Tencent släppte Hy4 den 4 november, den senaste versionen av sin flaggskeppsmodell för Hunyuan-familjen, och förklarade att den placerar Hy "bland de starkaste modellerna med öppen källkod för första gången." Tillkännagivandet, publicerat på Tencents officiella Hy-forskningssida, beskriver betydande uppskalningar i både förträning och efterträning jämfört med Hy4-förhandsvisningen som företaget öppnade i augusti, som släpptes som en 770B-parameter blandning-av-expert-modell med ett kontextfönster för miljoner token.

Hy4 är nu tillgängligt på Tencent Cloud och OpenRouter, såväl som inuti Tencent-produkter inklusive CodeBuddy, WorkBuddy, Yuanbao och ima. Företaget säger att det ger stora prestandavinster jämfört med Hy4-förhandsvisningen till samma API-pris. For more context on this story, see our ongoing breaking AI news.

Syn och datoranvändning anländer till Hy

Ändringarna av rubrikkapaciteten är visuella. Hy4 stöder synuppfattning för första gången, vilket låter modellen förstå finkorniga bilddetaljer och tolka komplexa diagram, och den stöder datoranvändning för första gången också - fungerar över både kommandoradsgränssnitt och grafiska användargränssnitt.

Tencent säger att de tränade modellen på specialiserad programvara som Blender- och CAD-verktyg, och på långa arbetsflöden som spänner över flera applikationer, för att förbättra sin förmåga att planera och utföra professionella uppgifter. I utvecklardiskussioner efter lanseringen lyfte användarna fram demonstrationsvideor som visar modellen som lokaliserar en liten funktion i en stor satellitbild och sluter sig till var ett fotografi togs.

Benchmarks som syftar till riktigt arbete

Tencents utvärderingsstrategi lutar sig mycket mot professionella domäner snarare än klassiska akademiska test. Inom finans har företaget byggt tusentals realistiska arbetsytor och tiotusentals uppgifter som spänner över fondforskning, aktieanalys, kvantitativa strategier, tillgångsallokering, företagsfinansiering och skatteredovisning. I samarbete med Tencent Financial Technology fick det 213 finansexperter att utvärdera modellen, 153 av dem från ledande finansinstitutioner, av vilka mer än 70 procent rapporterade över fem års branscherfarenhet.

Över 579 verkliga finansiella uppgifter rapporterar Tencent att Hy4 rankas först bland modeller med öppen vikt med ett betyg på 3,04, före DeepSeek-V4.1-Flash-1017 på 2,97, Kimi K3.1 Pro på 2,68 och GLM-5,3 på 2,68. På IRAB, ett internt riktmärke från det finansiella AI-agentföretaget RabyteTech, säger Tencent att Hy4 får 12,03 procentenheter högre än Hy4-förhandsvisningen.

Företaget rapporterar också tillförlitlighetsvinster: Hy4 sänkte hallucinationsfrekvensen till 5,45 procent från 15,76 procent på Hy4-förhandsgranskningen och minskade spekulativa fel från 23,1 procent till 5,6 procent, efter riktade uppgraderingar av sökningar som täckte tidskänslig hämtning, syntes av flera källor och verifiering av faktakonsistens. Inom vetenskaplig forskning säger Tencent att Hy4 rankas först bland öppenviktsmodeller på TenureTrail, dess interna riktmärke med 123 forskningsuppgifter inom sju discipliner.

Spel, dokument och rekursiv självförbättring

Spelutveckling fick sin egen behandling. Tencent samarbetade med professionella utvecklare på sin Interactive Entertainment Group - divisionen bakom några av världens största spelfranchising - för att sammanställa utbildningsdata och utvärderingar som täcker funktionsimplementering, spellogik, tillståndsspårning och tillgångspipelines. Tencent säger att Hy4 var omfattande anpassat för Unreal Engine, Unity och Godot, och förbättrar Hy4-förhandsvisningen med 19,1 procent på GameDev och 9,8 procent på GameLogic, med nytt stöd för spelutveckling för flera spelare.

I kontorsarbetsflöden förbättrade Tencent modellens förmåga att samredigera Word-, Excel- och PowerPoint-filer i realtid, och rapporterade tydliga vinster vid blindutvärdering i dokumentformatering, tillförlitlighet och användbarhet. Manus, AI-agentplattformen, sa i feedback som ingår i tillkännagivandet att Hy4 uppnådde en slutförandegrad av uppgifter på nästan 97 procent i dokumentskapande och redigeringsuppgifter.

Det mest spekulativa påståendet gäller rekursiv självförbättring. Tencent säger att tillsammans med sin Hyra 2.0-sele optimerade Hy4 företagets interna förträningsinfrastruktur för mindre modeller med samma arkitektur och tränade självständigt en variant som överträffar den officiella Jev-baslinjen på flera riktmärken. Två grundmodeller som utvecklats tillsammans av Hy4 och Hyra 2.0 - HyCell för encellsrepresentation och HyPDE för fysisk fältmodellering - öppnas för att göra dessa resultat återanvändbara.

Cyber- och biosäkerhetsfiltrering

Tencent tog upp kapacitetssäkerhet direkt. Företaget sa att det filtrerade bort stötande innehåll "som exploateringsutveckling, reverse engineering och penetrationstestning för att undvika att förstärka potentiella offensiva kapaciteter" - ett tillvägagångssätt som Reuters karakteriserade som att träna modellen med begränsad cybersäkerhetsdata mitt i rädsla för hackning.

När det gäller biosäkerhet rapporterar Tencent att Hy4:s öppna experimentella designegenskaper får 30,4 av 100 på sin Hy-BioExperimentBench, som företaget placerar långt under sin högriskgräns. Interna experter som granskade modellens resonemangsspår drog slutsatsen att även om Hy4 har ett gediget grepp om grundläggande biologi, så är dess förmåga att omvandla den kunskapen till experimentella protokoll fortfarande begränsad, och Tencent säger att det inte hittat några bevis för att Hy4 på ett meningsfullt sätt sänker barriären för att orsaka biologisk skada.

Öppna vikter utlovas — med ett systemkort

En detalj komplicerar inramningen med "öppen källkod": de fullständiga Hy4-vikterna är inte nedladdningsbara ännu. Tencent säger tydligt att de planerar att öppna Hy4:s modellvikter och har samarbetat med vLLM- och SGLang-gemenskaperna för att tillhandahålla ekosystemstöd. När vikterna släpps, säger företaget att det också kommer att publicera ett omfattande systemkort som beskriver dess säkerhetsutvärderingar - ett dokument som kommer att granskas, med tanke på att öppna vikter från kinesiska labb har rönt både beröm och oro i år.

Tencent erkände också att det fortfarande finns ett gap mellan Hy4 och de främsta proprietära modellerna, särskilt när det gäller matematik på forskningsnivå, långhorisontkodning, självförbättring av modeller och avancerad visuell frågesvar. En lättare, billigare Hy4 Flash planeras "inom en snar framtid."

Lanseringen landar i ett alltmer trångt kinesiskt fält med öppen vikt, med DeepSeek, Kimi och GLM som alla konkurrerar om pris och kapacitet. Tencents insats är att datoranvändning av professionell kvalitet – inte råa riktmärken – är det som gör en öppen modell till ett företagsverktyg.

---

Stay Ahead of AI

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

Read more AI news →