Tencent Hy4 Preview je dosud největší open-weight jazykový model společnosti Tencent a zároveň její nejvýraznější pokus propojit model špičkové velikosti s nástroji pro programování, kancelářskou práci a AI agenty. Tencent jej uvedl 28. srpna 2026 pro softwarové inženýrství, výzkum, finanční analýzu a další úkoly založené na autonomním provádění práce. 112

Nejvíce pozornosti přitahují tři čísla: 770 miliard parametrů, 49 miliard aktivních parametrů pro každý token a kontextové okno přesahující 1 milion tokenů. Střízlivější závěr ale zní takto: Hy4 patří mezi nejsilnější čínské open-weight modely pro kódování a produktivitu, jeho jednoznačná převaha nad konkurencí však zatím stojí především na hodnoceních Tencentu a čeká na širší nezávislé ověření. 18

Co je Tencent Hy4 Preview?

Hy4 Preview je jazykový model typu Mixture of Experts (MoE). Neaktivuje při každém požadavku celou síť, ale pomocí směrování vybere jen její část. Tencent tak může vytvořit model s velmi vysokou celkovou kapacitou, aniž by každý token procházel všemi parametry.

Model není zamýšlen pouze jako univerzální chatbot. Tencent jej popisuje jako systém pro agentní práci – tedy úkoly, při nichž AI plánuje postup, používá nástroje a dokončuje vícekrokové zadání. Mezi cílové oblasti patří programování, kancelářská produktivita, výzkum a finanční analýza. Hy4 má být přímo napojen na vývojářské a pracovní nástroje Tencentu. 18

Pojem „open source“ je v tomto případě přesnější chápat jako otevřené váhy a podporu pro vlastní nasazení. Tencent model vydal pod licencí Apache 2.0 a zveřejnil také návody pro obsluhu, dolaďování a kvantizaci. 812

Parametry a architektura Hy4

Hlavní specifikace vypadají takto:

• Celkem parametrů: 770 miliard
• Aktivních parametrů na token: 49 miliard
• Kontextové okno: více než 1 milion tokenů
• Architektura: Mixture of Experts
• Licence: Apache 2.0
• Formáty: BF16 a FP8
• Nasazení: recepty pro vLLM a SGLang, včetně cesty přes API kompatibilní s OpenAI 812

Páteř modelu tvoří 78 vrstev. První používá hustou feed-forward síť, zatímco zbývajících 77 vrstev využívá směrování MoE s 256 směrovanými experty a jedním sdíleným expertem. Pro každý token se vybírá osm směrovaných expertů společně se sdíleným expertem. Hy4 obsahuje také nativní vrstvu pro predikci více tokenů, která má pomáhat se spekulativním dekódováním. 8

Pozornostní mechanismus využívá Gated DeepSeek Sparse Attention s technologií IndexCache, která znovu používá řídké indexy pozornosti napříč vrstvami. Tencent uvádí, že při návrhu čerpal mimo jiné z přístupů spojovaných s modely DeepSeek a GLM. 8

Důležitá proto není jen samotná velikost modelu. Hy4 kombinuje vysokou celkovou kapacitu s řídkým směrováním, velmi dlouhým kontextem a mechanismy, které mají omezit náklady na inferenci.

Hy4 vs. Hy3: co se změnilo?

Hy4 představuje výrazné rozšíření předchozího modelu Hy3:

Parametr	Hy3	Hy4 Preview	Změna
Celkem parametrů	295 mld.	770 mld.	přibližně 2,6× více
Aktivních parametrů na token	21 mld.	49 mld.	přibližně 2,3× více
Kontextové okno	262 tisíc tokenů	více než 1 mil. tokenů	zhruba 4× více
Konstrukce	MoE	rozšířená MoE s úpravami řídké pozornosti	vyšší kapacita a delší kontext

Hy4 tedy zvětšuje nejen celkový model, ale také množství aktivního výpočtu pro každý token. Tencent zároveň uvádí rozšíření trénovacích dat a významné změny v předtrénování i dolaďování po tréninku. 814

Kontext delší než 1 milion tokenů může být prakticky významný zejména pro práci s rozsáhlými zdrojovými kódy, dlouhými výzkumnými materiály nebo složitými firemními úkoly. Samotná velikost kontextu ale ještě nezaručuje kvalitní výsledek. Rozhodovat bude také vyhledávání relevantních informací, odezva a schopnost modelu udržet přesnost v dlouhém vstupu.

Jak si Hy4 stojí proti čínské konkurenci?

Nejkonkrétnější veřejné srovnání Tencentu pochází ze slepého interního testu. Výstupy v něm hodnotilo 163 interních expertů na 203 úkolech z oblasti softwarového inženýrství. Hy4 Preview získal průměrné skóre 2,99 ze 4, zatímco GLM-5.3 od společnosti Zhipu dosáhl 2,92 a Kimi K3 od Moonshotu 2,94. 8

V testu Tencentu tedy Hy4 zvítězil, rozdíl je však malý a nejde o neutrální ani všeobecný žebříček. Hodnotitelé byli interní experti Tencentu a test se zaměřil na inženýrské úlohy. U dalších benchmarků se výsledky Hy4 vůči domácím konkurentům, například modelům Qwen od Alibaby a modelům DeepSeek, lišily podle konkrétní disciplíny. 113

Některé sekundární zprávy uvádějí také výrazné zlepšení proti Hy3 v testech kódování, například Terminal-Bench 2.1 a DeepSWE. Tyto údaje naznačují pokrok, ale je vhodné je brát s rezervou, dokud nebudou nezávisle zopakovány za srovnatelných podmínek. 1718

Nejbezpečnější současný závěr je proto tento: Hy4 patří do nejvyšší skupiny čínských open-weight modelů pro programování a produktivitu. Dostupná data ale nepotvrzují, že by přesvědčivě porážel všechny konkurenty ve všech typech úloh.

Kde lze Hy4 Preview používat?

Tencent model zpřístupnil jako ke stažení, tak prostřednictvím vlastních a partnerských služeb.

Stažení vah a vlastní nasazení

Model i jeho verze FP8 jsou dostupné přes Hugging Face, ModelScope, GitCode a CNB. Tencent poskytuje recepty pro vLLM a SGLang, lokální API kompatibilní s OpenAI, návody k dolaďování i nástroje pro kvantizaci. 812

Vývojáři tak mohou experimentovat s vahami nebo si postavit vlastní obslužnou vrstvu. „Open weight“ ale neznamená, že jde o malý model. Referenční konfigurace FP8 od Tencentu používá osmisměrný tensorový paralelismus a provoz modelu s 770 miliardami parametrů zůstává náročným projektem pro více GPU. 8

Aplikace Tencentu a hostovaná API

K Hy4 lze přistupovat přes WorkBuddy, CodeBuddy, Yuanbao a ima. Tencent uvádí také Tencent Cloud TokenHub a OpenRouter. Při uvedení nabídl dva týdny bezplatného přístupu ve WorkBuddy a CodeBuddy; přístup k předchozímu Hy3 prodloužil do 30. září. 12

Podle zprávy třetí strany činila cena vstupu na OpenRouteru přibližně 0,834 dolaru za milion tokenů. Jde však o cenu konkrétního distribučního kanálu, nikoli o trvalý oficiální ceník Tencentu. Cena i dostupnost se mohou lišit podle poskytovatele a regionu. 3

Proč je důležitá distribuce Tencentu

Hy4 je úzce propojený s produktovou strategií Tencentu. Společnost uvádí, že model vznikal společně s WorkBuddy a CodeBuddy a využíval úlohy i zpětnou vazbu od interních inženýrů, herních vývojářů, finančních analytiků a bezpečnostních specialistů. 8

Tencent tak získává výhodu, která nespočívá jen v architektuře. Model může testovat přímo v nástrojích pro programování a kancelářskou práci, sbírat zpětnou vazbu z provozu a využít ji v dalších verzích. Uživatelé navíc mohou Hy4 vyzkoušet v hotové službě, aniž by sami museli provozovat model o velikosti 770 miliard parametrů.

Existují také první známky toho, že širší distribuce modelů Hunyuan dokáže rychle generovat využití. Tencent uvedl, že po nasazení Hunyuan 3 do produkce vzrostla průměrná denní spotřeba tokenů zhruba šestinásobně oproti fázi preview. Jde o důkaz rychlého růstu používání, nikoli o nezávislý důkaz spokojenosti uživatelů nebo jejich dlouhodobého setrvání.

Tencent zároveň do této strategie výrazně investuje. Kapitálové výdaje na budovy a vybavení dosáhly ve druhém čtvrtletí 2026 částky 52,784 miliardy RMB, tedy přibližně 2,8násobku hodnoty před rokem. Vedení společnosti uvedlo, že prioritou jsou AI infrastruktura a investice související s WorkBuddy.

Tencent označil WorkBuddy za nejpoužívanější čínskou službu produktivního AI agenta. Jde však o tvrzení společnosti, nikoli o nezávisle auditované měření tržního podílu. 4

Současná omezení

Hy4 Preview není prezentován jako hotový model. Tencent přiznává, že při obtížných úkolech může uvažovat déle, než je nutné, a nadměrně ověřovat vlastní výstupy. To může zvyšovat odezvu i náklady na inferenci. 8

Druhou praktickou překážkou je velikost. Ačkoli se při zpracování konkrétního tokenu aktivuje pouze 49 miliard parametrů, celý model je stále nutné uložit a obsluhovat. Organizace, které zvažují vlastní hosting, potřebují značnou kapacitu paměti, rychlé síťové propojení a více GPU.

Omezené je také srovnání benchmarků. Interní hodnocení Tencentu ukazuje jen těsný náskok před GLM-5.3 a Kimi K3 v inženýrských úlohách, zatímco širší výsledky se podle testu mění. První žebříčky je proto lepší chápat jako orientační než definitivní. 8

A konečně, dlouhé kontextové okno automaticky neznamená spolehlivé uvažování nad dlouhým dokumentem. Milion tokenů je významná specifikace, ale skutečný výkon bude záviset na typu úlohy, struktuře zadání, strategii vyhledávání i konfiguraci nasazení.

Co může přijít dál?

Tencent zatím nenabídl formální harmonogram, jeho deklarovaný směr je ale poměrně jasný. Společnost mluví o dalším předtrénování a dolaďování, rychlejším a méně opakujícím se uvažování, pokračujícím sběru zpětné vazby z WorkBuddy a CodeBuddy a o kompresi či kvantizaci, která by snížila náklady na provoz. 8

Tyto kroky by řešily hlavní kompromis Hy4: model nabízí vyšší kapacitu a mnohem delší kontext než Hy3, označení preview však naznačuje, že rychlost, efektivita a spolehlivost v produkci se stále dolaďují.

Závěr

Hy4 Preview představuje oproti Hy3 výrazný posun. Celkový počet parametrů vzrostl z 295 na 770 miliard, počet aktivních parametrů z 21 na 49 miliard a kontextové okno z 262 tisíc na více než 1 milion tokenů. Model je navíc neobvykle úzce napojen na kódovací, kancelářský, cloudový i spotřebitelský ekosystém Tencentu. 812

Pro vývojáře jsou váhy pod licencí Apache 2.0 a dostupné nástroje dostatečným důvodem k testování. Firmám může dávat větší smysl hostovaný přístup přes aplikace a API Tencentu než vlastní provoz takto rozsáhlého systému.

Současné hodnocení by ale mělo zůstat věcné: Hy4 vypadá jako výkonný čínský open-weight model nejvyšší třídy pro programování a agentní produktivitu. O tom, zda se jeho slib promění v dlouhodobý náskok, rozhodnou až nezávislé benchmarky a stabilní výsledky z reálného provozu.

Tencent Hy4 Preview je dosud největší open-weight jazykový model společnosti Tencent a zároveň její nejvýraznější pokus propojit model špičkové velikosti s nástroji pro programování, kancelářskou práci a AI agenty. Tencent jej uvedl 28. srpna 2026 pro softwarové inženýrství, výzkum, finanční analýzu a další úkoly založené na autonomním provádění práce. 112

Nejvíce pozornosti přitahují tři čísla: 770 miliard parametrů, 49 miliard aktivních parametrů pro každý token a kontextové okno přesahující 1 milion tokenů. Střízlivější závěr ale zní takto: Hy4 patří mezi nejsilnější čínské open-weight modely pro kódování a produktivitu, jeho jednoznačná převaha nad konkurencí však zatím stojí především na hodnoceních Tencentu a čeká na širší nezávislé ověření. 18

Co je Tencent Hy4 Preview?

Hy4 Preview je jazykový model typu Mixture of Experts (MoE). Neaktivuje při každém požadavku celou síť, ale pomocí směrování vybere jen její část. Tencent tak může vytvořit model s velmi vysokou celkovou kapacitou, aniž by každý token procházel všemi parametry.

Model není zamýšlen pouze jako univerzální chatbot. Tencent jej popisuje jako systém pro agentní práci – tedy úkoly, při nichž AI plánuje postup, používá nástroje a dokončuje vícekrokové zadání. Mezi cílové oblasti patří programování, kancelářská produktivita, výzkum a finanční analýza. Hy4 má být přímo napojen na vývojářské a pracovní nástroje Tencentu. 18

Pojem „open source“ je v tomto případě přesnější chápat jako otevřené váhy a podporu pro vlastní nasazení. Tencent model vydal pod licencí Apache 2.0 a zveřejnil také návody pro obsluhu, dolaďování a kvantizaci. 812

Parametry a architektura Hy4

Hlavní specifikace vypadají takto:

• Celkem parametrů: 770 miliard
• Aktivních parametrů na token: 49 miliard
• Kontextové okno: více než 1 milion tokenů
• Architektura: Mixture of Experts
• Licence: Apache 2.0
• Formáty: BF16 a FP8
• Nasazení: recepty pro vLLM a SGLang, včetně cesty přes API kompatibilní s OpenAI 812

Páteř modelu tvoří 78 vrstev. První používá hustou feed-forward síť, zatímco zbývajících 77 vrstev využívá směrování MoE s 256 směrovanými experty a jedním sdíleným expertem. Pro každý token se vybírá osm směrovaných expertů společně se sdíleným expertem. Hy4 obsahuje také nativní vrstvu pro predikci více tokenů, která má pomáhat se spekulativním dekódováním. 8

Pozornostní mechanismus využívá Gated DeepSeek Sparse Attention s technologií IndexCache, která znovu používá řídké indexy pozornosti napříč vrstvami. Tencent uvádí, že při návrhu čerpal mimo jiné z přístupů spojovaných s modely DeepSeek a GLM. 8

Důležitá proto není jen samotná velikost modelu. Hy4 kombinuje vysokou celkovou kapacitu s řídkým směrováním, velmi dlouhým kontextem a mechanismy, které mají omezit náklady na inferenci.

Hy4 vs. Hy3: co se změnilo?

Hy4 představuje výrazné rozšíření předchozího modelu Hy3:

Parametr	Hy3	Hy4 Preview	Změna
Celkem parametrů	295 mld.	770 mld.	přibližně 2,6× více
Aktivních parametrů na token	21 mld.	49 mld.	přibližně 2,3× více
Kontextové okno	262 tisíc tokenů	více než 1 mil. tokenů	zhruba 4× více
Konstrukce	MoE	rozšířená MoE s úpravami řídké pozornosti	vyšší kapacita a delší kontext

Hy4 tedy zvětšuje nejen celkový model, ale také množství aktivního výpočtu pro každý token. Tencent zároveň uvádí rozšíření trénovacích dat a významné změny v předtrénování i dolaďování po tréninku. 814

Kontext delší než 1 milion tokenů může být prakticky významný zejména pro práci s rozsáhlými zdrojovými kódy, dlouhými výzkumnými materiály nebo složitými firemními úkoly. Samotná velikost kontextu ale ještě nezaručuje kvalitní výsledek. Rozhodovat bude také vyhledávání relevantních informací, odezva a schopnost modelu udržet přesnost v dlouhém vstupu.

Jak si Hy4 stojí proti čínské konkurenci?

Nejkonkrétnější veřejné srovnání Tencentu pochází ze slepého interního testu. Výstupy v něm hodnotilo 163 interních expertů na 203 úkolech z oblasti softwarového inženýrství. Hy4 Preview získal průměrné skóre 2,99 ze 4, zatímco GLM-5.3 od společnosti Zhipu dosáhl 2,92 a Kimi K3 od Moonshotu 2,94. 8

V testu Tencentu tedy Hy4 zvítězil, rozdíl je však malý a nejde o neutrální ani všeobecný žebříček. Hodnotitelé byli interní experti Tencentu a test se zaměřil na inženýrské úlohy. U dalších benchmarků se výsledky Hy4 vůči domácím konkurentům, například modelům Qwen od Alibaby a modelům DeepSeek, lišily podle konkrétní disciplíny. 113

Některé sekundární zprávy uvádějí také výrazné zlepšení proti Hy3 v testech kódování, například Terminal-Bench 2.1 a DeepSWE. Tyto údaje naznačují pokrok, ale je vhodné je brát s rezervou, dokud nebudou nezávisle zopakovány za srovnatelných podmínek. 1718

Nejbezpečnější současný závěr je proto tento: Hy4 patří do nejvyšší skupiny čínských open-weight modelů pro programování a produktivitu. Dostupná data ale nepotvrzují, že by přesvědčivě porážel všechny konkurenty ve všech typech úloh.

Kde lze Hy4 Preview používat?

Tencent model zpřístupnil jako ke stažení, tak prostřednictvím vlastních a partnerských služeb.

Stažení vah a vlastní nasazení

Model i jeho verze FP8 jsou dostupné přes Hugging Face, ModelScope, GitCode a CNB. Tencent poskytuje recepty pro vLLM a SGLang, lokální API kompatibilní s OpenAI, návody k dolaďování i nástroje pro kvantizaci. 812

Vývojáři tak mohou experimentovat s vahami nebo si postavit vlastní obslužnou vrstvu. „Open weight“ ale neznamená, že jde o malý model. Referenční konfigurace FP8 od Tencentu používá osmisměrný tensorový paralelismus a provoz modelu s 770 miliardami parametrů zůstává náročným projektem pro více GPU. 8

Aplikace Tencentu a hostovaná API

K Hy4 lze přistupovat přes WorkBuddy, CodeBuddy, Yuanbao a ima. Tencent uvádí také Tencent Cloud TokenHub a OpenRouter. Při uvedení nabídl dva týdny bezplatného přístupu ve WorkBuddy a CodeBuddy; přístup k předchozímu Hy3 prodloužil do 30. září. 12

Podle zprávy třetí strany činila cena vstupu na OpenRouteru přibližně 0,834 dolaru za milion tokenů. Jde však o cenu konkrétního distribučního kanálu, nikoli o trvalý oficiální ceník Tencentu. Cena i dostupnost se mohou lišit podle poskytovatele a regionu. 3

Proč je důležitá distribuce Tencentu

Hy4 je úzce propojený s produktovou strategií Tencentu. Společnost uvádí, že model vznikal společně s WorkBuddy a CodeBuddy a využíval úlohy i zpětnou vazbu od interních inženýrů, herních vývojářů, finančních analytiků a bezpečnostních specialistů. 8

Tencent tak získává výhodu, která nespočívá jen v architektuře. Model může testovat přímo v nástrojích pro programování a kancelářskou práci, sbírat zpětnou vazbu z provozu a využít ji v dalších verzích. Uživatelé navíc mohou Hy4 vyzkoušet v hotové službě, aniž by sami museli provozovat model o velikosti 770 miliard parametrů.

Existují také první známky toho, že širší distribuce modelů Hunyuan dokáže rychle generovat využití. Tencent uvedl, že po nasazení Hunyuan 3 do produkce vzrostla průměrná denní spotřeba tokenů zhruba šestinásobně oproti fázi preview. Jde o důkaz rychlého růstu používání, nikoli o nezávislý důkaz spokojenosti uživatelů nebo jejich dlouhodobého setrvání.

Tencent zároveň do této strategie výrazně investuje. Kapitálové výdaje na budovy a vybavení dosáhly ve druhém čtvrtletí 2026 částky 52,784 miliardy RMB, tedy přibližně 2,8násobku hodnoty před rokem. Vedení společnosti uvedlo, že prioritou jsou AI infrastruktura a investice související s WorkBuddy.

Tencent označil WorkBuddy za nejpoužívanější čínskou službu produktivního AI agenta. Jde však o tvrzení společnosti, nikoli o nezávisle auditované měření tržního podílu. 4

Současná omezení

Hy4 Preview není prezentován jako hotový model. Tencent přiznává, že při obtížných úkolech může uvažovat déle, než je nutné, a nadměrně ověřovat vlastní výstupy. To může zvyšovat odezvu i náklady na inferenci. 8

Druhou praktickou překážkou je velikost. Ačkoli se při zpracování konkrétního tokenu aktivuje pouze 49 miliard parametrů, celý model je stále nutné uložit a obsluhovat. Organizace, které zvažují vlastní hosting, potřebují značnou kapacitu paměti, rychlé síťové propojení a více GPU.

Omezené je také srovnání benchmarků. Interní hodnocení Tencentu ukazuje jen těsný náskok před GLM-5.3 a Kimi K3 v inženýrských úlohách, zatímco širší výsledky se podle testu mění. První žebříčky je proto lepší chápat jako orientační než definitivní. 8

A konečně, dlouhé kontextové okno automaticky neznamená spolehlivé uvažování nad dlouhým dokumentem. Milion tokenů je významná specifikace, ale skutečný výkon bude záviset na typu úlohy, struktuře zadání, strategii vyhledávání i konfiguraci nasazení.

Co může přijít dál?

Tencent zatím nenabídl formální harmonogram, jeho deklarovaný směr je ale poměrně jasný. Společnost mluví o dalším předtrénování a dolaďování, rychlejším a méně opakujícím se uvažování, pokračujícím sběru zpětné vazby z WorkBuddy a CodeBuddy a o kompresi či kvantizaci, která by snížila náklady na provoz. 8

Tyto kroky by řešily hlavní kompromis Hy4: model nabízí vyšší kapacitu a mnohem delší kontext než Hy3, označení preview však naznačuje, že rychlost, efektivita a spolehlivost v produkci se stále dolaďují.

Závěr

Hy4 Preview představuje oproti Hy3 výrazný posun. Celkový počet parametrů vzrostl z 295 na 770 miliard, počet aktivních parametrů z 21 na 49 miliard a kontextové okno z 262 tisíc na více než 1 milion tokenů. Model je navíc neobvykle úzce napojen na kódovací, kancelářský, cloudový i spotřebitelský ekosystém Tencentu. 812

Pro vývojáře jsou váhy pod licencí Apache 2.0 a dostupné nástroje dostatečným důvodem k testování. Firmám může dávat větší smysl hostovaný přístup přes aplikace a API Tencentu než vlastní provoz takto rozsáhlého systému.

Současné hodnocení by ale mělo zůstat věcné: Hy4 vypadá jako výkonný čínský open-weight model nejvyšší třídy pro programování a agentní produktivitu. O tom, zda se jeho slib promění v dlouhodobý náskok, rozhodnou až nezávislé benchmarky a stabilní výsledky z reálného provozu.