تنسنت Hy4 را در 4 نوامبر منتشر کرد، جدیدترین نسخه مدل خانواده پرچمدار خود یعنی Hunyuan، و اعلام کرد که Hy را برای اولین بار در میان قوی‌ترین مدل‌های منبع باز قرار می‌دهد. این اطلاعیه که در صفحه تحقیقاتی رسمی تنسنت منتشر شد، مقیاس‌های قابل توجهی را در قبل و بعد از آموزش در مقایسه با پیش‌نمایش Hy4 که این شرکت در ماه آگوست به‌صورت متن‌باز تهیه کرد، توصیف می‌کند که به‌عنوان یک مدل ترکیبی از متخصصان با پارامتر 770B با پنجره زمینه میلیون توکن منتشر شد.

Hy4 اکنون در Tencent Cloud و OpenRouter و همچنین در داخل محصولات Tencent از جمله CodeBuddy، WorkBuddy، Yuanbao و ima در دسترس است. این شرکت می‌گوید که با همان قیمت API، نسبت به پیش‌نمایش Hy4 دستاوردهای عملکردی عمده‌ای را ارائه می‌کند. For more context on this story, see our ongoing artificial intelligence updates.

بینایی و استفاده از رایانه در Hy می‌آیند

تغییرات قابلیت سرفصل بصری است. Hy4 برای اولین بار از ادراک بینایی پشتیبانی می کند و به مدل اجازه می دهد تا جزئیات تصویر ریز را درک کند و نمودارهای پیچیده را تفسیر کند، و همچنین برای اولین بار از استفاده از رایانه پشتیبانی می کند - هم در رابط های خط فرمان و هم در رابط های کاربر گرافیکی کار می کند.

Tencent می‌گوید که این مدل را بر روی نرم‌افزارهای تخصصی مانند ابزارهای Blender و CAD، و در جریان‌های کاری طولانی افق که چندین برنامه را در بر می‌گیرد، آموزش داده است تا توانایی آن را برای برنامه‌ریزی و انجام کارهای حرفه‌ای بهبود بخشد. در بحث های توسعه دهندگان پس از پرتاب، کاربران ویدئوهای نمایشی را برجسته کردند که نشان می دهد مدل یک ویژگی کوچک را در یک تصویر ماهواره ای بزرگ پیدا می کند و استنباط می کند که یک عکس کجا گرفته شده است.

معیارهایی با هدف کار واقعی

استراتژی ارزیابی Tencent به شدت بر حوزه های حرفه ای تکیه دارد تا آزمون های کلاسیک دانشگاهی. در امور مالی، این شرکت هزاران فضای کاری واقعی و ده‌ها هزار وظیفه را دربرگیرنده تحقیقات صندوق، تجزیه و تحلیل حقوق صاحبان سهام، استراتژی‌های کمی، تخصیص دارایی، امور مالی شرکت و حسابداری مالیاتی ساخت. با کار با Tencent Financial Technology، 213 متخصص امور مالی این مدل را ارزیابی کردند که 153 نفر از آنها از موسسات مالی پیشرو بودند که بیش از 70 درصد آنها بیش از پنج سال تجربه صنعت را گزارش کردند.

Tencent در میان 579 کار مالی در دنیای واقعی گزارش می دهد که Hy4 در بین مدل های وزن باز با امتیاز 3.04 در رتبه اول قرار دارد، بالاتر از DeepSeek-V4.1-Flash-1017 با 2.97، Kimi K3.1 Pro با 2.68 و GLM-5.6.3 در رتبه بندی. در IRAB، یک معیار داخلی از شرکت عامل هوش مصنوعی مالی RabyteTech، Tencent می گوید که Hy4 12.03 امتیاز بالاتر از پیش نمایش Hy4 کسب کرده است.

این شرکت همچنین دستاوردهای قابلیت اطمینان را گزارش می‌کند: Hy4 نرخ توهم را از 15.76 درصد در پیش‌نمایش Hy4 به 5.45 درصد کاهش داد و پس از ارتقای هدفمند در جستجوی پوشش بازیابی حساس به زمان، سنتز چند منبع و راستی‌آزمایی سازگاری واقعی، خطاهای احتمالی را از 23.1 درصد به 5.6 درصد کاهش داد. در تحقیقات علمی، تنسنت می‌گوید که Hy4 در بین مدل‌های با وزن باز در TenureTrail، که معیار داخلی آن از 123 وظیفه تحقیقاتی در هفت رشته است، رتبه اول را دارد.

بازی ها، اسناد، و خود-بهبودی بازگشتی

توسعه بازی درمان خاص خود را دریافت کرد. Tencent با توسعه‌دهندگان حرفه‌ای در Interactive Entertainment Group - بخش پشتیبان برخی از بزرگترین فرنچایزهای بازی در جهان - برای مدیریت داده‌های آموزشی و ارزیابی‌هایی که اجرای ویژگی‌ها، منطق بازی، ردیابی وضعیت، و خطوط لوله دارایی را پوشش می‌دهند، شریک شد. تنسنت می گوید که Hy4 به طور گسترده برای Unreal Engine، Unity و Godot اقتباس شده است و پیش نمایش Hy4 را 19.1 درصد در GameDev و 9.8 درصد در GameLogic با پشتیبانی جدید برای توسعه بازی های چند نفره بهبود می بخشد.

در گردش‌های کاری آفیس، Tencent توانایی مدل را برای ویرایش همزمان فایل‌های Word، Excel و PowerPoint در زمان واقعی بهبود بخشید و دستاوردهای ارزیابی کورکورانه واضح در قالب‌بندی، قابلیت اطمینان و قابلیت استفاده اسناد را گزارش کرد. مانوس، پلتفرم عامل هوش مصنوعی، در بازخوردی که در این اعلامیه گنجانده شده است، گفت که Hy4 به نرخ تکمیل کار نزدیک به 97 درصد در کارهای ایجاد و ویرایش اسناد دست یافته است.

گمانه‌زنی‌ترین ادعا مربوط به خودسازی بازگشتی است. تنسنت می‌گوید که همراه با مهار Hyra 2.0، Hy4 زیرساخت‌های پیش‌آموزشی داخلی شرکت را برای مدل‌های کوچک‌تر با همان معماری بهینه‌سازی کرد و به‌طور مستقل نسخه‌ای را آموزش داد که در معیارهای متعدد از خط پایه رسمی Jev بهتر عمل کرد. دو مدل پایه که توسط Hy4 و Hyra 2.0 توسعه داده شده‌اند - HyCell برای نمایش تک سلولی و HyPDE برای مدل‌سازی میدان فیزیکی - منبع باز هستند تا این نتایج قابل استفاده مجدد باشند.

فیلتر سایبری و ایمنی زیستی

Tencent به طور مستقیم به ایمنی قابلیت پرداخت. این شرکت گفت که محتوای توهین‌آمیز «مانند توسعه اکسپلویت، مهندسی معکوس، و آزمایش نفوذ را برای جلوگیری از تقویت قابلیت‌های تهاجمی احتمالی» فیلتر کرده است - رویکردی که رویترز آن را آموزش مدل با داده‌های امنیت سایبری محدود در میان ترس از هک توصیف می‌کند.

در مورد امنیت زیستی، Tencent گزارش می‌دهد که قابلیت‌های طراحی آزمایشی باز Hy4 امتیاز 30.4 از 100 را در Hy-BioExperimentBench خود می‌گیرد، که این شرکت بسیار پایین‌تر از آستانه خطر بالای خود قرار می‌دهد. کارشناسان داخلی که ردپای استدلال مدل را ممیزی کردند، به این نتیجه رسیدند که در حالی که Hy4 درک کاملی از زیست‌شناسی پایه دارد، توانایی آن برای تبدیل آن دانش به پروتکل‌های آزمایشی عملی محدود است، و Tencent می‌گوید هیچ مدرکی مبنی بر اینکه Hy4 به طور معناداری مانع ایجاد آسیب‌های بیولوژیکی را کاهش می‌دهد، نیافته است.

Open Weights Promised — با کارت سیستم

یکی از جزئیات قاب بندی "متن باز" را پیچیده می کند: وزن های کامل Hy4 هنوز قابل دانلود نیستند. Tencent به صراحت اعلام می کند که قصد دارد وزن های مدل Hy4 را منبع باز کند و با جوامع vLLM و SGLang برای ارائه پشتیبانی از اکوسیستم شریک شده است. هنگامی که وزن‌ها منتشر شوند، این شرکت می‌گوید که یک کارت سیستم جامع را نیز منتشر خواهد کرد که ارزیابی‌های ایمنی خود را با جزئیات شرح می‌دهد - سندی که مورد بررسی دقیق قرار خواهد گرفت، با توجه به اینکه انتشار وزن باز از آزمایشگاه‌های چینی امسال مورد تحسین و نگرانی قرار گرفته است.

تنسنت همچنین اذعان کرد که شکافی بین Hy4 و مدل‌های اختصاصی برتر، به‌ویژه در ریاضیات در سطح پژوهش، کدگذاری افق بلند، خود-بهبودی مدل و پاسخ‌گویی به سؤالات بصری پیشرفته وجود دارد. یک Hy4 Flash سبکتر و ارزانتر در آینده نزدیک برنامه ریزی شده است.

پرتاب در یک میدان وزن باز چینی که به طور فزاینده‌ای شلوغ می‌شود، با نسخه‌های DeepSeek، Kimi، و GLM که همه بر سر قیمت و قابلیت با هم رقابت می‌کنند. شرط Tencent این است که استفاده از رایانه در سطح حرفه ای - نه امتیازات معیار خام - چیزی است که یک مدل باز را به یک ابزار سازمانی تبدیل می کند.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →