Tencent Hy4 Preview im Vergleich: Größer, länger und für KI-Agenten gebaut

Tencent Hy4 Preview ist das neue Spitzenmodell der Hunyuan-Familie und wurde am 28. August 2026 als Open-Source-Modell veröffentlicht. 22 Es setzt auf eine Mixture-of-Experts-Architektur (MoE): Bei jeder Anfrage wird nicht das gesamte Modell aktiviert, sondern nur ein Teil der Experten. Dadurch kann Tencent die Kapazität stark erhöhen, ohne bei jedem Token die komplette Modellgröße berechnen zu müssen.

Der Schwerpunkt liegt weniger auf klassischen Chat-Aufgaben als auf sogenannten agentischen Workflows – also Aufgaben, bei denen ein Modell plant, Werkzeuge verwendet und mehrere Arbeitsschritte selbstständig ausführt. Dazu gehören Softwareentwicklung, Recherche, Datenanalyse, Büroautomatisierung und komplexe Tool-Aufrufe. 17

Hy4 Preview im Vergleich zu Hy3

Merkmal	Hy3 Preview	Hy4 Preview	Einordnung
Gesamtparameter	295 Mrd.	770 Mrd.	Hy4 verfügt insgesamt über rund 2,6-mal mehr MoE-Kapazität. 24
Aktivierte Parameter	etwa 21 Mrd. pro Token	etwa 49 Mrd. pro Anfrage	Hy4 nutzt ungefähr 2,3-mal mehr aktive Rechenkapazität und dürfte dadurch leistungsfähiger, aber auch teurer im Betrieb sein. 24
Kontextfenster	256.000 Tokens	mehr als 1 Mio. Tokens	Das ermöglicht die Verarbeitung sehr großer Codebasen, langer Dokumente und umfangreicher Agenten-Verläufe. 214
Zielbereiche	Reasoning, Coding, RAG- und IDE-Agenten	Agenten, Coding, Forschung, Büro-Workflows und komplexe Tool-Nutzung	Hy4 ist noch deutlicher als produktiv einsetzbares Agentenmodell positioniert. 24
Status	Open-Weight-Modell, laut Berichten unter Apache 2.0	Open-Source-Preview	Lizenz- und Self-Hosting-Bedingungen sollten vor einem kommerziellen Einsatz im offiziellen Repository geprüft werden. 214

Hy3 war bereits auf eine für seine Größe vergleichsweise sparsame Inferenz ausgelegt: Das MoE-Modell besitzt 295 Milliarden Parameter, aktiviert aber ungefähr 21 Milliarden pro Token. Es arbeitet mit 192 Experten und einer Top-8-Auswahl; außerdem lässt sich die Tiefe des Reasonings konfigurieren. Tencent beziehungsweise externe Modellübersichten nennen für Hy3 unter anderem 74,4 Prozent im SWE-bench Verified. 23

Hy4 behält dieses Prinzip der sparsamen Aktivierung bei, skaliert aber sowohl die Gesamtkapazität als auch die aktive Rechenmenge deutlich nach oben. Wichtig ist deshalb die Unterscheidung: Für die Inferenz werden zwar nicht alle 770 Milliarden Parameter gleichzeitig berechnet, gespeichert und bereitgestellt werden muss das große Modell trotzdem. 414

Wie schlägt sich Hy4 gegen chinesische Rivalen?

Tencent meldet für Hy4 Preview 85,4 Punkte im Terminal-Bench 2.1 – 14,6 Punkte mehr als Hy3. Nach Unternehmensangaben liegt Hy4 damit vor DeepSeek V4 Pro und auf dem Niveau von Claude Opus 5. Diese Aussage ist allerdings bislang vor allem eine Tencent-nahe beziehungsweise vom Unternehmen berichtete Einordnung und keine unabhängig reproduzierte Rangliste. 13

In einem von Tencent organisierten Blindtest mit 203 Engineering-Aufgaben und 163 internen Experten erreichte Hy4 durchschnittlich 2,99 von 4 Punkten. Zum Vergleich: Z.ais GLM-5.3 kam auf 2,92 Punkte, Moonshots Kimi K3 auf 2,91 Punkte. Der Abstand ist knapp, und der Test sollte nicht als allgemeingültige Bestenliste für alle Aufgaben verstanden werden. 5

Bei den Gesamtparametern liegt Hy4 mit 770 Milliarden unter den gemeldeten Größen von DeepSeek V4 Pro mit 1,6 Billionen und Kimi K3 mit 2,8 Billionen Parametern. In der Nähe liegt GLM-5.3 mit rund 744 Milliarden Parametern. Die 49 Milliarden aktivierten Parameter von Hy4 werden als ungefähr vergleichbar mit DeepSeek V4 Pro beschrieben. 4

Zum Kontext: Für ein früheres GLM-5-Modell wurden 77,8 Prozent im SWE-bench Verified berichtet. Solche Zahlen lassen sich aber nur mit Vorsicht direkt vergleichen. Benchmark-Version, Tool-Konfiguration, Testdaten, Maßnahmen gegen Datenkontamination und die verwendete Agenten-Umgebung können das Ergebnis erheblich beeinflussen. 1

Die vorläufige Bilanz: Hy4 wirkt bei Coding- und Agentenaufgaben konkurrenzfähig gegenüber den chinesischen Open-Weight-Spitzenmodellen. Für die Aussage, Tencent habe damit DeepSeek, Qwen, GLM, Kimi oder MiniMax insgesamt überholt, fehlt derzeit noch eine unabhängige und reproduzierbare Datengrundlage.

Verfügbarkeit und Integrationen

Hy4 Preview ist nicht nur als Modellgewicht verfügbar. Tencent hat es auch in die chinesischen und internationalen Versionen von WorkBuddy und CodeBuddy integriert. WorkBuddy ist auf Büro- und Produktivitätsaufgaben ausgerichtet, während CodeBuddy vor allem als Coding-Agent dient. 14

Darüber hinaus kann das Modell über Tencent Cloud TokenHub und OpenRouter angesprochen werden. Genannt werden außerdem Integrationen in Tencent-Produkte wie Yuanbao und ima. 1922

Für Unternehmen bedeutet die Veröffentlichung grundsätzlich eine zusätzliche Möglichkeit zum Self-Hosting. Die praktische Hürde bleibt jedoch hoch: Ein MoE-Modell mit 770 Milliarden Gesamtparametern benötigt trotz der 49 Milliarden aktiven Parameter erhebliche Speicherkapazität, verteilte Infrastruktur und Erfahrung im Betrieb großer Modelle. 414

Preise: günstig, aber noch nicht endgültig

Für die chinesische API werden folgende Preise berichtet:

• 6 RMB je 1 Million Eingabe-Tokens
• 18 RMB je 1 Million Ausgabe-Tokens
• 0,3 RMB je 1 Million gecachter Eingabe-Tokens 4

Während der Preview-Phase können sich Preise, Kontingente, Regionen und die API-Verfügbarkeit ändern. Eine Drittanbieter-Übersicht nennt für Hy4 dagegen 0,85 US-Dollar pro Million Eingabe-Tokens und 0,62 US-Dollar pro Million Ausgabe-Tokens. Diese Angaben widersprechen sowohl dem berichteten RMB-Tarif als auch der üblichen Kostenstruktur, bei der Ausgaben meist teurer als Eingaben sind. Für eine belastbare Kalkulation sollte daher Tencents aktueller Preis im jeweiligen Cloud-Konto maßgeblich sein. 84

Tencents TokenHub-Seite nennt zudem einen Preis von 0,834 US-Dollar für Eingaben und 2,501 US-Dollar für Ausgaben pro Million Tokens sowie 0,042 US-Dollar für Cache-Hits. Das zeigt, dass regionale oder plattformspezifische Tarife voneinander abweichen können.

Die wichtigsten Grenzen

Preview-Status: Qualität, Sicherheitsmechanismen, API-Verhalten, Ratenlimits, Dokumentation und Preise können sich kurzfristig ändern. 14

Noch wenig unabhängige Prüfung: Die auffälligsten Leistungsangaben stammen aus Tencent-eigenen Tests oder aus Berichten zur Markteinführung. Unabhängige, reproduzierbare Evaluierungen stehen noch aus. 513

Hoher Infrastrukturbedarf: Sparse Activation senkt die Berechnung pro Token, macht das Gesamtmodell aber nicht klein. Die Bereitstellung von 770 Milliarden Parametern ist deutlich anspruchsvoller als bei Hy3; zudem ist Hy4s aktive Rechenmenge mehr als doppelt so groß. 24

Ein großes Kontextfenster ist kein Qualitätsversprechen: Mehr als eine Million Tokens können bei großen Projekten hilfreich sein. Nutzer sollten trotzdem selbst prüfen, wie zuverlässig das Modell relevante Informationen über lange Eingaben hinweg findet, wie stark die Latenz steigt und welche Kosten bei den tatsächlich verwendeten Kontextlängen entstehen.

Als naheliegende nächste Entwicklungsschritte gelten daher eine stabile Version außerhalb der Preview, zuverlässigere Tool- und Agenten-Abläufe, effizientere Inferenz, bessere Quantisierungen, unabhängige Benchmark-Ergebnisse und zusätzliche Cloud-Integrationen. Das sind plausible Erwartungen an die Produktentwicklung, aber keine von Tencent bestätigten Zusagen.

Tencent setzt auf Infrastruktur – und auf WorkBuddy

Die Veröffentlichung von Hy4 ist Teil einer größeren KI-Strategie. Im zweiten Quartal 2026 meldete Tencent operative Investitionsausgaben von 51,8 Milliarden RMB – 190 Prozent mehr als im Vorjahreszeitraum. Der freie Cashflow fiel dadurch auf minus 13,8 Milliarden RMB; das Management führte den starken Anstieg vor allem auf Investitionen in KI-Infrastruktur zurück. 27

Tencent verbindet die Modelloffensive mit eigenen Anwendungen. Das Unternehmen bezeichnete WorkBuddy als den derzeit meistgenutzten Produktivitäts-KI-Agenten in China. Bloomberg beschrieb WorkBuddy kurz nach dem Start im März als Chinas populärsten KI-Assistenten für den Arbeitsplatz. Solche Aussagen sind Marktpositions-Claims und keine geprüften Umsatz- oder Nutzerstatistiken. 31

Eine Drittanbieter-Auswertung des PC- und Webverkehrs kam für WorkBuddy im Juni 2026 auf 20,97 Millionen Besuche, nach 8,85 Millionen im Startmonat März. Die Quelle weist ausdrücklich darauf hin, dass diese Zahl weder täglich aktive Nutzer noch zahlende Unternehmen, Umsatz oder mobile Nutzung misst. 12

Das Tencent-Management berichtet außerdem von einem schnellen Nutzerwachstum bei WorkBuddy und CodeBuddy. 6 Die strategische Logik dahinter ist klar: Tencent kann seine Investitionen in GPUs, Rechenzentren und Cloud-Kapazitäten gleichzeitig für eigene Assistenten, Tencent-Cloud-Kunden und das bestehende Produktökosystem nutzen. Hy4 ist damit nicht bloß ein neues Modell, sondern ein Baustein für ein größeres Agenten-Geschäft.

Der kurzfristige Preis dieser Strategie ist eine hohe Kapitalintensität. Tencent muss die zusätzliche Infrastruktur finanzieren, während Nutzerzahlen und Produktnutzung zwar wachsen, die langfristige Monetarisierung der neuen KI-Angebote aber noch nicht abschließend sichtbar ist. 615