Společnost Tencent vydala 4. listopadu Hy4, nejnovější verzi svého vlajkového modelu rodiny Hunyuan, a prohlásila, že staví Hy „poprvé mezi nejsilnější modely s otevřeným zdrojovým kódem“. Oznámení, zveřejněné na oficiální stránce výzkumu Hy společnosti Tencent, popisuje podstatná vylepšení v předškolení i po školení ve srovnání s náhledem Hy4, který společnost získala jako open source v srpnu a který byl vydán jako model směsi expertů s parametry 770B s kontextovým oknem s milionem tokenů.
Hy4 je nyní k dispozici na Tencent Cloud a OpenRouter, stejně jako uvnitř produktů Tencent včetně CodeBuddy, WorkBuddy, Yuanbao a ima. Společnost říká, že přináší výrazné zvýšení výkonu oproti Hy4 Preview za stejnou cenu API. For more context on this story, see our ongoing more AI stories.
Vize a využití počítače dorazí do Hy
Změny titulků jsou vizuální. Hy4 poprvé podporuje vnímání zraku, umožňuje modelu porozumět detailům jemnozrnného obrazu a interpretovat složité grafy a také poprvé podporuje použití počítače – funguje přes rozhraní příkazového řádku i přes grafické uživatelské rozhraní.
Tencent říká, že trénoval model na specializovaném softwaru, jako jsou nástroje Blender a CAD, a na pracovních postupech s dlouhým horizontem zahrnujícím více aplikací, aby zlepšil svou schopnost plánovat a provádět profesionální úkoly. V diskusích vývojářů po uvedení na trh uživatelé zdůrazňovali demonstrační videa ukazující, jak model lokalizuje malý objekt na velkém satelitním snímku a vyvozuje, kde byla fotografie pořízena.
Benchmarky zaměřené na skutečnou práci
Strategie hodnocení společnosti Tencent se silně opírá spíše o profesní domény než o klasické akademické testy. V oblasti financí společnost vybudovala tisíce realistických pracovních prostorů a desítky tisíc úkolů zahrnujících výzkum fondů, analýzu vlastního kapitálu, kvantitativní strategie, alokaci aktiv, podnikové finance a daňové účetnictví. Ve spolupráci s Tencent Financial Technology nechala model vyhodnotit 213 finančních profesionálů, 153 z nich z předních finančních institucí, z nichž více než 70 procent uvedlo více než pětileté zkušenosti v oboru.
V rámci 579 reálných finančních úkolů Tencent uvádí, že Hy4 je na prvním místě mezi modely s otevřenou váhou se skóre 3,04, před DeepSeek-V4.1-Flash-1017 s 2,97, Kimi K3.1 Pro s 2,68 a GLM-5,3 s 2,68. Na IRAB, interním benchmarku od společnosti RabyteTech, která zajišťuje finanční AI, Tencent říká, že Hy4 má o 12,03 procentních bodů vyšší skóre než Hy4 náhled.
Společnost také hlásí zvýšení spolehlivosti: Hy4 snížila míru halucinací na 5,45 procenta z 15,76 procenta v náhledu Hy4 a snížila spekulativní chyby z 23,1 procenta na 5,6 procenta po cílených upgradech na vyhledávání zahrnující časově citlivé vyhledávání, syntézu z více zdrojů a ověřování faktické konzistence. Ve vědeckém výzkumu Tencent říká, že Hy4 zaujímá první místo mezi modely s otevřenou váhou na TenureTrail, jeho interním benchmarku 123 výzkumných úkolů v sedmi oborech.
Hry, dokumenty a rekurzivní sebezdokonalování
Vývoj her se dočkal vlastního zpracování. Společnost Tencent se spojila s profesionálními vývojáři ze své Interactive Entertainment Group – divize stojící za některými z největších světových herních franšíz – s cílem kurovat školicí data a hodnocení týkající se implementace funkcí, herní logiky, sledování stavu a zásobování aktiv. Tencent říká, že Hy4 byl rozsáhle upraven pro Unreal Engine, Unity a Godot a zlepšil náhled Hy4 o 19,1 procent na GameDev a 9,8 procent na GameLogic, s novou podporou pro vývoj her pro více hráčů.
V kancelářských pracovních postupech společnost Tencent zlepšila schopnost modelu společně upravovat soubory Word, Excel a PowerPoint v reálném čase a hlásila jasné zisky při slepém hodnocení ve formátování dokumentů, spolehlivosti a použitelnosti. Manus, platforma agentů umělé inteligence, ve zpětné vazbě v oznámení uvedl, že Hy4 dosáhla téměř 97procentní míry dokončení úloh v úlohách vytváření a úprav dokumentů.
Nejspekulativnější tvrzení se týká rekurzivního sebezdokonalování. Tencent říká, že ve spojení se svým svazkem Hyra 2.0 Hy4 optimalizoval interní předtréninkovou infrastrukturu společnosti pro menší modely se stejnou architekturou a autonomně trénoval variantu, která překonává oficiální základní linii Jev v několika benchmarcích. Dva základní modely vyvinuté společně Hy4 a Hyra 2.0 – HyCell pro reprezentaci jedné buňky a HyPDE pro modelování fyzikálního pole – jsou volně dostupné, aby bylo možné tyto výsledky znovu použít.
Cyber a Bio Safety Filtering
Tencent se přímo zabýval bezpečností schopností. Společnost uvedla, že odfiltrovala útočný obsah „jako je exploit development, reverzní inženýrství a penetrační testování, aby se zabránilo zesílení potenciálních útočných schopností“ – tento přístup Reuters charakterizoval jako školení modelu s omezenými daty kybernetické bezpečnosti uprostřed obav z hackerských útoků.
Pokud jde o biologickou bezpečnost, Tencent uvádí, že možnosti experimentálního návrhu Hy4 s otevřeným koncem dosáhly na Hy-BioExperimentBench skóre 30,4 ze 100, což společnost umisťuje hluboko pod svou vysokou rizikovou hranici. Interní experti, kteří auditovali stopy uvažování modelu, dospěli k závěru, že zatímco Hy4 má solidní přehled o základní biologii, jeho schopnost přeměnit tyto znalosti na použitelné experimentální protokoly zůstává omezená a Tencent říká, že nenašel žádný důkaz, že Hy4 smysluplně snižuje bariéru způsobující biologické poškození.
Slíbené otevřené váhy — se systémovou kartou
Jeden detail komplikuje „open-source“ rámování: plné závaží Hy4 zatím nelze stáhnout. Tencent jasně prohlašuje, že plánuje váha modelu Hy4 s otevřeným zdrojovým kódem a spolupracuje s komunitami vLLM a SGLang za účelem poskytování podpory ekosystému. Až budou váhy zveřejněny, společnost říká, že také zveřejní komplexní systémovou kartu s podrobnými hodnoceními bezpečnosti – dokument, který bude přezkoumán, vzhledem k tomu, že zprávy s otevřenou hmotností z čínských laboratoří letos vyvolaly chválu i obavy.
Tencent také uznal, že mezi Hy4 a špičkovými proprietárními modely zůstává mezera, zejména v matematice na úrovni výzkumu, kódování s dlouhým horizontem, sebezdokonalování modelu a pokročilém vizuálním zodpovídání otázek. "V blízké budoucnosti" je plánován lehčí a levnější Hy4 Flash.
Uvedení na trh se dostává do stále přeplněnějšího čínského pole s otevřenou váhou, přičemž všechny verze DeepSeek, Kimi a GLM si konkurují cenou a schopnostmi. Společnost Tencent vsadila na to, že použití počítače na profesionální úrovni – nikoli hrubá srovnávací hodnocení – je to, co mění otevřený model na podnikový nástroj.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
