Tencent ha rilasciato un'anteprima open source di Hy4, un nuovo modello di linguaggio di grandi dimensioni di punta del suo team Hunyuan che l'azienda sta posizionando sulla frontiera dell'open source. I pesi sono arrivati ​​su Hugging Face, ModelScope, GitCode e CNB il 28 agosto sotto la permissiva licenza Apache 2.0, insieme a una variante quantizzata FP8 per un'inferenza più economica.

Il lancio intensifica la concorrenza tra i laboratori cinesi che spediscono modelli di frontiera a peso aperto, un campo che attualmente comprende la serie GLM di Z.AI e i modelli Kimi di Moonshot AI. Bloomberg ha riferito che Tencent sostiene che il nuovo modello supera entrambi i rivali nei test interni - un'affermazione che, come tutte le valutazioni effettuate dai fornitori, merita un esame accurato. Per maggiori informazioni su questa storia, consulta la nostra copertura dell'industria IA.

I numeri del titolo

L'anteprima Hy4 è un modello Mixture-of-Experts (MoE) con 770 miliardi di parametri totali, di cui 49 miliardi attivati per token. Secondo il modello di scheda ufficiale pubblicato sul repository Tencent-Hunyuan GitHub, il backbone ha 78 livelli, 256 esperti instradati più un esperto condiviso e attiva i primi 8 esperti instradati per ogni token. Un livello di previsione multi-token (MTP) nativo – 10 miliardi di parametri totali, 0,7 miliardi attivati ​​– è integrato per la decodifica speculativa.

La finestra di contesto è l'altra specifica di selezione: 1 milione di token, una lunghezza che consente al modello di elaborare intere basi di codice, lunghi documenti legali o trascrizioni di riunioni di un'ora in un unico passaggio.

Architettura presa in prestito dai rivali e costruita su di essi

Con un insolito grado di franchezza per un lancio di punta, la documentazione di Tencent afferma che il modulo di attenzione è stato "ispirato da DeepSeek e GLM". L'anteprima Hy4 utilizza Gated DeepSeek Sparse Attention (Gated DSA) combinato con IndexCache per il riutilizzo dell'indice sparso tra livelli, mentre il percorso residuo utilizza Hyper-Connections (iHC) di identità per espandere il flusso di informazioni tra livelli.

L’apertura è importante per gli sviluppatori che valutano il modello: la scarsa attenzione è ciò che rende economicamente utilizzabile un contesto di token da 1 milione, dal momento che un’ingenua attenzione completa a quella lunghezza diventa proibitivamente costosa. Sia DeepSeek che Z.AI hanno distribuito varianti di questo design nei propri modelli di punta.

Costruito per la produttività, messo a punto con esperti interni

Tencent afferma di aver collaborato con esperti interni all’azienda – ingegneri del software, sviluppatori di giochi, analisti finanziari ed esperti di sicurezza – e di aver creato dati di formazione sul lavoro che effettivamente forniscono. La scheda modello evidenzia quattro aree di interesse:

  • Ingegneria del software: miglioramento della pianificazione, del debug e della verifica delle attività di sviluppo a lungo orizzonte, oltre a miglioramenti nel "gusto visivo" del front-end.
  • Ufficio e analisi: conversione del contesto disordinato di più file in documenti, fogli di calcolo e presentazioni condivisibili, con una gestione più efficace di equazioni e modelli finanziari.
  • Sviluppo del gioco: generazione di prototipi giocabili da un singolo prompt e funzionamento fluido con i motori di gioco attraverso più turni di perfezionamento.
  • Ricerca scientifica: progressi dichiarati nella ricerca sull'intelligenza artificiale, sulla dinamica molecolare, sulla fisica della materia condensata e sui problemi di matematica pura.

Tencent afferma inoltre che l'anteprima di Hy4 è stata progettata in collaborazione con i propri prodotti, CodeBuddy e WorkBuddy, in modo che i vantaggi del modello si traducano in miglioramenti del prodotto.

Cosa mostrano i benchmark di Tencent

Il confronto più concreto nei materiali di lancio è una valutazione cieca affiancata che Tencent ha eseguito con 163 esperti interni che valutano i risultati su 203 attività di ingegneria. In questi test, l'anteprima di Hy4 ha ottenuto una media di 2,99, leggermente superiore al 2,92 di GLM 5.3 (46,8% di vittorie, 12,8% di pareggi, 40,4% di sconfitte) e di 2,94 di Kimi K3 (51,2% di vittorie, 7,9% di pareggi, 40,9% di sconfitte).

Due avvertenze meritano di essere espresse chiaramente. Innanzitutto, queste sono valutazioni interne di Tencent, non parametri di riferimento indipendenti; la società non ha ancora pubblicato risultati verificati da terzi nelle classifiche pubbliche. In secondo luogo, i margini sono stretti: un divario compreso tra 0,05 e 0,07 punti su una scala soggettiva di valutazione degli esperti rientra nell’intervallo che diversi pool di valutazione potrebbero facilmente capovolgere.

La verifica indipendente arriverà dalle aggregazioni pubbliche mentre la comunità gestirà il modello attraverso codici standardizzati, ragionamenti e suite di agenti nelle prossime settimane.

Spedizione anticipata, con bug noti

Tencent è esplicito nel dire che si tratta di un'anteprima. La scheda modello elenca i limiti noti, tra cui il trascorrere più tempo del necessario a ragionare su compiti complessi e la tendenza a verificare eccessivamente il proprio lavoro. Il team afferma che "preferirebbe spedire in anticipo e sentire cosa si rompe", citando l'approccio che ha migliorato la sua generazione Hy3.

Per la distribuzione, i pesi sono disponibili sia in BF16 che in FP8, con supporto day-one in vLLM e SGLang. Tencent pubblica immagini Docker precostruite per entrambi, con ricette che raccomandano il parallelismo tensore su 8 GPU e decodifica speculativa basata su MTP per servizi sensibili alla latenza. Una pipeline di messa a punto e il kit di strumenti di quantizzazione AngelSlim vengono forniti insieme al modello.

Perché è importante

La corsa a peso aperto in Cina è diventata una guerra su due fronti tra la serie GLM di Z.AI e i modelli Kimi di Moonshot, con DeepSeek, Qwen e ora una voce molto più grande di Hunyuan che affolla il campo. La combinazione di licenza Apache 2.0 di Hy4 Preview, una scala di parametri di 770B e un contesto di token da 1 milione di unità aumenta il limite di ciò che chiunque può scaricare e ospitare autonomamente, e il supporto vLLM e SGLang del primo giorno abbassa la barriera per eseguirlo effettivamente.

Per le aziende che valutano i modelli aperti rispetto alle API chiuse occidentali, la questione pratica non è più se un modello aperto possa eguagliare le prestazioni chiuse sulla carta, ma se gli strumenti circostanti – quantizzazione, servizio, messa a punto – siano sufficientemente maturi. Tencent scommette che spedire tutto in una volta, con una licenza permissiva, sarà il modo in cui Hunyuan tornerà nella conversazione.

Se le affermazioni sui benchmark interni reggeranno sotto test indipendenti determinerà se l'anteprima di Hy4 verrà ricordata come una vera versione open source di frontiera o un benchmark di un altro fornitore in un campo affollato. I pesi sono pubblici ora, quindi il verdetto della comunità non dovrebbe richiedere molto tempo.

---

Rimani Aggiornato sull'IA

Le ultime notizie, analisi e scoperte sull'intelligenza artificiale — tutto in un posto.

Leggi altre notizie sull'IA →