Vydání modelu Hy4 z 4. listopadu 2026 není jen aktualizací jazykového modelu. Tencent přidal porozumění obrazu a ovládání počítače a slibuje také lepší práci s instrukcemi, dlouhým kontextem i déle trvajícími úkoly. Výsledky z kancelářských, finančních a výzkumných testů vypadají povzbudivě, ale popisují konkrétní evaluace — ne univerzální pořadí mezi všemi předními modely.
3
8
18
20
Co je nového oproti Hy4 preview
Tencent uvádí, že rozšířil předtrénování i následné dolaďování modelu. Zlepšit se podle něj mělo následování instrukcí, porozumění dlouhým textům, efektivita uvažování a zvládání dlouhodobějších úkolů v roli agenta.
3
8
Nejviditelnější novinkou je práce s obrazem a počítačem: Hy4 má rozumět obrázkům a komunikovat se softwarem, nejen odpovídat na textové dotazy.
5 Tencent a média informující o vydání zmiňují například interpretaci grafů a dokumentů, uvažování nad více obrázky i práci s příkazovým řádkem a grafickým rozhraním. Model měl být cíleně trénován také na profesionálním softwaru, jako jsou Blender a nástroje CAD, a na složitějších pracovních postupech.
5
25
Co ukazují zveřejněné výsledky
WorkBuddy: dobré skóre v konkrétním kancelářském testu
Tencent uvádí, že Hy4 dosáhl v hodnocení WorkBuddy průměrného skóre 83,18, úspěšnosti úloh 96,15 % a prvního místa v 9 z 12 scénářů na pevninské Číně.
25 Jde o výsledek v daném testu; sám o sobě neříká, jak spolehlivě si model poradí s každým firemním postupem nebo nepředvídaným kancelářským úkolem.
Finance: prvenství v jednom srovnání
V crowdsourcovaném hodnocení 579 skutečných finančních úloh získal Hy4 skóre 3,04 ze 4. Srovnávané modely dosáhly těchto výsledků: DeepSeek-V4.1-Flash-1017 2,97, Kimi K3.1 Pro 2,68 a GLM-5.3 rovněž 2,68. V tomto konkrétním testu se Hy4 umístil nejlépe mezi hodnocenými modely s otevřenými vahami.
18
19
Tencent zmiňuje také samostatné slepé hodnocení ve spolupráci s Tencent Financial Technology.
25 Dostupné podklady však neuvádějí dost podrobností o jeho metodice ani výsledcích, aby šlo test nezávisle posoudit. Skóre 3,04 proto patří k popsanému hodnocení 579 úloh — nelze předpokládat, že jde o výsledek slepého testu.
Vědecký výzkum: prvenství podle interního benchmarku
Tencent tvrdí, že Hy4 obsadil první místo mezi modely s otevřenými vahami v jeho interním benchmarku TenureTrail. Ten zahrnuje 123 proveditelných výzkumných úloh v sedmi oborech.
20 Podle oznámení zahrnují úlohy například matematické konstrukce, fyzikální modelování a systémové inženýrství. Dostupné materiály ale neuvádějí číselné skóre. Jde tedy o výsledek oznámený firmou v jejím vlastním testu, nikoli o obecné měřítko výzkumných schopností.
Patří Hy4 mezi nejlepší modely s otevřenými vahami?
Tencent řadí Hy4 mezi nejsilnější open-source modely a zveřejněné výsledky ukazují, že si vede konkurenceschopně ve vybraných kancelářských, finančních a výzkumných testech.
7
18
20 Vítězové se ale mohou lišit podle typu úlohy a předložená čísla nestanovují nezávislé celkové pořadí modelů.
Důležité je také rozlišovat mezi dostupností služby a zveřejněním vah. Hy4 byl při vydání dostupný prostřednictvím produktů Tencentu a hostovaných API, ale podle zpráv měly finální váhy modelu a systémové karty následovat později. Preview Hy4 naproti tomu už dříve vyšlo s otevřenými vahami.
3
8
9 Označení „open-source“ v oznámení proto neznamená, že finální váhy Hy4 bylo možné 4. listopadu stáhnout.
Co zatím zůstává nejasné
Dostupné podklady neumožňují ověřit konkrétní příklady úloh WorkBuddy ani údaje o firemním nasazení. Neupřesňují ani podporované herní enginy, detailní výsledky ve vývoji her či front-endu, načasování a cenu Hy4 Flash nebo plány na budoucí velikosti a vydání modelů.
Na stránce Hy4 Tencent popisuje interní expertní audit některých útočných kyberbezpečnostních schopností a uvádí, že v prověřovaných oblastech nezjistil výrazné riziko.
21 Jde o výsledek oznámený společností, nikoli o nezávislé bezpečnostní posouzení. Z dostupných zdrojů také nelze doložit výsledky hodnocení biologické bezpečnosti.
Nejstřízlivější závěr? Hy4 se posouvá od čistě textového asistenta k práci s obrazem, softwarem a delšími profesionálními postupy. Jeho zveřejněné výsledky jsou slibné, tvrzení o celkovém pořadí je však potřeba vztahovat ke konkrétním testům — a zároveň odlišovat provozovaný model od vah skutečně vydaných ke stažení.