RéponsesPublié24 sources
Hy4 Preview, le modèle IA géant de Tencent qui vise les agents de productivité
Hy4 Preview est un modèle à mélange d’experts conçu pour le codage, la recherche, les tâches bureautiques et l’utilisation d’outils par des agents IA. Il passe de 295 à 770 milliards de paramètres par rapport à Hy3, avec environ 49 milliards de paramètres activés contre 21 milliards auparavant.
Publié parModifié avec GPT-5.6 LunaImages générées avec GPT Image 1.5
Réponse de recherche
Points clés à retenir
- Hy4 Preview est un modèle à mélange d’experts conçu pour le codage, la recherche, les tâches bureautiques et l’utilisation d’outils par des agents IA.
- Il passe de 295 à 770 milliards de paramètres par rapport à Hy3, avec environ 49 milliards de paramètres activés contre 21 milliards auparavant.
- Sa fenêtre de contexte dépasse un million de tokens, contre 256 000 pour Hy3, ce qui vise les grands dépôts de code et les documents volumineux.
- Tencent revendique un score de 85,4 à Terminal Bench 2.1 et une légère avance dans un test interne face à GLM 5.3 et Kimi K3, mais ces résultats ne constituent pas encore une preuve indépendante.
Prompt 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
Hy4 Preview est le nouveau modèle de langage open source de pointe de Tencent, développé par l’équipe Hunyuan. Son architecture à mélange d’experts — ou MoE, pour Mixture of Experts — permet de disposer d’un très grand nombre de paramètres tout en n’en mobilisant qu’une partie pour chaque requête.
Tencent destine principalement Hy4 Preview aux agents capables de planifier et d’exécuter des tâches : développement logiciel, recherche, analyse de données, automatisation bureautique et utilisation complexe d’outils. Le modèle est toutefois publié en version preview. Les comparaisons les plus impressionnantes reposent encore largement sur des mesures communiquées ou organisées par Tencent, et sa validation externe reste limitée. 4
14
Hy4 Preview face à Hy3 : un changement d’échelle
| Critère | Hy3 Preview | Hy4 Preview | Ce que cela change |
|---|---|---|---|
| Paramètres totaux | 295 milliards | 770 milliards | Une capacité totale environ 2,6 fois supérieure. |
| Paramètres activés | Environ 21 milliards par token | Environ 49 milliards par requête | Davantage de calcul par réponse, avec un coût de service potentiellement plus élevé. |
| Fenêtre de contexte | 256 000 tokens | Plus d’un million de tokens | Hy4 peut traiter de très longs documents, de vastes bases de code et des historiques d’agent plus complexes. |
| Positionnement | Raisonnement, code, RAG et agents IDE | Agents, code, recherche, bureautique et outils complexes | Tencent présente Hy4 plus clairement comme un modèle destiné aux agents de productivité. |
| Statut | Modèle à poids ouverts, annoncé sous licence Apache 2.0 | Modèle open source en préversion | Les conditions exactes de licence et d’auto-hébergement doivent être vérifiées dans le dépôt officiel avant un usage commercial. |
Hy3 était déjà relativement économe au regard de sa taille : son architecture MoE compte 295 milliards de paramètres, mais n’en active qu’environ 21 milliards par token, à travers 192 experts avec un routage « top-8 ». Le modèle permettait aussi de régler la profondeur du raisonnement et affichait un score annoncé de 74,4 % à SWE-bench Verified. 2
3
Hy4 conserve cette logique de calcul parcimonieux, mais augmente fortement à la fois la capacité totale et le volume de paramètres mobilisés à l’inférence. En pratique, cela peut améliorer les performances, mais rend aussi le modèle sensiblement plus exigeant à servir. Même lorsqu’une architecture MoE n’active que 49 milliards de paramètres, il faut stocker et distribuer l’ensemble du modèle de 770 milliards de paramètres.
Performances : ce que Tencent revendique
Tencent affirme que Hy4 Preview obtient 85,4 points à Terminal-Bench 2.1, soit 14,6 points de plus que Hy3. L’entreprise indique également que le modèle dépasse DeepSeek V4 Pro sur cette évaluation consacrée à la programmation en ligne de commande et atteint le niveau de Claude Opus 5. Il s’agit d’une revendication associée à Tencent, et non d’un classement reproduit de manière indépendante. 13
Sur le benchmark DeepSWE, consacré aux tâches d’ingénierie logicielle, les résultats communiqués font passer Hy4 de 28,0 pour Hy3 à 64,3. Là encore, les conditions exactes d’évaluation — outils, agents, prompts et environnement d’exécution — sont déterminantes pour interpréter l’écart.
Tencent a par ailleurs organisé une évaluation en aveugle portant sur 203 tâches d’ingénierie, avec la participation de 163 experts. Hy4 Preview y obtient une moyenne de 2,99 sur 4, contre 2,92 pour GLM-5.3 de Z.ai et 2,94 pour Kimi K3 de Moonshot AI. L’écart est étroit et ce test interne ne doit pas être assimilé à un classement général des modèles. 5
Comment Hy4 se situe face à DeepSeek, GLM et Kimi
En nombre brut de paramètres, Hy4 Preview reste inférieur à certains concurrents chinois : les chiffres rapportés donnent environ 1 600 milliards de paramètres pour DeepSeek V4 Pro et 2 800 milliards pour Kimi K3, contre 744 milliards environ pour GLM-5.3. Hy4, avec 770 milliards de paramètres, se situe donc près de GLM-5.3 en capacité totale. Ses 49 milliards de paramètres activés sont présentés comme globalement comparables à ceux de DeepSeek V4 Pro. 4
La comparaison ne se résume cependant pas à la taille du modèle. Les versions des benchmarks, les outils autorisés, le nombre d’étapes d’agent, les méthodes de détection de contamination et les réglages d’inférence peuvent modifier fortement les résultats. Un résultat antérieur attribué à GLM-5 faisait par exemple état de 77,8 % à SWE-bench Verified, mais les scores issus de versions ou de protocoles différents ne sont pas directement interchangeables. 1
Le bilan le plus prudent est donc le suivant : Hy4 Preview semble désormais compétitif parmi les modèles chinois à poids ouverts pour le codage et les workflows agentiques. Les données disponibles ne suffisent pas encore à le déclarer supérieur, toutes catégories confondues, à DeepSeek, Qwen, GLM, Kimi ou MiniMax.
Disponibilité et intégrations
Hy4 Preview n’est pas limité à un dépôt de modèles. Tencent l’a intégré aux versions chinoise et internationale de WorkBuddy, son assistant de productivité, ainsi qu’à CodeBuddy, son outil destiné au développement logiciel. Le modèle est également accessible dans d’autres produits Tencent, notamment Yuanbao et ima. 14
22
Pour les développeurs, l’accès par API est proposé via Tencent Cloud TokenHub et OpenRouter. Le dépôt du modèle est notamment disponible sur Hugging Face, avec des informations techniques sur son architecture MoE, ses 78 couches, ses huit experts routés par token et sa fenêtre de contexte d’un million de tokens. 19
Cette distribution offre deux voies différentes :
- utiliser Hy4 directement dans un produit Tencent, sans gérer l’infrastructure ;
- récupérer ses poids et envisager un déploiement interne, au prix d’une infrastructure distribuée conséquente.
L’auto-hébergement est donc possible en principe, mais il ne s’agit pas d’un modèle léger à installer sur une seule machine. La taille totale de 770 milliards de paramètres impose des besoins importants en mémoire, en interconnexion entre accélérateurs et en exploitation.
Quel est le prix de Hy4 Preview ?
Les tarifs chinois rapportés par Tencent sont de 6 yuans par million de tokens en entrée, 18 yuans par million de tokens en sortie et 0,3 yuan par million de tokens d’entrée mis en cache. Ces prix, ainsi que les quotas, les régions couvertes et la disponibilité de l’API, peuvent évoluer pendant la préversion. 4
La page de Tencent Cloud TokenHub affiche pour sa part un tarif international de 0,834 dollar par million de tokens en entrée, 2,501 dollars par million en sortie et 0,042 dollar par million de tokens mis en cache. Les prix peuvent donc différer selon le service, la région et la devise ; il vaut mieux consulter la console Tencent au moment de l’intégration.
Une comparaison tierce affiche également 0,85 dollar par million de tokens en entrée et 2,54 dollars en sortie, mais ses chiffres ne correspondent pas exactement aux tarifs de Tencent. Pour un calcul de coût réel, la grille officielle du fournisseur doit rester la référence. 18
Tencent a en outre annoncé un accès gratuit à Hy4 Preview dans WorkBuddy et CodeBuddy pendant deux semaines au lancement. Cette offre promotionnelle ne préjuge pas des conditions commerciales ultérieures.
Les principales limites à garder en tête
Une version encore expérimentale
Le comportement du modèle, les limites de débit, la tarification, les contrôles de sécurité et la documentation de déploiement peuvent changer rapidement. Une préversion est adaptée aux tests, mais mérite davantage de précautions pour une mise en production critique. 14
Des comparaisons encore difficiles à vérifier
Les résultats les plus favorables à Hy4 proviennent pour l’essentiel de tests Tencent ou de comptes rendus de lancement. Des évaluations indépendantes, reproductibles et menées avec des réglages identiques seront nécessaires pour situer durablement le modèle face à ses concurrents. 5
13
Une empreinte matérielle élevée
Le MoE réduit le calcul effectué pour chaque token, mais il ne supprime pas la nécessité de conserver un modèle de 770 milliards de paramètres. Hy4 active en outre beaucoup plus de paramètres que Hy3 à chaque inférence. La latence, le coût de la mémoire et la complexité d’un déploiement multi-GPU devront être mesurés dans des conditions réelles. 2
4
Un million de tokens ne garantit pas une lecture parfaite
Une fenêtre de contexte très longue est précieuse pour analyser un dépôt de code ou un ensemble documentaire, mais elle ne garantit ni une récupération fiable de chaque information ni une latence acceptable. Les utilisateurs devront tester la qualité des réponses, le coût et le temps de traitement à la longueur de contexte réellement prévue.
Les progrès attendus concernent donc probablement une version stable, une meilleure fiabilité des agents et de l’utilisation d’outils, des optimisations d’inférence et de quantification, davantage de validations indépendantes et une intégration plus large dans les services cloud. Ce sont des orientations plausibles, pas des engagements officiellement annoncés.
Derrière Hy4, le pari industriel de Tencent
La sortie du modèle s’inscrit dans un investissement beaucoup plus large. Au deuxième trimestre 2026, Tencent a indiqué que ses dépenses d’investissement opérationnelles avaient atteint 51,8 milliards de yuans, en hausse de 190 % sur un an. Le flux de trésorerie disponible est passé dans le négatif, à -13,8 milliards de yuans, la direction attribuant cette accélération à l’infrastructure IA. 2
7
Le groupe cherche ainsi à financer simultanément l’entraînement de ses modèles, leur exécution dans ses propres applications et la location de capacités via Tencent Cloud. L’objectif est de répartir l’investissement en GPU entre les assistants Tencent, les clients cloud et les services de modèles, plutôt que de faire de Hy4 un produit isolé. 6
15
WorkBuddy donne-t-il déjà une traction commerciale à cette stratégie ?
Tencent affirme que WorkBuddy est le service d’agent IA de productivité le plus utilisé en Chine. Bloomberg l’a également décrit comme l’assistant professionnel dopé à l’IA le plus populaire du pays peu après son lancement en mars. Ces affirmations décrivent une position revendiquée sur le marché, et non des revenus audités. 3
1
Selon une estimation tierce du trafic web sur ordinateur, WorkBuddy a enregistré 20,97 millions de visites en juin 2026, contre 8,85 millions lors de son lancement en mars. La source précise que ces visites ne correspondent ni au nombre d’utilisateurs actifs quotidiens, ni au nombre d’entreprises payantes, ni au chiffre d’affaires, et qu’elles excluent l’usage mobile. 12
La direction de Tencent affirme également que WorkBuddy et CodeBuddy gagnent rapidement des utilisateurs. Elle indique que les deux services ont totalisé 27,5 millions d’interactions en juin, soit plus du double du deuxième acteur sur le marché des agents bureautiques IA pour PC. 2
7
Le pari de Tencent est donc double : faire de Hy4 une brique technologique compétitive et transformer cette capacité en usages réguliers via ses applications. Pour l’instant, la croissance de WorkBuddy et CodeBuddy constitue un signal d’adoption intéressant, mais la monétisation reste à démontrer alors que les dépenses d’infrastructure augmentent fortement.
Verdict
Hy4 Preview est une évolution majeure de la famille Hunyuan : plus de deux fois la capacité totale de Hy3, plus du double de paramètres activés et une fenêtre de contexte quatre fois plus grande. Ses scores annoncés le placent dans la course aux modèles chinois ouverts les plus performants pour le développement et les agents.
Mais le mot important reste Preview. Pour les curieux et les équipes capables d’expérimenter, Hy4 offre déjà un accès impressionnant à un modèle de très grande taille. Pour une entreprise qui cherche un choix définitif, il faudra encore attendre des benchmarks indépendants, une licence clairement vérifiée, des données de disponibilité plus solides et un retour d’expérience sur les coûts d’exploitation.
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « Hy4 Preview, le modèle IA géant de Tencent qui vise les agents de productivité » ?
Hy4 Preview est un modèle à mélange d’experts conçu pour le codage, la recherche, les tâches bureautiques et l’utilisation d’outils par des agents IA.
Quels sont les points clés à valider en premier ?
Hy4 Preview est un modèle à mélange d’experts conçu pour le codage, la recherche, les tâches bureautiques et l’utilisation d’outils par des agents IA. Il passe de 295 à 770 milliards de paramètres par rapport à Hy3, avec environ 49 milliards de paramètres activés contre 21 milliards auparavant.
Que dois-je faire ensuite en pratique ?
Sa fenêtre de contexte dépasse un million de tokens, contre 256 000 pour Hy3, ce qui vise les grands dépôts de code et les documents volumineux.