Tencent Hy4 Preview: מה מציע מודל ה-AI החדש של Tencent?

Tencent Hy4 Preview הוא מודל השפה הגדול ביותר ש-Tencent שחררה עד כה בקוד פתוח־משקלות — והניסיון הברור ביותר שלה לחבר מודל בקנה מידה מתקדם למוצרי תכנות, עבודה משרדית וסוכני AI. הוא הושק ב-28 באוגוסט 2026, ומיועד בין היתר להנדסת תוכנה, מחקר, ניתוחים פיננסיים ומשימות פרודוקטיביות שבהן המודל מבצע כמה שלבים בשם המשתמש. 112

המספרים מרשימים: 770 מיליארד פרמטרים בסך הכול, 49 מיליארד פרמטרים פעילים בכל טוקן וחלון הקשר של יותר ממיליון טוקנים. עם זאת, המסקנה הנכונה בשלב זה מסויגת: Hy4 נראה כמו אחד ממודלי המשקלות הפתוחים הסיניים המובילים למשימות קוד ופרודוקטיביות, אך טענות לעליונות עדיין נשענות במידה רבה על בדיקות של Tencent עצמה וממתינות לאימות עצמאי רחב יותר. 18

מהו Tencent Hy4 Preview?

Hy4 הוא מודל מסוג Mixture of Experts (MoE) — ארכיטקטורה שבה לא כל חלקי המודל מופעלים עבור כל בקשה. מנגנון ניתוב בוחר תת-קבוצה של מומחים לכל טוקן, וכך אפשר לבנות מודל בעל קיבולת כוללת גדולה מאוד בלי להפעיל את כל הפרמטרים בכל חישוב.

Tencent מציגה את Hy4 לא רק כצ'אטבוט כללי, אלא כמנוע לעבודה אוטונומית למחצה: כתיבת קוד, מחקר, פרודוקטיביות משרדית וניתוח פיננסי. החברה שילבה אותו במוצרים שנועדו להכניס את המודל ישירות לתהליכי עבודה של מפתחים וארגונים. 18

המונח "קוד פתוח" דורש כאן דיוק. בפועל מדובר בעיקר במשקולות פתוחות וברישיון Apache 2.0, לצד הנחיות להרצה, לכוונון ולכימות של המודל. 812

המפרט והארכיטקטורה

הנתונים המרכזיים של Hy4 Preview:

• פרמטרים כוללים: 770 מיליארד
• פרמטרים פעילים בכל טוקן: 49 מיליארד
• חלון הקשר: יותר ממיליון טוקנים
• ארכיטקטורה: Mixture of Experts
• רישיון: Apache 2.0
• פורמטים: BF16 ו-FP8
• תמיכה בהרצה: מתכונים ל-vLLM ול-SGLang, וכן נתיב API תואם OpenAI 812

למודל יש 78 שכבות. לפי Tencent, השכבה הראשונה משתמשת ברשת feed-forward צפופה, ואילו 77 השכבות הנותרות משתמשות בניתוב MoE עם 256 מומחים מנותבים ומומחה משותף. עבור כל טוקן נבחרים שמונה מומחים מנותבים, נוסף על המומחה המשותף. Hy4 כולל גם שכבת חיזוי טבעית של כמה טוקנים, שנועדה לסייע ב-Speculative Decoding — שיטה להאצת יצירת התשובה. 8

מערכת הקשב מבוססת על Gated DeepSeek Sparse Attention, עם IndexCache שמאפשר שימוש חוזר באינדקסים דלילים בין שכבות. Tencent אומרת שהעיצוב הושפע בין היתר מגישות המזוהות עם DeepSeek ו-GLM. 8

לכן היתרון של Hy4 אינו מסתכם במספר הפרמטרים. הוא משלב קיבולת כוללת עצומה עם ניתוב דליל, עיבוד הקשר ארוך במיוחד ומנגנונים שנועדו לצמצם את עלות ההרצה בפועל.

Hy4 לעומת Hy3: מה השתנה?

מדד	Hy3	Hy4 Preview	השינוי
פרמטרים כוללים	295B	770B	גדול בערך פי 2.6
פרמטרים פעילים לטוקן	21B	49B	יותר מפי 2.3 חישוב פעיל
חלון הקשר	262K טוקנים	יותר מ-1M טוקנים	בערך פי 4
עיצוב המודל	MoE	MoE מורחב ושינויים בקשב הדליל	קיבולת גבוהה והקשר ארוך יותר

Hy4 מגדיל גם את קיבולת המודל וגם את כמות החישוב הפעילה בכל טוקן. Tencent מוסיפה כי הרחיבה את נתוני האימון וביצעה שינויים משמעותיים באימון המקדים ובשלב שלאחר האימון. 814

חלון הקשר של יותר ממיליון טוקנים עשוי להיות משמעותי במיוחד בשימושים מעשיים: ניתוח מאגרי קוד גדולים, עבודה עם אוספי מחקר ארוכים או טיפול במשימות משרדיות מורכבות. אבל חלון גדול אינו מבטיח לבדו תשובות טובות; התוצאה תלויה גם באיכות השליפה, בזמן התגובה וביכולת לשמור על דיוק לאורך קלט ארוך.

איך Hy4 משתווה למודלים סיניים אחרים?

ההשוואה הפומבית הברורה ביותר של Tencent היא מבחן עיוור פנימי. 163 מומחים מהחברה בחנו תשובות ל-203 משימות הנדסיות. Hy4 Preview קיבל ציון ממוצע של 2.99 מתוך 4, לעומת 2.92 ל-GLM-5.3 של Zhipu ו-2.94 ל-Kimi K3 של Moonshot. 8

התוצאה ממקמת את Hy4 מעט מעל שני המתחרים במבחן של Tencent, אך אין לראות בה דירוג ניטרלי ומקיף: המעריכים היו מומחים פנימיים של החברה, והמבחן התמקד במשימות הנדסיות. תוצאות שדווחו במבחנים אחרים השתנו מול מודלים מקומיים כמו משפחת Qwen של Alibaba ו-DeepSeek. 113

דיווחים משניים מציינים גם שיפורים גדולים של Hy4 לעומת Hy3 במבחני קוד, בהם Terminal-Bench 2.1 ו-DeepSWE. הנתונים עשויים להעיד על התקדמות משמעותית, אך רצוי להתייחס אליהם בזהירות עד שתנאי המבחנים והתוצאות ישוחזרו באופן עצמאי. 1718

המסקנה הזהירה היא ש-Hy4 נמצא בצמרת מודלי המשקלות הפתוחים הסיניים למשימות קוד ופרודוקטיביות. הראיות הזמינות עדיין אינן מוכיחות שהוא עוקף באופן निर्णתי כל מודל מתחרה ובכל משימה.

איפה אפשר להשתמש ב-Hy4 Preview?

Tencent מציעה את Hy4 גם כמשקולות להורדה וגם דרך מוצרים ושירותים מקוונים.

הורדת משקולות והרצה עצמית

המודל וגרסת ה-FP8 שלו זמינים דרך Hugging Face, ModelScope, GitCode ו-CNB. Tencent מספקת מתכוני פריסה ל-vLLM ול-SGLang, נתיב API מקומי תואם OpenAI, הוראות לכוונון וכלים לכימות. 812

הדבר מאפשר למפתחים להתנסות במשקולות, לבנות מערך הרצה מותאם אישית או לבצע Fine-Tuning. עם זאת, "משקולות פתוחות" לא אומר שהמודל קל להפעלה. תצורת הייחוס של Tencent לגרסת FP8 משתמשת ב-Tensor Parallelism על פני שמונה מאיצים, והרצת מודל של 770 מיליארד פרמטרים נותרת פרויקט תשתיתי רציני. 8

מוצרים ושירותי API של Tencent

אפשר לגשת ל-Hy4 דרך WorkBuddy, CodeBuddy, Yuanbao ו-ima, וכן דרך Tencent Cloud TokenHub ו-OpenRouter. עם ההשקה הציעה Tencent שימוש חינמי במשך שבועיים ב-WorkBuddy וב-CodeBuddy, והאריכה את הגישה החינמית ל-Hy3 עד 30 בספטמבר. 12

דיווח של צד שלישי הציג מחיר של כ-0.834 דולר למיליון טוקנים בקלט ב-OpenRouter. זהו מחיר שתלוי בערוץ ההפצה, ולא בהכרח מחירון קבוע של Tencent; המחיר והזמינות עשויים להשתנות בין ספקים ואזורים. 3

למה ההפצה דרך מוצרי Tencent חשובה?

Hy4 קשור ישירות לאסטרטגיית המוצרים של Tencent. החברה אומרת שהמודל תוכנן יחד עם WorkBuddy ו-CodeBuddy, תוך שימוש בנתוני משימות ובמשוב ממהנדסים פנימיים, מפתחי משחקים, אנליסטים פיננסיים ומומחי אבטחה. 8

הגישה הזו עשויה להעניק ל-Tencent יתרון מעבר לארכיטקטורה עצמה: החברה יכולה לבדוק את המודל בתוך כלי קוד ועבודה אמיתיים, לקבל משוב ממוצרים פעילים ולהשתמש בו באיטרציות הבאות. במקביל, רשת ההפצה מאפשרת למשתמשים לנסות את המודל בלי לרכוש ולהפעיל בעצמם מערכת של 770 מיליארד פרמטרים.

יש גם סימנים מוקדמים לכך שההפצה הרחבה של Hunyuan יכולה לייצר שימוש משמעותי. Tencent דיווחה שהעברת Hunyuan 3 לסביבת ייצור הגדילה את השימוש היומי הממוצע בטוקנים בערך פי שישה לעומת שלב התצוגה המוקדמת. זה מעיד על צמיחה מהירה בשימוש, אך אינו מהווה הוכחה עצמאית לשביעות רצון משתמשים או לשימור ארוך טווח.

החברה גם משקיעה סכומים גדולים בתשתית שתומכת באסטרטגיה הזו. הוצאות ההון על מתקנים וציוד ברבעון השני של 2026 הגיעו ל-52.784 מיליארד יואן — בערך פי 2.8 לעומת השנה הקודמת — כשההנהלה העדיפה תשתיות AI והשקעות הקשורות ל-WorkBuddy.

Tencent תיארה את WorkBuddy כשירות סוכני הפרודוקטיביות הנפוץ ביותר בסין, אך מדובר בטענה של החברה ולא במדידת נתח שוק שעברה ביקורת עצמאית. 4

המגבלות הנוכחיות

Hy4 Preview אינו מוצג כמודל מוגמר. Tencent מודה שהוא עלול להשקיע זמן רב מהנדרש בחשיבה על משימות קשות, ואף לבצע אימות־יתר של העבודה שלו. התוצאה עלולה להיות זמן תגובה ארוך יותר ועלות הרצה גבוהה יותר. 8

הגודל יוצר מגבלה מעשית נוספת. אף שרק 49 מיליארד פרמטרים פעילים עבור טוקן מסוים, את המודל המלא עדיין צריך לאחסן ולהפעיל. ארגונים ששוקלים הרצה עצמית זקוקים לזיכרון רב, לרשת מהירה ולמערך של כמה מאיצים גרפיים.

גם לראיות הבנצ'מרק יש מגבלות. הבדיקה הפנימית של Tencent מציגה יתרון צר על GLM-5.3 ועל Kimi K3 במשימות הנדסיות, בעוד שהתוצאות בהשוואות רחבות יותר משתנות בין מבחנים. לכן יש לראות בדירוגים הראשונים אינדיקציה לכיוון, ולא הכרעה סופית. 8

לבסוף, חלון הקשר ארוך אינו שקול בהכרח להבנת הקשר ארוך ואמינה. חלון של מיליון טוקנים הוא יתרון טכני בולט, אך הביצועים בעולם האמיתי יהיו תלויים במשימה, במבנה ההנחיה, באסטרטגיית השליפה ובתצורת ההרצה.

מה צפוי להשתפר בהמשך?

הכיוון שעליו מצביעה Tencent ברור יותר מלוח זמנים רשמי. החברה מדברת על אימון מקדים ואימון המשך נוספים, חשיבה מהירה ופחות חזרתית, המשך איסוף משוב מ-WorkBuddy ומ-CodeBuddy, וכן עבודת דחיסה וכימות שתוזיל את עלויות הפריסה. 8

השיפורים האלה נוגעים בדיוק במתח המרכזי של Hy4: הוא מציע קיבולת וחלון הקשר גדולים בהרבה מאלה של Hy3, אך המילה Preview מאותתת שמהירות, יעילות ואמינות בסביבת ייצור עדיין נמצאות בתהליך ליטוש.

השורה התחתונה

Hy4 Preview הוא קפיצה משמעותית ביחס ל-Hy3: מ-295 ל-770 מיליארד פרמטרים כוללים, מ-21 ל-49 מיליארד פרמטרים פעילים, ומחלון הקשר של 262 אלף טוקנים ליותר ממיליון. הוא גם מחובר באופן יוצא דופן לאקוסיסטם של Tencent — ממוצרי תכנות ועבודה משרדית ועד שירותי ענן ומוצרים לצרכנים. 812

למפתחים, המשקולות ברישיון Apache 2.0 וכלי הפריסה הופכים את Hy4 למודל שכדאי לבחון. לארגונים, גישה דרך מוצרי Tencent ושירותי API עשויה להיות מעשית יותר מהפעלה עצמאית. אבל נכון לעכשיו, פסק הדין צריך להישאר מדוד: Hy4 נראה כמו מודל משקלות פתוחות סיני חזק מאוד למשימות קוד ופרודוקטיביות מבוססת־סוכנים; מבחנים עצמאיים ושימוש ממושך בסביבת ייצור יקבעו אם ההבטחה המוקדמת תהפוך ליתרון יציב.