Tencent Hy4 Preview: arquitectura, pruebas, precio y disponibilidad del modelo de 770B

Tencent Hy4 Preview es el mayor lanzamiento de modelos con pesos abiertos de Tencent hasta la fecha y su apuesta más clara por conectar un modelo de escala avanzada con herramientas de programación y productividad. Presentado el 28 de agosto de 2026, está orientado a ingeniería de software, investigación, análisis financiero y otras tareas realizadas por agentes de IA. 112

Sus cifras principales impresionan: 770.000 millones de parámetros totales, 49.000 millones de parámetros activos por token y una ventana de contexto superior a un millón de tokens. La conclusión, sin embargo, debe ser prudente: Hy4 parece situarse entre los modelos chinos de pesos abiertos más capaces para programación y productividad, pero sus afirmaciones de superioridad todavía dependen en buena medida de pruebas de Tencent y necesitan una validación independiente más amplia. 18

¿Qué es Tencent Hy4 Preview?

Hy4 Preview es un modelo de lenguaje grande basado en una arquitectura Mixture of Experts (MoE), o mezcla de expertos. En lugar de utilizar todos sus parámetros para procesar cada token, el sistema activa solo una parte de la red en cada solicitud. De este modo, Tencent puede construir un modelo con una capacidad total mucho mayor sin aplicar el coste teórico completo a cada token.

Tencent presenta Hy4 como un modelo para el trabajo con agentes, no solo como un chatbot generalista. Sus usos previstos incluyen programación, productividad de oficina, investigación y análisis financiero, con integraciones que llevan el modelo directamente a flujos de trabajo de desarrollo y gestión. 18

En este contexto, “código abierto” se entiende mejor como pesos abiertos y soporte de despliegue permisivo. Tencent publicó el modelo bajo la licencia Apache 2.0 y acompañó el lanzamiento con instrucciones para servirlo, ajustarlo y cuantizarlo. 812

Especificaciones y arquitectura de Hy4 Preview

Las características principales son:

• Parámetros totales: 770.000 millones
• Parámetros activos por token: 49.000 millones
• Ventana de contexto: más de 1 millón de tokens
• Arquitectura: Mixture of Experts
• Licencia: Apache 2.0
• Formatos: versiones BF16 y FP8
• Despliegue: recetas para vLLM y SGLang, además de una vía de API compatible con OpenAI 812

La columna vertebral del modelo tiene 78 capas. Tencent explica que la primera utiliza una red feed-forward densa, mientras que las 77 restantes emplean enrutamiento MoE con 256 expertos dirigidos y un experto compartido. Cada token selecciona ocho expertos dirigidos junto con el experto compartido. Hy4 también incorpora una capa nativa de predicción de múltiples tokens, pensada para facilitar la decodificación especulativa. 8

En el sistema de atención, el modelo utiliza Gated DeepSeek Sparse Attention con IndexCache, una técnica que permite reutilizar entre capas los índices de atención dispersa. Tencent señala que la arquitectura se inspira, entre otros, en enfoques asociados con DeepSeek y GLM. 8

La importancia de estas decisiones va más allá del número de parámetros. Hy4 combina una capacidad total muy elevada con enrutamiento disperso, procesamiento de contextos extensos y mecanismos destinados a reducir la sobrecarga de inferencia.

Hy4 frente a Hy3: ¿qué ha cambiado?

Hy4 supone una ampliación considerable respecto al modelo anterior de Tencent, Hy3:

Especificación	Hy3	Hy4 Preview	Cambio
Parámetros totales	295.000 millones	770.000 millones	Aproximadamente 2,6 veces más
Parámetros activos por token	21.000 millones	49.000 millones	Aproximadamente 2,3 veces más cómputo activo
Ventana de contexto	262.000 tokens	Más de 1 millón de tokens	Aproximadamente 4 veces más
Diseño	MoE	MoE ampliado con cambios en la atención dispersa	Mayor capacidad y contexto más largo

Por tanto, Hy4 aumenta tanto la capacidad total como la cantidad de cómputo activo utilizada para cada token. Tencent también afirma que amplió los datos de entrenamiento e introdujo cambios importantes en las fases de preentrenamiento y posentrenamiento. 814

El aumento de la ventana de contexto puede ser especialmente útil en escenarios reales. Un millón de tokens permite trabajar con repositorios de código grandes, colecciones extensas de investigación y tareas complejas de oficina. Eso no garantiza por sí mismo mejores resultados: la utilidad dependerá también de la recuperación de información, la latencia y la capacidad del modelo para mantener la precisión a lo largo de entradas muy extensas.

¿Cómo se compara con los competidores chinos?

La comparación pública más clara de Tencent procede de una evaluación interna a ciegas. En ella, 163 expertos de la compañía valoraron las respuestas del modelo en 203 tareas de ingeniería. Hy4 Preview obtuvo una puntuación media de 2,99 sobre 4, frente a 2,92 para GLM-5.3, de Zhipu, y 2,94 para Kimi K3, de Moonshot. 8

El resultado coloca a Hy4 ligeramente por delante en esa prueba de Tencent, pero no debe interpretarse como una clasificación neutral y exhaustiva. Los evaluadores eran expertos internos de la propia compañía y el examen se centró en tareas de ingeniería. Otros informes muestran resultados variables de Hy4 frente a competidores nacionales como los modelos Qwen de Alibaba y DeepSeek. 113

Algunos análisis secundarios también citan grandes avances frente a Hy3 en pruebas de programación como Terminal-Bench 2.1 y DeepSWE. Esas cifras sirven como indicios del progreso que Tencent atribuye a su nuevo modelo, pero conviene esperar a que las condiciones de evaluación y los resultados puedan reproducirse de forma independiente. 1718

La comparación más defendible por ahora es que Hy4 pertenece al grupo de modelos chinos de pesos abiertos de primer nivel para programación y productividad. La evidencia disponible no demuestra que supere de forma decisiva a todos sus rivales en cualquier tipo de tarea.

¿Dónde se puede utilizar Hy4 Preview?

Tencent ofrece Hy4 tanto mediante pesos descargables como a través de productos y servicios alojados.

Pesos descargables y despliegue propio

El modelo y su versión FP8 están disponibles en Hugging Face, ModelScope, GitCode y CNB. Tencent proporciona recetas de despliegue para vLLM y SGLang, una ruta de API local compatible con OpenAI, instrucciones de ajuste fino y herramientas de cuantización. 812

Esto facilita que los desarrolladores experimenten con los pesos o construyan una infraestructura de servicio personalizada. Pero “pesos abiertos” no significa que sea un modelo ligero. La configuración FP8 de referencia de Tencent utiliza paralelismo tensorial de ocho vías, y servir un modelo de 770.000 millones de parámetros sigue siendo un proyecto exigente de infraestructura con varias GPU. 8

Aplicaciones de Tencent y API alojadas

Los usuarios pueden acceder a Hy4 a través de WorkBuddy, CodeBuddy, Yuanbao e ima. Tencent también ofrece acceso mediante Tencent Cloud TokenHub y OpenRouter. En el lanzamiento, la compañía habilitó dos semanas de uso gratuito en WorkBuddy y CodeBuddy, mientras que el acceso gratuito al modelo anterior, Hy3, se amplió hasta el 30 de septiembre. 12

Un informe de terceros situó el precio de entrada en OpenRouter en aproximadamente 0,834 dólares por millón de tokens. La cifra debe considerarse específica de ese canal y no como una tarifa permanente de Tencent, ya que los precios y la disponibilidad pueden variar según el proveedor y la región. 3

Por qué importa la distribución de Tencent

Hy4 está estrechamente ligado a la estrategia de productos de Tencent. La compañía afirma que el modelo fue diseñado conjuntamente con WorkBuddy y CodeBuddy, utilizando datos de tareas y comentarios de ingenieros internos, desarrolladores de videojuegos, analistas financieros y especialistas en seguridad. 8

Este enfoque podría ofrecerle a Tencent una ventaja que va más allá de la arquitectura: la empresa puede probar el modelo dentro de herramientas destinadas a tareas reales de programación y oficina, y utilizar esas observaciones para las siguientes iteraciones. Además, su red de distribución permite que los usuarios prueben el modelo sin tener que descargar y operar por su cuenta un sistema de 770.000 millones de parámetros.

Hay señales iniciales de que la distribución de Hunyuan puede generar un volumen de uso relevante. Tencent informó de que la puesta en producción de Hunyuan 3 multiplicó aproximadamente por seis el uso medio diario de tokens frente a su fase de vista previa. Esto demuestra un rápido crecimiento del uso, pero no constituye una prueba independiente de satisfacción de los usuarios ni de retención a largo plazo.

La compañía también está invirtiendo grandes cantidades para sostener esta estrategia. El gasto de capital en instalaciones y equipos alcanzó los 52.784 millones de yuanes en el segundo trimestre de 2026, aproximadamente 2,8 veces más que un año antes, mientras la dirección daba prioridad a la infraestructura de IA y a las inversiones relacionadas con WorkBuddy.

Tencent ha descrito WorkBuddy como el servicio de agentes de productividad con IA más utilizado de China. No obstante, se trata de una afirmación de la empresa, no de una medición de cuota de mercado auditada de forma independiente. 4

Limitaciones actuales

Hy4 Preview no se presenta como un modelo terminado. Tencent reconoce que puede dedicar más tiempo del necesario a razonar sobre tareas difíciles y que puede verificar su propio trabajo en exceso. El resultado puede ser una mayor latencia y un coste de inferencia más alto. 8

La escala del modelo plantea una segunda limitación práctica. Aunque el enrutamiento MoE significa que solo se activan 49.000 millones de parámetros para un token concreto, el modelo completo debe almacenarse y servirse. Las organizaciones que contemplen alojarlo internamente necesitarán mucha memoria, una red de alta capacidad y un sistema de varias GPU.

La evidencia de los benchmarks también tiene límites. La evaluación interna de Tencent muestra una ventaja estrecha frente a GLM-5.3 y Kimi K3 en tareas de ingeniería, mientras que las comparaciones más amplias varían según la prueba. Por eso, las primeras clasificaciones deben entenderse como orientativas, no definitivas. 8

Por último, una ventana de contexto larga no equivale automáticamente a un razonamiento fiable sobre contextos largos. La capacidad de superar el millón de tokens es una ventaja técnica importante, pero el rendimiento real dependerá de la tarea, la estructura de las instrucciones, la estrategia de recuperación y la configuración de servicio.

¿Qué mejoras pueden llegar después?

La dirección anunciada por Tencent es más clara que una hoja de ruta formal. La empresa apunta a realizar más preentrenamiento y posentrenamiento, conseguir un razonamiento más rápido y menos repetitivo, seguir incorporando comentarios de WorkBuddy y CodeBuddy y mejorar la compresión y la cuantización para reducir los costes de despliegue. 8

Esas mejoras abordarían el principal equilibrio de Hy4: ofrece más capacidad y un contexto más largo que Hy3, pero la etiqueta “Preview” indica que la velocidad, la eficiencia y la fiabilidad en producción aún están en proceso de ajuste.

Conclusión

Hy4 Preview es un salto importante respecto a Hy3: pasa de 295.000 a 770.000 millones de parámetros totales, eleva los parámetros activos de 21.000 a 49.000 millones y amplía la ventana de contexto de 262.000 a más de un millón de tokens. También está especialmente conectado con el ecosistema de Tencent, que incluye herramientas de programación, oficina, nube y aplicaciones de consumo. 812

Para los desarrolladores, los pesos bajo Apache 2.0 y las herramientas de despliegue hacen que Hy4 merezca una evaluación. Para las empresas, el acceso alojado mediante los productos y las API de Tencent puede ser más práctico que operar el modelo internamente. Pero el veredicto actual debe ser mesurado: Hy4 parece un modelo chino de pesos abiertos de primer nivel para programación y productividad basada en agentes, mientras que los benchmarks independientes y el uso sostenido en producción determinarán si sus primeras promesas se convierten en una ventaja duradera.