab ดำเนินการตรวจสอบแบบทีมแดง และบริษัทระบุว่าไม่พบความเสี่ยงที่เพิ่มขึ้นในการย้อนกลับอัลกอริทึมการเข้ารหัส การหลบเลี่ยงการทำให้ไบนารีอ่านยาก หรือการใช้ประโยชน์จากช่องโหว่

Tencent รายงานว่า Hy4 ได้คะแนน 30.4 จาก 100 ใน Hy-BioExperimentBench โดยผู้ตรวจสอบภายในพบว่าความสามารถของโมเดลในการนำความรู้ทางชีววิทยามาแปลงเป็นแนวทางการทดลองที่นำไปปฏิบัติได้ยังมีข้อจำกัด และไม่พบหลักฐานว่าโมเดลช่วยลดอุปสรรคต่อการก่ออันตรายทางชีวภาพได้อย่างมีนัยสำคัญ

แผนเผยแพร่น้ำหนักโมเดลจะมาพร้อมเอกสารข้อมูลระบบฉบับสมบูรณ์ ซึ่งครอบคลุมการประเมินความปลอดภัยและรายละเอียดทางเทคนิคเพิ่มเติม โดยจะพัฒนาการรองรับระบบนิเวศควบคู่ไปกับชุมชน vLLM และ SGLang นอกจากนี้ยังมีแผนเปิดตัว Hy4 Flash แยกต่างหากในอนาคตอันใกล้ โดยมุ่งเพิ่มประสิทธิภาพด้านต้นทุนอย่างมีนัยสำคัญและเร่งความเร็วในการอนุมาน

ผลในทางปฏิบัติคือ ขณะนี้มีบริการผ่านคลาวด์ที่ครอบคลุมมากขึ้น ส่วนการติดตั้งใช้งานแบบเปิด เอกสารความปลอดภัยที่สมบูรณ์ยิ่งขึ้น และรุ่นที่เร็วกว่าและคุ้มค่ากว่าด้านต้นทุน ยังเป็นสิ่งที่จะส่งมอบในอนาคต ไม่ใช่ส่วนหนึ่งของการเปิดตัวครั้งนี้