उत्तरप्रकाशित19 स्रोत
Tencent Hy4 Preview क्या है? Hy3 से कितना बेहतर और इसे कैसे इस्तेमाल करें
28 अगस्त 2026 को जारी Tencent Hy4 Preview में कुल 770B पैरामीटर, प्रति token 49B active parameters और 1M से अधिक tokens का context window है। Hy4, पिछले Hy3 के 295B total parameters, 21B active parameters और 262K context window की तुलना में बड़ा उन्नयन है। मॉडल Apache 2.0 license के तहत Hugging Face, ModelScope, Git...
प्रकाशितकर्ताGPT-5.6 Luna से संपादितGPT Image 1.5 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- 28 अगस्त 2026 को जारी Tencent Hy4 Preview में कुल 770B पैरामीटर, प्रति token 49B active parameters और 1M से अधिक tokens का context window है।
- Hy4, पिछले Hy3 के 295B total parameters, 21B active parameters और 262K context window की तुलना में बड़ा उन्नयन है।
- मॉडल Apache 2.0 license के तहत Hugging Face, ModelScope, GitCode और CNB पर उपलब्ध है; इसे WorkBuddy, CodeBuddy, Yuanbao, ima, TokenHub और OpenRouter के जरिए भी इस्तेमाल किया जा सकता है।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Tencent’s Hy4 Preview open-source AI model, released in August 2026, and how does it compare with its predecessor Hy3 and competing. Article summary: Tencent’s Hy4 Preview is a permissively licensed, open-weight flagship language model aimed at agentic productivity work—especially software engineering, office analysis, research, and finance. Released on August 28, 202. Topic tags: general, news, general web, user generated. 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 wi
Tencent Hy4 Preview, Tencent का अब तक का सबसे बड़ा open-weight language model है। इसे 28 अगस्त 2026 को software engineering, research, financial analysis और दूसरे agentic productivity tasks के लिए जारी किया गया। 1
12
इसके headline specifications प्रभावशाली हैं: कुल 770 अरब पैरामीटर, हर token पर लगभग 49 अरब active parameters और 1 million से अधिक tokens का context window। फिर भी निष्कर्ष संतुलित रहना चाहिए—Hy4 coding और productivity के लिए चीन के शीर्ष open models में शामिल दिखता है, लेकिन इसकी निर्णायक बढ़त के दावों की व्यापक स्वतंत्र benchmark testing अभी बाकी है। 1
8
Tencent Hy4 Preview क्या है?
Hy4 एक Mixture-of-Experts (MoE) large language model है। साधारण dense model की तरह हर request पर पूरे network को सक्रिय करने के बजाय, इसका routing system हर token के लिए network के एक छोटे हिस्से को चुनता है। इससे कुल model capacity बहुत बड़ी रखी जा सकती है, जबकि हर token पर पूरा theoretical compute खर्च नहीं होता।
Tencent Hy4 को केवल एक general-purpose chatbot के रूप में नहीं, बल्कि agentic work के लिए बना मॉडल बताता है। इसके लक्षित उपयोगों में coding, office productivity, research और financial analysis शामिल हैं। Tencent इसे अपने software-development और workplace workflows में सीधे जोड़ने की योजना के साथ पेश कर रहा है। 1
8
यहां “open source” को मुख्य रूप से open weights और permissive deployment support के अर्थ में समझना बेहतर है। Tencent ने मॉडल को Apache 2.0 license के तहत जारी किया है और serving, fine-tuning तथा quantization के लिए guidance दी है। 8
12
Hy4 Preview की architecture और मुख्य specifications
Hy4 की प्रमुख specifications इस प्रकार हैं:
- कुल पैरामीटर: 770 अरब
- प्रति token active parameters: 49 अरब
- Context window: 1 million से अधिक tokens
- Architecture: Mixture of Experts
- License: Apache 2.0
- Model formats: BF16 और FP8
- Serving support: vLLM और SGLang recipes, साथ में OpenAI-compatible API path
8
12
मॉडल के backbone में 78 layers हैं। Tencent के अनुसार पहली layer dense feed-forward network का इस्तेमाल करती है, जबकि बाकी 77 layers में MoE routing है। इन layers में 256 routed experts और एक shared expert शामिल हैं। हर token के लिए आठ routed experts के साथ shared expert सक्रिय होता है। Hy4 में native multi-token-prediction layer भी है, जिसका उद्देश्य speculative decoding को support करना है। 8
Attention design में Gated DeepSeek Sparse Attention और IndexCache का उपयोग किया गया है। IndexCache sparse-attention indices को अलग-अलग layers में reuse करने में मदद करता है। Tencent का कहना है कि architecture के कुछ विचार DeepSeek और GLM से प्रेरित हैं। 8
इस architecture का महत्व केवल 770B parameter count में नहीं है। Hy4 बड़ी model capacity को sparse routing, long-context processing और inference overhead घटाने की कोशिश करने वाली तकनीकों के साथ जोड़ता है।
Hy4 बनाम Hy3: क्या बदला?
Hy4, Tencent के पिछले Hy3 model की तुलना में बड़ा architectural और scale upgrade है:
| Specification | Hy3 | Hy4 Preview | बदलाव |
|---|---|---|---|
| कुल पैरामीटर | 295B | 770B | लगभग 2.6 गुना बड़ा |
| प्रति token active parameters | 21B | 49B | लगभग 2.3 गुना अधिक active compute |
| Context window | 262K tokens | 1M से अधिक tokens | लगभग 4 गुना बड़ा |
| Model design | MoE | विस्तारित MoE और sparse-attention बदलाव | अधिक capacity और लंबा context |
इस तरह Hy4 कुल model capacity के साथ-साथ हर token पर इस्तेमाल होने वाला active compute भी बढ़ाता है। Tencent ने training data का scale बढ़ाने और pre-training तथा post-training में बड़े बदलाव करने की बात भी कही है। 8
14
1 million से अधिक tokens का context window practical users के लिए खास तौर पर उपयोगी हो सकता है। बड़े codebases, लंबी research सामग्री और जटिल workplace tasks को एक ही context में संभालना आसान हो सकता है। हालांकि वास्तविक लाभ retrieval quality, latency और लंबे input में accuracy बनाए रखने की क्षमता पर निर्भर करेगा।
Chinese AI models से Hy4 की तुलना
Tencent की सबसे स्पष्ट प्रकाशित तुलना उसका internal blind side-by-side evaluation है। इसमें 163 internal experts ने 203 engineering tasks पर model outputs का आकलन किया। Hy4 Preview को 4 में से औसतन 2.99 अंक मिले, जबकि Zhipu के GLM-5.3 को 2.92 और Moonshot के Kimi K3 को 2.94 अंक मिले। 8
Tencent के इस test में Hy4 मामूली बढ़त के साथ आगे रहा। लेकिन इसे neutral या comprehensive industry ranking नहीं माना जाना चाहिए, क्योंकि evaluators Tencent के internal experts थे और test मुख्य रूप से engineering tasks पर केंद्रित था। अन्य benchmarks की reporting में Alibaba के Qwen models और DeepSeek जैसे domestic competitors के मुकाबले Hy4 के परिणाम अलग-अलग रहे हैं। 1
13
कुछ secondary reports में Terminal-Bench 2.1 और DeepSWE जैसे coding benchmarks पर Hy3 की तुलना में बड़े सुधार का भी उल्लेख है। ये आंकड़े Tencent की बताई हुई progress का संकेत देते हैं, लेकिन benchmark conditions और results की independent reproduction होने तक इन्हें सावधानी से पढ़ना चाहिए। 17
18
सबसे सुरक्षित निष्कर्ष यह है कि Hy4 coding और productivity workloads के लिए Chinese open-weight models की top tier में है। उपलब्ध evidence यह साबित नहीं करता कि यह हर task और हर competitor पर निर्णायक रूप से बेहतर है।
Hy4 Preview कहां उपलब्ध है?
Tencent ने Hy4 को downloadable weights और hosted products—दोनों रूपों में उपलब्ध कराया है।
Downloadable weights और deployment
मॉडल और इसका FP8 version Hugging Face, ModelScope, GitCode और CNB पर उपलब्ध हैं। Tencent ने vLLM और SGLang deployment recipes, OpenAI-compatible local API path, fine-tuning instructions और quantization tools भी जारी किए हैं। 8
12
इससे developers weights के साथ प्रयोग कर सकते हैं या अपनी customized serving stack बना सकते हैं। लेकिन “open weight” का मतलब lightweight model नहीं है। Tencent की reference FP8 configuration में eight-way tensor parallelism का इस्तेमाल होता है और 770B model को serve करना अब भी एक गंभीर multi-GPU infrastructure project है। 8
Tencent apps और hosted APIs
Users Hy4 को WorkBuddy, CodeBuddy, Yuanbao और ima के जरिए इस्तेमाल कर सकते हैं। Tencent Cloud TokenHub और OpenRouter के जरिए API access भी उपलब्ध है। Launch के समय Tencent ने WorkBuddy और CodeBuddy पर दो सप्ताह का free access दिया था, जबकि पिछले Hy3 model का access 30 सितंबर तक बढ़ाया गया था। 12
एक third-party report के अनुसार OpenRouter पर input pricing लगभग $0.834 प्रति 1 million tokens थी। इसे Tencent की स्थायी list price नहीं समझना चाहिए, क्योंकि pricing और availability provider तथा geography के अनुसार बदल सकती है। 3
Tencent के product ecosystem से जुड़ाव क्यों महत्वपूर्ण है?
Hy4 Tencent की application strategy से गहराई से जुड़ा हुआ है। कंपनी का कहना है कि मॉडल को WorkBuddy और CodeBuddy के साथ co-design किया गया, जिसमें internal engineers, game developers, finance analysts और security specialists के task data तथा feedback का इस्तेमाल हुआ। 8
इस approach से Tencent को architecture के अलावा एक और संभावित लाभ मिलता है: कंपनी मॉडल को real coding और office workflows में test कर सकती है और product feedback को अगले iterations में शामिल कर सकती है। यही distribution network उन users के लिए भी उपयोगी है जो 770B model को खुद download और operate नहीं करना चाहते।
Tencent ने बताया कि Hunyuan 3 को production में ले जाने के बाद औसत daily token usage उसके preview phase की तुलना में लगभग छह गुना बढ़ गया। यह तेजी से बढ़ते usage का evidence है, लेकिन user satisfaction या long-term retention का स्वतंत्र प्रमाण नहीं है।
इस strategy को support करने के लिए Tencent बड़े स्तर पर निवेश भी कर रहा है। 2026 की दूसरी तिमाही में facilities-and-equipment capital expenditure RMB 52.784 billion तक पहुंच गया, जो एक साल पहले की तुलना में लगभग 2.8 गुना था। Management ने AI infrastructure और WorkBuddy से जुड़े investment को प्राथमिकता दी।
Tencent ने WorkBuddy को चीन की सबसे अधिक इस्तेमाल की जाने वाली productivity AI-agent service बताया है। हालांकि यह कंपनी का दावा है, independently audited market-share measurement नहीं। 4
Hy4 Preview की मौजूदा सीमाएं
Hy4 Preview को final, fully polished model के रूप में पेश नहीं किया गया है। Tencent खुद मानता है कि कठिन tasks पर मॉडल जरूरत से ज्यादा देर तक reasoning कर सकता है और अपने काम को जरूरत से अधिक verify कर सकता है। इससे latency और inference cost बढ़ सकती है। 8
दूसरी बड़ी सीमा model का scale है। MoE routing के कारण एक token पर 49B parameters ही active होते हैं, लेकिन पूरे model को store और serve करना पड़ता है। Self-hosting पर विचार करने वाले संगठनों को पर्याप्त memory, networking और multi-GPU capacity की जरूरत होगी।
Benchmark evidence की भी अपनी सीमाएं हैं। Tencent का internal evaluation engineering tasks में GLM-5.3 और Kimi K3 पर केवल मामूली बढ़त दिखाता है, जबकि broader comparative results benchmark के अनुसार बदलते हैं। इसलिए शुरुआती rankings को definitive verdict के बजाय directional संकेत मानना चाहिए। 8
इसके अलावा, लंबा context अपने आप reliable long-context reasoning की गारंटी नहीं देता। Hy4 का 1-million-token window specification के लिहाज से बड़ा advantage है, लेकिन वास्तविक performance task, prompt structure, retrieval strategy और serving configuration पर निर्भर करेगी।
आगे कौन से सुधार संभव हैं?
Tencent ने कोई पूरी तरह औपचारिक release roadmap नहीं दिया है, लेकिन उसकी बताई दिशा स्पष्ट है। कंपनी additional pre-training और post-training, तेज तथा कम repetitive reasoning, WorkBuddy और CodeBuddy से लगातार product feedback, और deployment cost घटाने के लिए compression तथा quantization पर काम करने की बात करती है। 8
ये सुधार Hy4 के मुख्य trade-off को address कर सकते हैं: मॉडल Hy3 की तुलना में अधिक capacity और लंबा context देता है, लेकिन “Preview” label बताता है कि speed, efficiency और production reliability को अभी refine किया जा रहा है।
निष्कर्ष
Hy4 Preview, Hy3 से एक बड़ा कदम आगे है। कुल parameters 295B से बढ़कर 770B, active parameters 21B से बढ़कर 49B और context window 262K से बढ़कर 1 million से अधिक tokens हो गया है। इसके साथ ही यह Tencent के coding, office, cloud और consumer-product ecosystem से असामान्य रूप से गहराई से जुड़ा है। 8
12
Developers के लिए Apache 2.0 weights और deployment tooling Hy4 को evaluate करने लायक बनाते हैं। Organizations के लिए Tencent के products और APIs के जरिए hosted access, self-hosting की तुलना में अधिक व्यावहारिक हो सकता है।
फिलहाल सबसे संतुलित verdict यही है: Hy4 coding और agentic productivity के लिए एक शक्तिशाली top-tier Chinese open-weight model दिखता है। लेकिन इसकी शुरुआती, मुख्यतः vendor-reported बढ़त को स्थायी competitive lead मानने से पहले independent benchmarks और लंबे समय के production use का इंतजार करना होगा।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"Tencent Hy4 Preview क्या है? Hy3 से कितना बेहतर और इसे कैसे इस्तेमाल करें" का संक्षिप्त उत्तर क्या है?
28 अगस्त 2026 को जारी Tencent Hy4 Preview में कुल 770B पैरामीटर, प्रति token 49B active parameters और 1M से अधिक tokens का context window है।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
28 अगस्त 2026 को जारी Tencent Hy4 Preview में कुल 770B पैरामीटर, प्रति token 49B active parameters और 1M से अधिक tokens का context window है। Hy4, पिछले Hy3 के 295B total parameters, 21B active parameters और 262K context window की तुलना में बड़ा उन्नयन है।
मुझे अभ्यास में आगे क्या करना चाहिए?
मॉडल Apache 2.0 license के तहत Hugging Face, ModelScope, GitCode और CNB पर उपलब्ध है; इसे WorkBuddy, CodeBuddy, Yuanbao, ima, TokenHub और OpenRouter के जरिए भी इस्तेमाल किया जा सकता है।