RespuestasPublicado24 fuentes
Hy4 Preview: el modelo de IA de Tencent que apuesta por agentes y más de un millón de tokens
Hy4 Preview es un modelo abierto de tipo mezcla de expertos (MoE) diseñado para programación, investigación, automatización de oficina y uso de herramientas. Frente a Hy3, pasa de 295.000 a 770.000 millones de parámetros totales, de unos 21.000 a 49.000 millones activos y de 256.000 a más de 1 millón de tokens de co...
Publicado porEditado con GPT-5.6 LunaImágenes generadas con GPT Image 1.5
Respuesta de investigación
Conclusiones clave
- Hy4 Preview es un modelo abierto de tipo mezcla de expertos (MoE) diseñado para programación, investigación, automatización de oficina y uso de herramientas.
- Frente a Hy3, pasa de 295.000 a 770.000 millones de parámetros totales, de unos 21.000 a 49.000 millones activos y de 256.000 a más de 1 millón de tokens de contexto.
- Tencent afirma que obtuvo 85,4 puntos en Terminal Bench 2.1 y que superó a DeepSeek V4 Pro en esa prueba, pero los resultados comparativos más llamativos todavía son principalmente internos o comunicados por la empresa.
- El modelo puede probarse mediante WorkBuddy y CodeBuddy, y también está disponible a través de Tencent Cloud TokenHub y OpenRouter.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Tencent’s Hy4 Preview open source AI model, and how does it compare with its Hy3 predecessor and Chinese rivals in terms of paramete. Article summary: Hy4 Preview is Tencent’s newly open sourced, mixture of experts (MoE) flagship aimed at agentic productivity—particularly software engineering, research, office automation, and tool use.. Topic tags: general web, llm, agents, ai, automation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnai
Tencent ha puesto en circulación Hy4 Preview, su nuevo modelo de lenguaje de gran escala orientado a agentes de productividad. La propuesta apunta menos a un chatbot generalista y más a tareas como programación, investigación, análisis, automatización de oficina y uso complejo de herramientas.
La clave está en su arquitectura mixture-of-experts (MoE): el modelo tiene una gran cantidad de parámetros disponibles, pero solo activa una parte durante cada solicitud. Eso permite buscar un equilibrio entre capacidad y coste de inferencia. Aun así, Hy4 llega como una versión preliminar, por lo que sus cifras y condiciones de uso pueden cambiar.
Hy4 Preview frente a Hy3
| Métrica | Hy3 Preview | Hy4 Preview | Qué significa |
|---|---|---|---|
| Parámetros totales | 295.000 millones | 770.000 millones | Hy4 ofrece unas 2,6 veces más capacidad total de MoE. |
| Parámetros activados | Unos 21.000 millones por token | Unos 49.000 millones por solicitud | Hy4 utiliza aproximadamente 2,3 veces más cálculo activo y, previsiblemente, resulta más costoso de servir. |
| Ventana de contexto | 256.000 tokens | Más de 1 millón de tokens | Puede trabajar con bases de código, documentos y flujos de tareas mucho más extensos. |
| Enfoque | Razonamiento, programación y agentes RAG/IDE | Agentes, programación, investigación, oficina y uso de herramientas | Hy4 se presenta de forma más explícita como un modelo para agentes de productividad. |
| Estado de lanzamiento | Modelo de pesos abiertos; se comunicaron términos Apache 2.0 | Versión preliminar de código abierto | La licencia exacta y las condiciones de autoalojamiento deben comprobarse en el repositorio oficial antes de usarlo comercialmente. |
Hy3 ya destacaba por su eficiencia relativa: su arquitectura MoE selecciona aproximadamente 21.000 millones de parámetros de un total de 295.000 millones por token, mediante 192 expertos y enrutamiento de los ocho principales. También permitía configurar la profundidad del razonamiento y obtuvo un 74,4 % comunicado en SWE-bench Verified. 2
3
Hy4 mantiene esa lógica de activación dispersa, pero aumenta de manera importante tanto la capacidad total como el cálculo empleado en cada inferencia. En términos sencillos: no es solo un Hy3 más grande, sino un modelo pensado para sostener tareas más largas y con más pasos.
¿Cómo queda frente a los rivales chinos?
Tencent afirma que Hy4 alcanzó 85,4 puntos en Terminal-Bench 2.1, una mejora de 14,6 puntos frente a Hy3, y que superó a DeepSeek V4 Pro en esa evaluación de programación desde terminal, igualando a Claude Opus 5. Son cifras asociadas a las pruebas comunicadas por Tencent, no un ranking independiente reproducido por terceros. 13
En una evaluación interna a ciegas con 203 tareas de ingeniería, Hy4 obtuvo una media de 2,99 sobre 4, frente a 2,92 para GLM-5.3, de Z.ai, y 2,91 para Kimi K3, de Moonshot. La diferencia es estrecha y la prueba no debe interpretarse como una clasificación universal de modelos. 5
Por tamaño total, Hy4 queda por debajo de los 1,6 billones de parámetros atribuidos a DeepSeek V4 Pro y de los 2,8 billones de Kimi K3, pero se acerca a los 744.000 millones de GLM-5.3. Sus 49.000 millones de parámetros activos se sitúan, según los datos disponibles, en un nivel comparable al de DeepSeek V4 Pro. 4
Como referencia adicional, un resultado anterior de GLM-5 situó su rendimiento en 77,8 % en SWE-bench Verified. Estas comparaciones requieren cautela: pueden variar la versión del benchmark, las herramientas habilitadas, los controles contra contaminación de datos y la configuración del agente. 1
La lectura más prudente es que Hy4 parece competitivo entre los modelos chinos de pesos abiertos para programación y flujos de trabajo con agentes. Sin embargo, todavía no hay pruebas independientes suficientes para proclamarlo líder absoluto frente a DeepSeek, Qwen, GLM, Kimi o MiniMax.
Disponibilidad e integraciones
Tencent ha incorporado Hy4 Preview a las versiones china e internacional de WorkBuddy y CodeBuddy. WorkBuddy es su asistente de productividad y CodeBuddy su herramienta centrada en programación, de modo que los usuarios pueden probar el modelo directamente en productos diseñados para esos escenarios. 14
El modelo también se ha publicado en repositorios y plataformas de modelos, con acceso a través de Tencent Cloud TokenHub y OpenRouter. Además, diversas informaciones de lanzamiento señalan su integración con productos como Yuanbao e ima. 19
22
La publicación de los pesos abre la puerta al autoalojamiento, pero eso no significa que sea sencillo ejecutarlo en un servidor convencional. Aunque solo se activen 49.000 millones de parámetros por inferencia, la infraestructura debe almacenar y coordinar un modelo con 770.000 millones de parámetros, normalmente mediante sistemas distribuidos y aceleradores especializados. 4
14
Precio de la API
La tarifa comunicada para China es de:
- 6 RMB por cada millón de tokens de entrada.
- 18 RMB por cada millón de tokens de salida.
- 0,3 RMB por cada millón de tokens de entrada almacenados en caché.
4
Al tratarse de una versión preliminar, los precios, las cuotas, las regiones disponibles y el acceso a la API pueden modificarse.
También aparece una comparación de terceros que sitúa Hy4 en 0,85 dólares por millón de tokens de entrada y 0,62 dólares por millón de tokens de salida, pero esas cifras no coinciden con la tarifa en RMB comunicada y presentan una estructura poco coherente para el coste de salida. Para contratarlo, conviene tomar como referencia el precio vigente en la consola de Tencent, no el de un agregador. 8
4
Límites que conviene tener en cuenta
Es un lanzamiento preliminar. La calidad del modelo, el comportamiento de la API, los límites de velocidad, los controles de seguridad y la documentación de despliegue pueden cambiar con rapidez. 14
Las comparaciones todavía no son plenamente independientes. Los resultados más llamativos de Hy4 proceden de pruebas de Tencent o de informaciones de lanzamiento asociadas a la compañía. Hacen falta evaluaciones reproducibles y realizadas bajo condiciones equivalentes. 5
13
El despliegue es exigente. La activación dispersa reduce el cálculo necesario por token, pero no elimina los requisitos de memoria, interconexión y operación de un modelo de 770.000 millones de parámetros. Además, su conjunto activo es bastante mayor que el de Hy3. 2
4
Un contexto de un millón de tokens no garantiza precisión. Una ventana tan amplia puede ser útil para grandes repositorios o expedientes documentales, pero las empresas deberían medir por separado la recuperación de información, la latencia y el coste con sus propios tamaños de contexto.
Por eso, las mejoras esperables —pero no anunciadas como compromisos— serían una versión estable, mayor fiabilidad al usar herramientas y ejecutar planes de varios pasos, inferencia más eficiente, mejores cuantizaciones, validaciones externas y más integraciones en la nube.
La apuesta de Tencent por la infraestructura de IA
Hy4 no llega aislado: forma parte de una inversión mucho más amplia de Tencent en capacidad de cómputo y productos de IA. En el segundo trimestre de 2026, la compañía comunicó un gasto de capital operativo de 51.800 millones de RMB, un 190 % más interanual, mientras que el flujo de caja libre cayó a -13.800 millones de RMB. La dirección atribuyó el fuerte aumento del gasto a la infraestructura de inteligencia artificial. 15
La estrategia consiste en repartir esa inversión entre los modelos Hy, los asistentes propios de Tencent, los clientes de Tencent Cloud y su ecosistema de servicios, en lugar de tratar Hy4 como un lanzamiento independiente.
WorkBuddy como prueba de mercado
Tencent sostiene que WorkBuddy es el servicio de agentes de productividad basado en IA más utilizado de China. Bloomberg también lo describió como el asistente de IA para el trabajo más popular del país poco después de su lanzamiento en marzo. Son afirmaciones de posición de mercado, no métricas auditadas de ingresos. 7
1
Estimaciones de tráfico web en ordenadores de terceros situaron a WorkBuddy en 20,97 millones de visitas en junio de 2026, frente a 8,85 millones en su lanzamiento de marzo. La propia fuente advierte que esas visitas no equivalen a usuarios activos diarios, empresas de pago, ingresos ni uso móvil. 12
La dirección de Tencent afirma además que WorkBuddy y CodeBuddy están ganando usuarios con rapidez. 6 El potencial comercial está en que ambos productos pueden convertir la capacidad de Hy4 en servicios cotidianos para oficina y desarrollo de software.
El riesgo es el reverso de la misma apuesta: Tencent está elevando con fuerza la intensidad de capital mientras la monetización de estos productos todavía se encuentra en expansión. Hy4 puede ser, por tanto, tanto un nuevo modelo abierto como una pieza central de un plan mayor para rentabilizar GPU, nube y aplicaciones de productividad. 6
15
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Hy4 Preview: el modelo de IA de Tencent que apuesta por agentes y más de un millón de tokens"?
Hy4 Preview es un modelo abierto de tipo mezcla de expertos (MoE) diseñado para programación, investigación, automatización de oficina y uso de herramientas.
¿Cuáles son los puntos clave a validar primero?
Hy4 Preview es un modelo abierto de tipo mezcla de expertos (MoE) diseñado para programación, investigación, automatización de oficina y uso de herramientas. Frente a Hy3, pasa de 295.000 a 770.000 millones de parámetros totales, de unos 21.000 a 49.000 millones activos y de 256.000 a más de 1 millón de tokens de contexto.
¿Qué debo hacer a continuación en la práctica?
Tencent afirma que obtuvo 85,4 puntos en Terminal Bench 2.1 y que superó a DeepSeek V4 Pro en esa prueba, pero los resultados comparativos más llamativos todavía son principalmente internos o comunicados por la empresa.