Tencent เปิดตัว Hy4 เมื่อวันที่ 4 พฤศจิกายน ซึ่งเป็นเวอร์ชันใหม่ล่าสุดของโมเดลเรือธงตระกูล Hunyuan และประกาศว่า Hy "เป็นหนึ่งในโมเดลโอเพ่นซอร์สที่แข็งแกร่งที่สุดเป็นครั้งแรก" การประกาศดังกล่าวซึ่งเผยแพร่บนหน้าการวิจัย Hy อย่างเป็นทางการของ Tencent อธิบายถึงการขยายขนาดที่สำคัญทั้งก่อนการฝึกอบรมและหลังการฝึกอบรม เปรียบเทียบกับตัวอย่าง Hy4 ที่บริษัทเปิดแหล่งที่มาในเดือนสิงหาคม ซึ่งเปิดตัวในรูปแบบพารามิเตอร์ผสมของผู้เชี่ยวชาญ 770B พร้อมด้วยหน้าต่างบริบทล้านโทเค็น

Hy4 มีให้บริการแล้วบน Tencent Cloud และ OpenRouter รวมถึงภายในผลิตภัณฑ์ของ Tencent เช่น CodeBuddy, WorkBuddy, Yuanbao และ ima บริษัทกล่าวว่าให้ประสิทธิภาพที่เหนือกว่าการแสดงตัวอย่าง Hy4 ในราคา API เดียวกัน For more context on this story, see our ongoing artificial intelligence updates.

การมองเห็นและการใช้คอมพิวเตอร์มาถึงใน Hy

การเปลี่ยนแปลงความสามารถพาดหัวเป็นภาพ Hy4 รองรับการรับรู้การมองเห็นเป็นครั้งแรก ทำให้โมเดลเข้าใจรายละเอียดภาพที่ละเอียดและตีความแผนภูมิที่ซับซ้อน และยังรองรับการใช้งานคอมพิวเตอร์เป็นครั้งแรกเช่นกัน โดยทำงานได้ทั้งอินเทอร์เฟซบรรทัดคำสั่งและอินเทอร์เฟซผู้ใช้แบบกราฟิก

Tencent กล่าวว่าได้ฝึกฝนโมเดลนี้กับซอฟต์แวร์เฉพาะทาง เช่น Blender และเครื่องมือ CAD และเวิร์กโฟลว์ระยะไกลซึ่งครอบคลุมหลายแอปพลิเคชัน เพื่อปรับปรุงความสามารถในการวางแผนและดำเนินงานระดับมืออาชีพ ในการอภิปรายของนักพัฒนาหลังการเปิดตัว ผู้ใช้เน้นวิดีโอสาธิตที่แสดงโมเดลที่ระบุตำแหน่งจุดเล็กๆ ในภาพถ่ายดาวเทียมขนาดใหญ่ และสรุปตำแหน่งที่ถ่ายภาพ

เกณฑ์มาตรฐานมุ่งเป้าไปที่การทำงานจริง

กลยุทธ์การประเมินผลของ Tencent เน้นไปที่ขอบเขตทางวิชาชีพมากกว่าการทดสอบทางวิชาการแบบคลาสสิก ในด้านการเงิน บริษัทได้สร้างพื้นที่ทำงานที่สมจริงหลายพันแห่งและงานนับหมื่นงานซึ่งครอบคลุมการวิจัยกองทุน การวิเคราะห์หุ้น กลยุทธ์เชิงปริมาณ การจัดสรรสินทรัพย์ การเงินองค์กร และการบัญชีภาษี ด้วยการทำงานร่วมกับ Tencent Financial Technology ทำให้ผู้เชี่ยวชาญด้านการเงิน 213 คนประเมินโมเดลดังกล่าว โดย 153 คนจากสถาบันการเงินชั้นนำ ซึ่งมากกว่า 70 เปอร์เซ็นต์ของเหล่านี้รายงานประสบการณ์ในอุตสาหกรรมมามากกว่า 5 ปี

จากงานทางการเงินในโลกแห่งความเป็นจริง 579 งาน Tencent รายงานว่า Hy4 ครองอันดับหนึ่งในบรรดารุ่น open-weight ด้วยคะแนน 3.04 เหนือกว่า DeepSeek-V4.1-Flash-1017 ที่ 2.97, Kimi K3.1 Pro ที่ 2.68 และ GLM-5.3 ที่ 2.68 ใน IRAB ซึ่งเป็นเกณฑ์มาตรฐานภายในจากบริษัทตัวแทนด้าน AI ทางการเงิน RabyteTech Tencent กล่าวว่า Hy4 มีคะแนนสูงกว่าตัวอย่าง Hy4 ถึง 12.03 เปอร์เซ็นต์

บริษัทยังรายงานความน่าเชื่อถือที่เพิ่มขึ้น: Hy4 ลดอัตราการเกิดภาพหลอนลงเหลือ 5.45 เปอร์เซ็นต์จาก 15.76 เปอร์เซ็นต์ในการดูตัวอย่าง Hy4 และลดข้อผิดพลาดในการเก็งกำไรจาก 23.1 เปอร์เซ็นต์เป็น 5.6 เปอร์เซ็นต์ หลังจากอัปเกรดตามเป้าหมายเพื่อค้นหาครอบคลุมการดึงข้อมูลตามเวลา การสังเคราะห์หลายแหล่ง และการตรวจสอบความสอดคล้องของข้อเท็จจริง ในการวิจัยทางวิทยาศาสตร์ Tencent กล่าวว่า Hy4 ครองอันดับหนึ่งในบรรดาโมเดล open-weight บน TenureTrail ซึ่งเป็นเกณฑ์มาตรฐานภายในของงานวิจัย 123 ชิ้นในเจ็ดสาขาวิชา

เกม เอกสาร และการพัฒนาตนเองแบบเรียกซ้ำ

การพัฒนาเกมได้รับการรักษาด้วยตัวมันเอง Tencent ร่วมมือกับนักพัฒนามืออาชีพที่ Interactive Entertainment Group ซึ่งเป็นแผนกเบื้องหลังแฟรนไชส์เกมที่ใหญ่ที่สุดในโลก เพื่อดูแลจัดการข้อมูลการฝึกอบรมและการประเมินผลที่ครอบคลุมการใช้งานฟีเจอร์ ตรรกะในการเล่นเกม การติดตามสถานะ และไปป์ไลน์สินทรัพย์ Tencent กล่าวว่า Hy4 ได้รับการดัดแปลงอย่างกว้างขวางสำหรับ Unreal Engine, Unity และ Godot และปรับปรุงตัวอย่าง Hy4 ขึ้น 19.1 เปอร์เซ็นต์สำหรับ GameDev และ 9.8 เปอร์เซ็นต์สำหรับ GameLogic พร้อมการรองรับใหม่สำหรับการพัฒนาเกมแบบผู้เล่นหลายคน

ในเวิร์กโฟลว์ในสำนักงาน Tencent ได้ปรับปรุงความสามารถของโมเดลในการแก้ไขไฟล์ Word, Excel และ PowerPoint ร่วมกันแบบเรียลไทม์ โดยรายงานผลที่ได้รับจากการประเมินแบบ blind อย่างชัดเจนในการจัดรูปแบบเอกสาร ความน่าเชื่อถือ และการใช้งาน Manus ซึ่งเป็นแพลตฟอร์มตัวแทน AI กล่าวในข้อเสนอแนะที่รวมอยู่ในการประกาศว่า Hy4 บรรลุอัตราความสำเร็จของงานเกือบ 97 เปอร์เซ็นต์ในการสร้างและแก้ไขเอกสาร

การกล่าวอ้างที่มีการเก็งกำไรมากที่สุดเกี่ยวข้องกับการพัฒนาตนเองแบบเรียกซ้ำ Tencent กล่าวว่าเมื่อจับคู่กับสายรัด Hyra 2.0 Hy4 ได้ปรับโครงสร้างพื้นฐานก่อนการฝึกอบรมภายในของบริษัทให้เหมาะสมสำหรับรุ่นขนาดเล็กที่มีสถาปัตยกรรมเดียวกัน และฝึกอบรมตัวแปรที่มีประสิทธิภาพเหนือกว่ามาตรฐาน Jev อย่างเป็นทางการจากเกณฑ์มาตรฐานต่างๆ โมเดลพื้นฐานสองรุ่นที่พัฒนาร่วมกันโดย Hy4 และ Hyra 2.0 ได้แก่ HyCell สำหรับการแสดงเซลล์เดียวและ HyPDE สำหรับการสร้างแบบจำลองภาคสนามทางกายภาพ กำลังถูกใช้งานแบบโอเพ่นซอร์สเพื่อทำให้ผลลัพธ์เหล่านั้นสามารถนำกลับมาใช้ใหม่ได้

การกรองความปลอดภัยทางไซเบอร์และชีวภาพ

Tencent กล่าวถึงความปลอดภัยของความสามารถโดยตรง บริษัทกล่าวว่าได้กรองเนื้อหาที่ไม่เหมาะสมออกไป "เช่น การพัฒนาช่องโหว่ การทำวิศวกรรมย้อนกลับ และการทดสอบการเจาะระบบ เพื่อหลีกเลี่ยงการขยายขีดความสามารถด้านรุกที่อาจเกิดขึ้น" ซึ่งเป็นแนวทางที่รอยเตอร์สมีลักษณะเฉพาะในการฝึกโมเดลด้วยข้อมูลความปลอดภัยทางไซเบอร์ที่จำกัด ท่ามกลางความกลัวในการแฮ็ก

ด้านความปลอดภัยทางชีวภาพ Tencent รายงานว่าความสามารถในการออกแบบการทดลองปลายเปิดของ Hy4 ได้คะแนน 30.4 จาก 100 คะแนนบน Hy-BioExperimentBench ซึ่งบริษัทถือว่าต่ำกว่าเกณฑ์ที่มีความเสี่ยงสูงมาก ผู้เชี่ยวชาญภายในที่ตรวจสอบร่องรอยการให้เหตุผลของแบบจำลองสรุปว่าแม้ว่า Hy4 จะมีความเข้าใจอย่างลึกซึ้งในด้านชีววิทยาพื้นฐาน แต่ความสามารถในการเปลี่ยนความรู้นั้นให้เป็นโปรโตคอลการทดลองที่นำไปปฏิบัติได้ยังคงมีจำกัด และ Tencent กล่าวว่าไม่พบหลักฐานที่แสดงว่า Hy4 ลดอุปสรรคในการก่อให้เกิดอันตรายทางชีวภาพลงได้อย่างมีความหมาย

Open Weights Promised — ด้วยการ์ดระบบ

รายละเอียดหนึ่งทำให้การจัดเฟรม "โอเพ่นซอร์ส" มีความซับซ้อน: ตุ้มน้ำหนัก Hy4 แบบเต็มยังไม่สามารถดาวน์โหลดได้ Tencent ระบุอย่างชัดเจนว่ามีแผนจะใช้น้ำหนักโมเดลของ Hy4 แบบโอเพ่นซอร์ส และได้ร่วมมือกับชุมชน vLLM และ SGLang เพื่อให้การสนับสนุนระบบนิเวศ เมื่อมีการเผยแพร่ตุ้มน้ำหนัก บริษัทกล่าวว่าจะเผยแพร่การ์ดระบบที่ครอบคลุมซึ่งมีรายละเอียดการประเมินความปลอดภัย ซึ่งเป็นเอกสารที่จะได้รับการตรวจสอบอย่างละเอียด เนื่องจากการเปิดตัวตุ้มน้ำหนักแบบเปิดจากห้องปฏิบัติการของจีน ได้รับการยกย่องและข้อกังวลในปีนี้

Tencent ยังรับทราบด้วยว่ายังมีช่องว่างระหว่าง Hy4 และโมเดลที่เป็นกรรมสิทธิ์ชั้นนำ โดยเฉพาะอย่างยิ่งในด้านคณิตศาสตร์ระดับการวิจัย การเขียนโค้ดขอบฟ้าไกล การพัฒนาโมเดลด้วยตนเอง และการตอบคำถามด้วยภาพขั้นสูง Hy4 Flash ที่เบากว่าและราคาถูกกว่ามีการวางแผนไว้ "ในอนาคตอันใกล้นี้"

การเปิดตัวดังกล่าวเกิดขึ้นในกลุ่ม Open-Weight ของจีนที่มีผู้คนหนาแน่นมากขึ้น โดยที่ DeepSeek, Kimi และ GLM เปิดตัวทั้งหมดแข่งขันกันในด้านราคาและความสามารถ เดิมพันของ Tencent ก็คือการใช้คอมพิวเตอร์ระดับมืออาชีพ ไม่ใช่คะแนนมาตรฐานดิบ เป็นสิ่งที่เปลี่ยนโมเดลแบบเปิดให้เป็นเครื่องมือระดับองค์กร

---

Stay Ahead of AI

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

Read more AI news →