Tencent သည် ကုမ္ပဏီသည် open-source နယ်နိမိတ်တွင် နေရာချထားသော ၎င်း၏ Hunyuan အဖွဲ့မှ ထိပ်တန်းဘာသာစကား မော်ဒယ်အသစ်ဖြစ်သော အဖွင့်-ရင်းမြစ် Hy4 အကြိုကြည့်ရှုမှုကို ထုတ်ပြန်ခဲ့သည်။ အလေးချိန်များသည် Hugging Face၊ ModelScope၊ GitCode နှင့် CNB တွင် ဩဂုတ်လ 28 ရက်နေ့တွင် ခွင့်ပြုထားသော Apache 2.0 လိုင်စင်အောက်တွင် စျေးသက်သာသော FP8-quantized မျိုးကွဲတစ်ခုနှင့်အတူ ဆင်းသက်လာသည်။

ယခုပစ်လွှတ်မှုသည် Z.AI ၏ GLM စီးရီးနှင့် Moonshot AI ၏ Kimi မော်ဒယ်များပါ၀င်သည့် အလွတ်တန်း Frontier မော်ဒယ်များကို တရုတ်ဓာတ်ခွဲခန်းများအကြား ပြိုင်ဆိုင်မှုပြင်းထန်စေသည်။ Bloomberg မှ Tencent သည် မော်ဒယ်အသစ်သည် အတွင်းပိုင်းစမ်းသပ်မှုတွင် ပြိုင်ဘက်နှစ်ဦးစလုံးထက် သာလွန်သည်ဟု ဆိုထားသည် — သည် ရောင်းချသူမှလည်ပတ်သော အကဲဖြတ်မှုများကဲ့သို့ စိစစ်ခံရထိုက်သည်ဟု ဆိုထားသည်။ For more context on this story, see our ongoing AI industry coverage.

ခေါင်းစီးနံပါတ်များ

Hy4 အစမ်းကြည့်ရှုမှုသည် စုစုပေါင်းကန့်သတ်ဘောင် 770 ဘီလီယံပါရှိသော Mixture-of-Experts (MoE) မော်ဒယ်ဖြစ်ပြီး ၎င်းတို့အနက်မှ 49 ဘီလီယံသည် တိုကင်တစ်ခုလျှင် စတင်အသုံးပြုနိုင်ပါသည်။ Tencent-Hunyuan GitHub repository တွင်ထုတ်ဝေထားသောတရားဝင်မော်ဒယ်ကတ်အရ၊ ကျောရိုးတွင် အလွှာပေါင်း ၇၈ ခု၊ လမ်းကြောင်းပြောင်းကျွမ်းကျင်သူ ၂၅၆ ဦးနှင့် မျှဝေထားသောကျွမ်းကျင်သူတစ်ဦးတို့ရှိပြီး တိုကင်တစ်ခုစီအတွက် ထိပ်တန်း ၈ လမ်းကြောင်းမှ ကျွမ်းကျင်သူများကို အသက်သွင်းပေးပါသည်။ မူရင်း တိုကင်ကြိုတင်ခန့်မှန်းချက် (MTP) အလွှာ — စုစုပေါင်း ဘောင်များ 10 ဘီလီယံ၊ 0.7 ဘီလီယံ အသက်သွင်းထားသည် — မှန်းဆကုဒ်ထုတ်ခြင်းအတွက် တည်ဆောက်ထားသည်။

ဆက်စပ်ဝင်းဒိုးသည် အခြားသော marquee သတ်မှတ်ချက်ဖြစ်သည်- 1 သန်းသော တိုကင်များ၊ အရှည်၊ မော်ဒယ်သည် ကုဒ်ဘေ့စ်တစ်ခုလုံး၊ ရှည်လျားသော တရားဝင်စာရွက်စာတမ်းများ သို့မဟုတ် တစ်နာရီကြာ အစည်းအဝေးမှတ်တမ်းများကို ဖြတ်သန်းခွင့်ပေးသည့် အရှည်။

ဗိသုကာပညာကို ပြိုင်ဘက်များထံမှ ချေးယူခဲ့ပြီး ၎င်းအပေါ်တွင် တည်ဆောက်ခဲ့သည်။

ထင်ရှားကျော်ကြားသော မိတ်ဆက်ပွဲအတွက် ပုံမှန်မဟုတ်သော ပွင့်ပွင့်လင်းလင်း အတိုင်းအတာတစ်ခုတွင် Tencent ၏ စာတမ်းတွင် အာရုံစူးစိုက်မှု module ကို "DeepSeek နှင့် GLM မှ မှုတ်သွင်းထားသည်" ဟု ဖော်ပြထားသည်။ Hy4 အစမ်းကြည့်ရှုမှုသည် Gated DeepSeek Sparse Attention (Gated DSA) ကို အသုံးပြု၍ အလွှာအကြား အချက်အလက်များ စီးဆင်းမှုကို ချဲ့ထွင်ရန်အတွက် အလွှာအကြား သတင်းအချက်အလက်စီးဆင်းမှုကို ချဲ့ထွင်ရန် IndexCache နှင့် ပေါင်းစပ်ထားသည့် Hy4 ကို အသုံးပြုထားသည်။

မော်ဒယ်ကို အကဲဖြတ်သည့် developer များအတွက် ပွင့်လင်းမြင်သာမှုသည် အရေးကြီးသည်- အာရုံစူးစိုက်မှုသည် 1M-token ဆက်စပ်မှုကို စီးပွားရေးအရ အသုံးပြုနိုင်သောကြောင့်၊ ထိုအတိုင်းအတာတွင် နုံအသော အပြည့်အဝ အာရုံစိုက်မှုမှာ တားမြစ်ချက်အရ ဈေးကြီးသောကြောင့် ဖြစ်သည်။ DeepSeek နှင့် Z.AI နှစ်ခုစလုံးသည် ၎င်းတို့၏ကိုယ်ပိုင် flagship မော်ဒယ်များတွင် ဤဒီဇိုင်းမျိုးကွဲများကို တင်ပို့ရောင်းချခဲ့သည်။

ထုတ်လုပ်မှုစွမ်းအားအတွက် တည်ဆောက်ထားပြီး အိမ်တွင်းကျွမ်းကျင်ပညာရှင်များဖြင့် ချိန်ညှိထားသည်။

Tencent က ၎င်းသည် ကုမ္ပဏီအတွင်းမှ ကျွမ်းကျင်သူများဖြစ်သည့် ဆော့ဖ်ဝဲလ်အင်ဂျင်နီယာများ၊ ဂိမ်းဆော့ဖ်ဝဲရေးဆွဲသူများ၊ ဘဏ္ဍာရေးလေ့လာသုံးသပ်သူများနှင့် လုံခြုံရေးကျွမ်းကျင်သူများနှင့် ပူးပေါင်းကာ ၎င်းတို့ အမှန်တကယ် ပို့ဆောင်ပေးသည့် အလုပ်နှင့်ပတ်သက်သော လေ့ကျင့်ရေးအချက်အလက်များကို ဖန်တီးတည်ဆောက်ခဲ့ကြောင်း ပြောကြားခဲ့သည်။ မော်ဒယ်ကတ်သည် အာရုံစူးစိုက်မှု လေးခုကို မီးမောင်းထိုးပြသည်-

  • ဆော့ဖ်ဝဲအင်ဂျင်နီယာ- ပိုမိုကောင်းမွန်သော အစီအစဉ်ဆွဲခြင်း၊ အမှားရှာပြင်ခြင်းနှင့် တာရှည်မိုးကုပ်စက်ဝိုင်း ဖွံ့ဖြိုးတိုးတက်ရေးဆိုင်ရာ လုပ်ငန်းဆောင်တာများအတွက် အတည်ပြုခြင်း၊ နှင့် ရှေ့ဆုံး "အမြင်အရသာ" တို့တွင် ရရှိမှုများ။
  • ရုံးနှင့် ခွဲခြမ်းစိတ်ဖြာခြင်း- ရှုပ်ထွေးနေသော ဖိုင်များစွာအကြောင်းအရာကို ညီမျှခြင်းများနှင့် ဘဏ္ဍာရေးပုံစံများကို ခိုင်မာစွာကိုင်တွယ်ခြင်းဖြင့် မျှဝေနိုင်သော စာရွက်စာတမ်းများ၊ စာရင်းဇယားများနှင့် တင်ပြချက်များအဖြစ်သို့ ပြောင်းလဲခြင်း။
  • ဂိမ်းတည်ဆောက်မှု- အချက်တစ်ချက်တည်းမှ ကစားနိုင်သော ရှေ့ပြေးပုံစံများကို ဖန်တီးပြီး ပြုပြင်မွမ်းမံမှု အလှည့်အပြောင်းများစွာတွင် ဂိမ်းအင်ဂျင်များနှင့် ကျွမ်းကျင်စွာ အလုပ်လုပ်ခြင်း။
  • သိပ္ပံနည်းကျ သုတေသန- AI သုတေသန၊ မော်လီကျူးဒိုင်းနမစ်များ၊ နို့မှုန့်များ ရူပဗေဒနှင့် သန့်စင်သော သင်္ချာပုစ္ဆာများတွင် တိုးတက်မှုကို အခိုင်အမာဆိုထားသည်။

Tencent ကလည်း Hy4 preview ကို ၎င်း၏ကိုယ်ပိုင်ထုတ်ကုန်များဖြစ်သည့် CodeBuddy နှင့် WorkBuddy တို့နှင့်အတူ ပူးတွဲဒီဇိုင်းပြုလုပ်ထားသောကြောင့် မော်ဒယ်ကို ထုတ်ကုန်မြှင့်တင်မှုများအဖြစ် ပြောင်းလဲသွားစေရန်အတွက် Tencent မှ ပြောကြားခဲ့ပါသည်။

Tencent ၏ ကိုယ်ပိုင်စံသတ်မှတ်ချက်များပြသခြင်းကား အဘယ်နည်း

ပစ်လွှတ်သည့်ပစ္စည်းများတွင် အခိုင်မာဆုံး နှိုင်းယှဉ်ချက်မှာ Tencent သည် အင်ဂျင်နီယာအလုပ် 203 ခုတွင် အင်ဂျင်နီယာအလုပ် 203 ခုတွင် အတွင်းပိုင်းကျွမ်းကျင်ပညာရှင် 163 ဦးဖြင့် အဆင့်သတ်မှတ်ပေးထားသည့် မျက်ကန်းဘေးချင်းကပ် အကဲဖြတ်ခြင်းဖြစ်ပါသည်။ ထိုစမ်းသပ်မှုများတွင် Hy4 ၏ အစမ်းကြည့်ရှုမှုတွင် ပျမ်းမျှ 2.99 ရမှတ်ရခဲ့ပြီး GLM 5.3 ၏ 2.92 (46.8 ရာခိုင်နှုန်းအနိုင်ရမှု၊ 12.8 ရာခိုင်နှုန်း၊ 40.4 ရာခိုင်နှုန်းအရှုံး) နှင့် Kimi K3 ၏ 2.94 (51.2 ရာခိုင်နှုန်းအနိုင်ရရှိမှု၊ 7.9 ရာခိုင်နှုန်းအရှုံးများ) ထက်အနည်းငယ်သာလွန်ခဲ့သည်။

သတိပေးချက်နှစ်ခုကို ရှင်းရှင်းလင်းလင်း ဖော်ပြသင့်သည်။ ပထမအချက်၊ ၎င်းတို့သည် Tencent ၏ အတွင်းပိုင်း အကဲဖြတ်ချက်များဖြစ်ပြီး လွတ်လပ်သောစံနှုန်းများ မဟုတ်ပါ။ ကုမ္ပဏီသည် အများသူငှာ ဦးဆောင်ဘုတ်များပေါ်တွင် တတိယအတည်ပြုထားသော ရလဒ်များကို ထုတ်ပြန်ခြင်းမရှိသေးပါ။ ဒုတိယ၊ အနားသတ်များသည် ကျဉ်းသည် — 0.05 မှ 0.07 မှတ်ကွာဟချက်သည် ကွဲပြားသောအဆင့်သတ်မှတ်ရေးပေါင်းများကို အလွယ်တကူလှန်နိုင်သည့်အကွာအဝေးအတွင်းတွင်ရှိသည်။

ကွန်မြူနတီသည် မော်ဒယ်ကို လာမည့်သီတင်းပတ်များအတွင်း စံပြုကုဒ်၊ ကျိုးကြောင်းဆီလျော်မှုနှင့် အေးဂျင့်အစုံအလင်ဖြင့် စံနမူနာပြထားသောကြောင့် သီးခြားအတည်ပြုချက်သည် အများသူငှာ စုစည်းမှုမှ ထွက်ပေါ်လာမည်ဖြစ်သည်။

သိရှိထားသော ချို့ယွင်းချက်များဖြင့် စောစောပို့ဆောင်ခြင်း။

Tencent သည် ဤအရာသည် အစမ်းကြည့်ခြင်းဖြစ်သည်ဟု ရှင်းရှင်းလင်းလင်း ရှင်းရှင်းလင်းလင်းဖော်ပြထားသည်။ မော်ဒယ်ကတ်တွင် ရှုပ်ထွေးသောအလုပ်များမှတစ်ဆင့် လိုအပ်သည်ထက် ပိုကြာအောင် ကျိုးကြောင်းဆင်ခြင်ခြင်းနှင့် ၎င်း၏ကိုယ်ပိုင်အလုပ်ကို လွန်လွန်ကဲကဲစစ်ဆေးခြင်း အပါအဝင် သိထားသော ကန့်သတ်ချက်များကို စာရင်းပြုစုထားသည်။ Hy3 မျိုးဆက်ကို တိုးတက်စေသည့် ချဉ်းကပ်မှုအား ကိုးကား၍ ၎င်းသည် "စောစီးစွာ တင်ပို့ပြီး မည်သည့်အရာများ ပျက်သွားသည်ကို ကြားနာရလိမ့်မည်" ဟု အဖွဲ့မှ ပြောကြားခဲ့သည်။

ဖြန့်ကျက်မှုအတွက်၊ အလေးချိန်များကို vLLM နှင့် SGLang တို့တွင် နေ့စဥ်ပံ့ပိုးမှုဖြင့် BF16 နှင့် FP8 နှစ်မျိုးလုံးတွင် ရရှိနိုင်သည်။ Tencent သည် နှစ်ခုလုံးအတွက် ကြိုတင်ပြင်ဆင်ထားသော Docker ပုံများကို ထုတ်ဝေပြီး တုံ့ပြန်မှုအကဲဆတ်သော ဝန်ဆောင်မှုအတွက် GPU 8 ခုတွင် tensor parallelism နှင့် MTP-based မှန်းဆကုဒ်ဖြင့် ထုတ်ဝေသည်။ သပ်ရပ်သော ပိုက်လိုင်းတစ်ခုနှင့် AngelSlim quantization toolkit ကို မော်ဒယ်နှင့်အတူ သင်္ဘောဖြင့် ပို့ဆောင်ပေးသည်။

##ဘာကြောင့်အရေးကြီးတာလဲ။

တရုတ်နိုင်ငံရှိ အလွတ်တန်းပြိုင်ပွဲသည် Z.AI ၏ GLM စီးရီးနှင့် Moonshot ၏ Kimi မော်ဒယ်များအကြား DeepSeek၊ Qwen နှင့် ယခုအခါ ပိုမိုကြီးမားသော ဟွန်ယွမ်ဝင်ရောက်မှု ကွင်းပြင်တွင် ပါဝင်လာခဲ့သည်။ Hy4 အစမ်းကြည့်ရှုခြင်း၏ Apache 2.0 လိုင်စင်၏ပေါင်းစပ်မှု၊ 770B-ပါရာမီတာစကေးနှင့် 1M-တိုကင်အကြောင်းအရာသည် မည်သူမဆိုဒေါင်းလုဒ်လုပ်နိုင်ပြီး ကိုယ်တိုင်လုပ်ဆောင်နိုင်သည့်အရာ၏မျက်နှာကျက်ကို မြှင့်တင်ပေးသည် — နှင့် day-one vLLM နှင့် SGLang ပံ့ပိုးမှုတို့က ၎င်းကို အမှန်တကယ်လုပ်ဆောင်ရန် အတားအဆီးကို လျှော့ချပေးသည်။

အနောက်တိုင်းပိတ်ထားသော APIs များနှင့် ဆန့်ကျင်သည့် အဖွင့်မော်ဒယ်များကို အလေးချိန်ရှိသော လုပ်ငန်းများအတွက်၊ အဖွင့်ပုံစံသည် စာရွက်ပေါ်တွင် ပိတ်ထားသော စွမ်းဆောင်ရည်နှင့် ကိုက်ညီမှုရှိမရှိ လက်တွေ့ကျသောမေးခွန်းမဟုတ်တော့ဘဲ၊ ပတ်ဝန်းကျင်ကိရိယာများ — quantization၊ serving၊ finetuning — သည် လုံလောက်သောရင့်ကျက်မှုရှိမရှိ၊ Tencent သည် ခွင့်ပြုချက်လိုင်စင်အောက်တွင် အားလုံးကို ချက်ခြင်းပို့ပေးကြောင်း လောင်းကြေးငွေဖြင့် Hunyuan သည် စကားဝိုင်းသို့ ပြန်လည်ရောက်ရှိသွားပါသည်။

အမှီအခိုကင်းသော စမ်းသပ်မှုအောက်တွင် စံနှုန်းတောင်းဆိုမှုများသည် Hy4 အကြိုကြည့်ရှုခြင်းကို စစ်မှန်သော Frontier open-source ထုတ်ပြန်မှုအဖြစ် မှတ်သားထားခြင်းရှိမရှိ သို့မဟုတ် လူစည်ကားသောနယ်ပယ်ရှိ အခြားရောင်းချသူ စံနှုန်းအဖြစ် သတ်မှတ်ပေးမည်ဖြစ်သည်။ အလေးချိန်များသည် ယခုအချိန်တွင် အများသူငှာဖြစ်နေပြီဖြစ်သောကြောင့် ရပ်ရွာ၏စီရင်ချက်သည် ကြာရှည်မခံသင့်ပေ။

---

Stay Ahead of AI

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

Read more AI news →