Tencent Hy4 Preview, il modello AI da 770 miliardi di parametri sfida DeepSeek, GLM e Kimi

Hy4 Preview è il nuovo modello linguistico di punta di Tencent Hunyuan, progettato soprattutto per gli agenti AI: sistemi capaci di pianificare attività, usare strumenti e portare avanti lavori complessi con più passaggi. Gli ambiti indicati sono sviluppo software, ricerca, analisi, automazione d'ufficio e altri flussi di lavoro basati su strumenti. 1719

Il modello è stato pubblicato come open source, ma la parola “preview” è importante: prestazioni, API, prezzi, limiti di utilizzo e documentazione possono ancora cambiare. Inoltre, i risultati comparativi più favorevoli sono in gran parte forniti da Tencent o da test collegati al lancio. La sua posizione definitiva rispetto agli altri modelli cinesi richiederà quindi valutazioni indipendenti.

Hy4 Preview contro Hy3: cosa cambia

Caratteristica	Hy3 Preview	Hy4 Preview	Perché conta
Parametri totali	295 miliardi	770 miliardi	Hy4 dispone di una capacità complessiva circa 2,6 volte maggiore. 24
Parametri attivati	Circa 21 miliardi per token	Circa 49 miliardi per richiesta	Hy4 usa circa 2,3 volte più calcolo attivo, con un probabile aumento delle capacità ma anche dei costi di esecuzione. 24
Finestra di contesto	256.000 token	Oltre 1 milione di token	È più adatta a grandi basi di codice, documenti estesi e agenti con molte fasi operative. 214
Obiettivo principale	Ragionamento, coding, RAG e agenti IDE	Agenti, coding, ricerca, produttività e uso complesso di strumenti	Hy4 è presentato più esplicitamente come modello per flussi di lavoro produttivi. 24
Stato del rilascio	Modello open weight; per Hy3 sono stati riportati termini Apache 2.0	Versione open source in anteprima	La licenza definitiva e le condizioni per l'uso commerciale vanno verificate nel repository ufficiale. 214

Sia Hy3 sia Hy4 usano un'architettura mixture-of-experts, o MoE. In pratica, il modello contiene molti “esperti” specializzati, ma per ogni token non vengono attivati tutti: questo riduce il calcolo necessario rispetto a un modello denso delle stesse dimensioni. Hy3 attivava circa 21 miliardi di parametri su 295 miliardi, con 192 esperti e instradamento dei primi otto; Tencent riportava inoltre il 74,4% in SWE-bench Verified. 23

Hy4 mantiene questa logica di attivazione sparsa, ma raddoppia ampiamente la capacità totale e aumenta in modo sostanziale il numero di parametri effettivamente utilizzati. Il vantaggio è un potenziale salto qualitativo; lo svantaggio è che un modello da 770 miliardi resta molto impegnativo da archiviare e distribuire, anche se durante ogni inferenza ne viene attivata solo una parte.

Prestazioni: il modello è già al livello dei rivali?

Tencent dichiara che Hy4 Preview ha ottenuto 85,4 punti in Terminal-Bench 2.1, un risultato superiore di 14,6 punti a quello attribuito a Hy3. L'azienda sostiene inoltre che il modello superi DeepSeek V4 Pro nella stessa valutazione e raggiunga Claude Opus 5. Si tratta però di un confronto riportato da Tencent, non ancora di una graduatoria riprodotta in modo indipendente. 13

In un test interno “alla cieca” su 203 attività di ingegneria, valutate da 163 esperti, Hy4 ha ottenuto una media di 2,99 su 4. Nello stesso confronto, GLM-5.3 di Z.ai ha raggiunto 2,92 e Kimi K3 di Moonshot 2,91 secondo il confronto riportato nel materiale di lancio. Il margine è ridotto e il test non va interpretato come una classifica universale: misura una selezione specifica di attività e proviene dall'azienda che ha sviluppato Hy4. 5

Per dimensioni complessive, Hy4 è più piccolo dei valori riportati per DeepSeek V4 Pro, pari a 1,6 trilioni di parametri, e Kimi K3, pari a 2,8 trilioni. È invece vicino a GLM-5.3, indicato a 744 miliardi di parametri. I circa 49 miliardi di parametri attivi di Hy4 sono considerati comparabili a quelli riportati per DeepSeek V4 Pro. 4

Anche il confronto con altri benchmark richiede prudenza. Un precedente risultato di GLM-5 era stato riportato al 77,8% in SWE-bench Verified, ma versioni del benchmark, strumenti disponibili, controlli contro la contaminazione dei dati e configurazione dell'agente possono cambiare sensibilmente il risultato. 1

In sintesi: Hy4 appare competitivo tra i modelli open weight cinesi di fascia alta per coding e agenti, ma non ci sono ancora prove indipendenti sufficienti per definirlo il leader assoluto rispetto a DeepSeek, Qwen, GLM, Kimi o MiniMax.

Dove si può usare Hy4 Preview

Tencent ha integrato Hy4 Preview nelle versioni cinesi e internazionali di WorkBuddy, l'assistente per la produttività, e CodeBuddy, lo strumento dedicato alla programmazione. Gli utenti possono quindi provarlo direttamente attraverso prodotti finiti, senza dover gestire subito l'infrastruttura necessaria per un modello da 770 miliardi di parametri. 1422

Il modello è stato inoltre reso disponibile attraverso:

• Tencent Cloud TokenHub, il servizio API di Tencent Cloud;
• OpenRouter, piattaforma che consente di accedere a modelli diversi tramite un'interfaccia comune;
• i repository e gli ecosistemi open source indicati da Tencent e dal model card di Hugging Face. 19

Il rilascio open source offre alle organizzazioni la possibilità di valutare il self-hosting, ma non significa che Hy4 sia semplice o economico da eseguire localmente. Servono memoria considerevole, infrastruttura distribuita e competenze operative avanzate.

Prezzi: quanto costa usare Hy4?

Per l'API cinese è stato riportato un prezzo di 6 yuan per milione di token in ingresso, 18 yuan per milione di token in uscita e 0,3 yuan per milione di token di input memorizzato nella cache. Trattandosi di una preview, tariffe, quote, regioni disponibili e condizioni di accesso possono cambiare. 4

La pagina ufficiale di Tencent Cloud TokenHub indica invece una tariffa internazionale di 0,834 dollari per milione di token in ingresso, 2,501 dollari per milione in uscita e 0,042 dollari per milione di token in cache. Per questo è preferibile controllare il listino del proprio account o della propria regione invece di affidarsi a comparatori di terze parti, che possono usare prezzi di rivendita o dati non aggiornati.

WorkBuddy e CodeBuddy hanno inoltre offerto l'accesso gratuito al momento del lancio per un periodo iniziale di due settimane, secondo l'annuncio di Tencent.

I principali limiti

È ancora una versione preliminare

La qualità del modello e il comportamento delle API possono essere modificati rapidamente. Prima di usarlo in produzione è opportuno verificare limiti di frequenza, controlli di sicurezza, stabilità, documentazione e condizioni della licenza. 14

Mancano ancora confronti indipendenti

I risultati più spettacolari di Hy4 — in particolare quelli relativi a Terminal-Bench 2.1 e ai confronti con modelli rivali — sono legati a test di Tencent o a comunicazioni sul lancio. Servono valutazioni riproducibili, con identiche impostazioni, stessi strumenti e criteri di misurazione.

Un modello da 770 miliardi richiede infrastruttura

L'attivazione sparsa riduce il calcolo per token, ma non elimina il problema della memoria necessaria per conservare i pesi e distribuire il modello. Rispetto a Hy3, il numero di parametri attivi è molto più alto e il deployment può richiedere sistemi multi-GPU e gestione distribuita. 24

Un contesto da un milione di token non garantisce affidabilità

La finestra estesa è utile per repository software, documenti lunghi e attività con molto materiale di riferimento. Tuttavia, gli utenti devono misurare sul proprio caso d'uso accuratezza del recupero delle informazioni, latenza e costo: poter leggere un milione di token non significa necessariamente usarli tutti in modo affidabile.

Cosa aspettarsi dai prossimi aggiornamenti

Le evoluzioni più probabili, ma non annunciate come impegni ufficiali, sono una versione stabile non più contrassegnata come preview, maggiore affidabilità nell'uso di strumenti e agenti, inferenza più efficiente, nuove quantizzazioni, integrazioni cloud più ampie e una validazione indipendente più completa.

Hy4 è anche una scommessa sull'infrastruttura Tencent

Il lancio del modello si inserisce in un investimento più ampio sull'intelligenza artificiale. Nel secondo trimestre del 2026 Tencent ha riportato una spesa operativa in conto capitale di 51,8 miliardi di yuan, in aumento del 190% su base annua, mentre il flusso di cassa libero è sceso a -13,8 miliardi di yuan. La direzione ha collegato l'aumento soprattutto all'infrastruttura AI. 27

La strategia non consiste quindi soltanto nel pubblicare un nuovo modello. Tencent può distribuire il costo delle GPU e del cloud tra i propri assistenti, i clienti Tencent Cloud e altri prodotti dell'ecosistema, tra cui WorkBuddy e CodeBuddy. Il rovescio della medaglia è una maggiore intensità di capitale e una monetizzazione ancora incerta mentre i servizi sono in fase di espansione. 615

La trazione di WorkBuddy

Tencent ha definito WorkBuddy il servizio di agenti AI per la produttività più utilizzato in Cina; Bloomberg lo ha descritto come l'assistente AI per il lavoro più popolare del Paese poco dopo il lancio di marzo. Sono dichiarazioni sul posizionamento di mercato, non metriche certificate di ricavi. 31

Una stima indipendente del traffico web desktop ha registrato 20,97 milioni di visite a WorkBuddy nel giugno 2026, rispetto agli 8,85 milioni del mese di lancio. La stessa fonte precisa però che il dato non equivale a utenti attivi giornalieri, aziende paganti, ricavi o utilizzo mobile. 12

La dirigenza Tencent afferma inoltre che WorkBuddy e CodeBuddy stanno acquisendo utenti rapidamente. 6 Se questa crescita continuerà, Hy4 potrebbe avere un vantaggio pratico rispetto a modelli open source privi di un canale applicativo altrettanto diretto: Tencent può addestrare il modello, integrarlo nei propri prodotti e raccogliere riscontri dai flussi di lavoro reali.

Per ora, dunque, Hy4 Preview è soprattutto un segnale dell'ambizione di Tencent. Le dimensioni, il contesto da oltre un milione di token e i risultati dichiarati lo collocano nella fascia alta del mercato open weight cinese. Ma per capire se rappresenti davvero un salto generazionale, più dei numeri di lancio conteranno la stabilità, il costo reale di esecuzione e le verifiche indipendenti sui compiti quotidiani.