Tencent Hy4 Preview: نموذج مفتوح بقدرات ضخمة وسياق يتجاوز مليون رمز

يبدو Hy4 Preview محاولة من Tencent لنقل نموذجها Hunyuan من مرحلة النموذج اللغوي العام إلى قلب سوق الوكلاء الذكيين: أدوات تستطيع التخطيط، وكتابة البرمجيات، واستخدام الأدوات، وتنفيذ مهام متعددة الخطوات في بيئات العمل والبحث والمكاتب. وهو نموذج مفتوح المصدر مبني على بنية مزيج الخبراء (MoE)، بإجمالي 770 مليار معلمة، لكن نحو 49 مليار معلمة فقط تُفعَّل لكل طلب نصي. 1719

هذه قفزة كبيرة مقارنةً بـ Hy3، إلا أن كلمة Preview مهمة هنا: النموذج ما زال إصداراً تجريبياً، وقد تتغير أسعاره وحدوده وسلوكه البرمجي ووثائق نشره. كما أن أبرز ادعاءات التفوق المقارن لم تُثبت بعد على نطاق واسع عبر اختبارات مستقلة قابلة لإعادة الإنتاج.

Hy4 Preview مقارنةً بـ Hy3

المعيار	Hy3 Preview	Hy4 Preview	ماذا يعني ذلك؟
إجمالي المعلمات	295 ملياراً	770 ملياراً	قدرة إجمالية أكبر بنحو 2.6 مرة في بنية MoE. 24
المعلمات النشطة	نحو 21 ملياراً لكل رمز	نحو 49 ملياراً لكل طلب	يستخدم Hy4 حساباً نشطاً أكبر بنحو 2.3 مرة، ما قد يرفع الجودة لكنه يزيد تكلفة التشغيل. 24
نافذة السياق	256 ألف رمز	أكثر من مليون رمز	مناسب لشفرة برمجية ضخمة، ووثائق طويلة، ووكلاء ينفذون خطوات متتابعة. 21422
الاستخدام المستهدف	الاستدلال، البرمجة، ووكلاء RAG وبيئات التطوير	الوكلاء، البرمجة، البحث، أتمتة المكاتب، واستخدام الأدوات المعقدة	يقدّم Hy4 نفسه بوضوح أكبر كنموذج لإنتاجية العمل والوكلاء. 24
حالة الإطلاق	أوزان مفتوحة، مع الإبلاغ عن ترخيص Apache 2.0	إصدار تجريبي مفتوح المصدر	ينبغي مراجعة الترخيص النهائي وشروط الاستضافة الذاتية في المستودع الرسمي قبل الاستخدام التجاري. 214

كان Hy3 أصلاً نموذجاً كبيراً نسبياً لكنه اقتصادي في الحسابات؛ إذ يوجّه نحو 21 ملياراً من أصل 295 مليار معلمة لكل رمز، باستخدام 192 خبيراً وتفعيل أفضل ثمانية خبراء، كما أتاح مستويات قابلة للضبط لعمق الاستدلال وسجل—بحسب التقارير المنشورة—74.4% في SWE-bench Verified. 23

يحافظ Hy4 على منطق MoE نفسه: تخزين نموذج ضخم، مع تشغيل جزء منه فقط في كل خطوة. لكنه يرفع كلاً من السعة الكلية والحساب النشط بدرجة كبيرة. لذلك، فإن تفعيله الجزئي لا يعني أنه سهل التشغيل مثل نموذج بحجم 49 مليار معلمة؛ إذ لا تزال عملية تخزين أوزانه وخدمته تتطلب ذاكرة وبنية موزعة متقدمة.

الأداء وموقعه أمام المنافسين الصينيين

تقول Tencent إن Hy4 Preview حصل على 85.4 نقطة في Terminal-Bench 2.1، بزيادة قدرها 14.6 نقطة عن Hy3، وإنه تجاوز DeepSeek V4 Pro في هذا الاختبار المتعلق بالبرمجة عبر الطرفية، مع تعادل نتيجته مع Claude Opus 5. غير أن هذه النتيجة تظل ادعاءً مرتبطاً بتقييمات Tencent، وليست ترتيباً مستقلاً أعيد إنتاجه من جهات متعددة. 13

وفي اختبار أعمى أجرته Tencent بمشاركة 163 خبيراً داخلياً وشمل 203 مهام هندسية، حصل Hy4 على متوسط 2.99 من 4، مقابل 2.92 لـ GLM-5.3 من Z.ai و2.94 لـ Kimi K3 من Moonshot AI. الفارق محدود، كما أن الاختبار الداخلي لا يعادل لوحة ترتيب عالمية موحّدة. 5

من حيث الحجم الاسمي، يأتي Hy4—بـ770 مليار معلمة—أصغر من الأرقام المُعلنة لـ DeepSeek V4 Pro، البالغة نحو 1.6 تريليون، ومن Kimi K3، البالغة نحو 2.8 تريليون، بينما يقترب من GLM-5.3 الذي يُقال إن حجمه يبلغ 744 مليار معلمة. أما عدد المعلمات النشطة، البالغ 49 ملياراً، فيُذكر أنه قريب من مستوى DeepSeek V4 Pro. 4

وللمقارنة، نُسب إلى GLM-5 أداء بلغ 77.8% في SWE-bench Verified. لكن مقارنة نتائج النماذج تحتاج إلى حذر؛ فإصدار الاختبار، وإعدادات الأدوات، وطريقة منع تلوث بيانات التدريب، وأسلوب بناء الوكيل البرمجي قد تختلف من نموذج إلى آخر.

الخلاصة العملية: يبدو Hy4 منافساً قوياً بين النماذج الصينية ذات الأوزان المفتوحة، خصوصاً في البرمجة وسير عمل الوكلاء. لكن الأدلة المتاحة لا تكفي بعد للقول إنه يتفوق إجمالاً على DeepSeek أو Qwen أو GLM أو Kimi أو MiniMax في كل الاستخدامات.

أين يمكن استخدامه؟

صُمم Hy4 لمهام تتجاوز الإجابة عن الأسئلة العامة، ومنها:

• هندسة البرمجيات وتصحيح الأخطاء والعمل عبر الطرفية.
• البحث والتحليل المالي والعلمي.
• أتمتة الأعمال المكتبية ومعالجة الوثائق الطويلة.
• تنفيذ التعليمات متعددة الخطوات واستخدام الأدوات الخارجية.
• التعامل مع مستودعات برمجية أو سياقات ضخمة بفضل نافذة تتجاوز مليون رمز.

لكن نافذة السياق الطويلة لا تضمن تلقائياً أن النموذج سيتذكر كل ما يقرأه أو يسترجعه بدقة. وستحتاج المؤسسات إلى اختبار الدقة، وزمن الاستجابة، والتكلفة عند أطوال السياق التي تستخدمها فعلياً.

التوافر والتكاملات والأسعار

أصبح Hy4 Preview متاحاً ضمن النسختين الصينية والدولية من WorkBuddy وCodeBuddy. كما يمكن الوصول إليه عبر منتجات Tencent الأخرى، ومنها Yuanbao وima، في حين تتوافر واجهات برمجة التطبيقات عبر Tencent Cloud TokenHub وOpenRouter. 141922

ويمنح نشر الأوزان المفتوحة الشركات خيار الاستضافة الذاتية، لكن ذلك لا يلغي تحدي البنية التحتية. فحتى مع تفعيل 49 مليار معلمة فقط أثناء الاستدلال، يتعين تخزين نموذج يبلغ إجمالي حجمه 770 مليار معلمة وتشغيله عبر بنية موزعة مناسبة. 414

وبحسب الأسعار الصينية المعلنة، تبلغ التكلفة:

• 6 يوانات لكل مليون رمز إدخال.
• 18 يواناً لكل مليون رمز إخراج.
• 0.3 يوان لكل مليون رمز إدخال مخزَّن مؤقتاً. 4

كما تعرض صفحة Tencent Cloud TokenHub سعراً عالمياً يقارب 0.834 دولار لكل مليون رمز إدخال و2.501 دولار لكل مليون رمز إخراج، مع نحو 0.042 دولار للرموز المخزنة مؤقتاً.

تظل هذه الأسعار قابلة للتغير خلال فترة المعاينة، وقد تختلف بحسب المنطقة والحصة والواجهة المستخدمة. لذلك، من الأفضل الاعتماد على لوحة الأسعار الرسمية وقت الاستخدام، لا على مجمّعات الأسعار الخارجية التي قد تعرض تعرفة قديمة أو شروطاً مختلفة. 84

القيود التي ينبغي الانتباه إليها

إصدار تجريبي

قد تتبدل جودة النموذج، وحدود معدل الطلبات، وسياسات الأمان، وسلوك واجهة البرمجة، والأسعار، ووثائق النشر بسرعة. 14

نقص التحقق المستقل

تأتي أكثر المقارنات إثارة للاهتمام من اختبارات Tencent نفسها أو من تقارير إطلاق مرتبطة بها. ولا تزال هناك حاجة إلى تقييمات مستقلة، موحّدة، وقابلة للتكرار قبل تثبيت موقع Hy4 على خريطة النماذج المفتوحة. 513

متطلبات تشغيل مرتفعة

تقلل بنية MoE من الحساب المطلوب لكل رمز مقارنةً بتشغيل جميع المعلمات، لكنها لا تجعل النموذج خفيفاً. فحجم 770 مليار معلمة، إلى جانب تفعيل 49 ملياراً في كل عملية، يفرض تكلفة كبيرة على الذاكرة، ووحدات معالجة الرسوميات، والبنية الموزعة، والإدارة التشغيلية. 24

السياق الطويل ليس ضمانة للجودة

قد تكون نافذة المليون رمز مفيدة عند تحليل ملفات أو وثائق ضخمة، لكن أداء الاسترجاع قد يتراجع أو ترتفع مدة الاستجابة والتكلفة. لذلك لا ينبغي اعتبار رقم السياق وحده دليلاً على التفوق.

ما التحسينات المتوقعة لاحقاً؟

من المنطقي أن تتركز الخطوات التالية على إصدار مستقر غير تجريبي، وتحسين موثوقية استخدام الأدوات والوكلاء، ورفع كفاءة الاستدلال، وتوفير نسخ مضغوطة أو مكمّمة، وتوسيع التكاملات السحابية، وإتاحة اختبارات مستقلة أكثر. هذه توقعات معقولة لمسار المنتج، وليست التزامات أعلنتها Tencent.

Hy4 جزء من رهان Tencent الأكبر على الذكاء الاصطناعي

لا تتعامل Tencent مع Hy4 كنموذج منفصل فحسب، بل تربطه مباشرةً بمنتجاتها وبنيتها السحابية. ففي الربع الثاني من عام 2026، أعلنت الشركة أن الإنفاق الرأسمالي التشغيلي بلغ 51.8 مليار يوان، بزيادة 190% على أساس سنوي، ما ساهم في تحول التدفق النقدي الحر إلى سالب 13.8 مليار يوان؛ وعزت الإدارة الزيادة إلى الاستثمار في بنية الذكاء الاصطناعي. 27

وتقول Tencent إن WorkBuddy أصبح أكثر خدمات وكلاء الإنتاجية الذكية استخداماً في الصين، بينما وصفته Bloomberg بأنه مساعد الذكاء الاصطناعي الأكثر شعبية في بيئة العمل الصينية بعد فترة قصيرة من إطلاقه في مارس. هذه ادعاءات مرتبطة بالمكانة السوقية، وليست أرقام إيرادات مدققة. 31

وتشير تقديرات خارجية لحركة الويب على أجهزة الكمبيوتر إلى أن WorkBuddy سجل 20.97 مليون زيارة في يونيو 2026، مقارنةً بـ8.85 مليون زيارة عند إطلاقه في مارس. غير أن المصدر نفسه يوضح أن هذه الأرقام لا تمثل المستخدمين النشطين يومياً، أو الشركات المدفوعة، أو الإيرادات، كما أنها لا تشمل استخدام الهواتف المحمولة. 12

وتقول إدارة Tencent إن كلاً من WorkBuddy وCodeBuddy يحقق نمواً سريعاً في عدد المستخدمين. 6

المنطق الاستراتيجي واضح: تستطيع Tencent توزيع كلفة وحدات معالجة الرسوميات والحوسبة السحابية على مساعدين تملكهما، وعملاء Tencent Cloud، ومنظومتها الحالية من الخدمات، بدلاً من الاعتماد على بيع Hy4 كنموذج مستقل فقط. أما المقابل قصير الأجل فهو ارتفاع كثافة الإنفاق الرأسمالي، مع بقاء تحقيق الدخل غير محسوم بينما لا تزال المنتجات في مرحلة التوسع. 615

في المحصلة، يمثل Hy4 Preview تصعيداً واضحاً في سباق النماذج الصينية المفتوحة: حجم أكبر، وسياق أطول، وتركيز أقوى على الوكلاء والبرمجة والإنتاجية. لكن الاختبار الحقيقي لن يكون في عدد المعلمات وحده، بل في كلفة تشغيله، واستقراره، ودقته عند تنفيذ مهام واقعية، ومدى قدرة Tencent على تحويله إلى خدمة يعتمد عليها المستخدمون والشركات يومياً.