Tencent Hy4 Preview è il più ambizioso modello linguistico open-weight pubblicato finora da Tencent e il tentativo più diretto dell'azienda di collegare un sistema di dimensioni frontier ai prodotti per la programmazione e il lavoro d'ufficio. Rilasciato il 28 agosto 2026, è pensato per sviluppo software, ricerca, analisi finanziaria e attività produttive svolte tramite agenti AI. 112

I numeri sono notevoli: 770 miliardi di parametri complessivi, 49 miliardi attivi per ogni token e una finestra di contesto superiore a un milione di token. La conclusione, però, va formulata con cautela: Hy4 sembra appartenere alla fascia alta dei modelli open-weight cinesi per coding e produttività, ma le sue pretese di superiorità si basano ancora in larga parte su valutazioni Tencent e attendono verifiche indipendenti più ampie. 18

Che cos'è Tencent Hy4 Preview?

Hy4 Preview è un modello linguistico basato su un'architettura Mixture of Experts (MoE). Invece di utilizzare tutti i parametri per ogni token, il sistema attiva soltanto una parte della rete in base alla richiesta. Tencent può così costruire un modello con una capacità complessiva enorme senza sostenere, per ogni token, il costo teorico dell'intero modello.

Tencent presenta Hy4 non soltanto come un chatbot generalista, ma come un modello per il lavoro assistito da agenti. Gli utilizzi previsti comprendono programmazione, produttività d'ufficio, ricerca e analisi finanziaria, con integrazioni pensate per portare il modello direttamente nei flussi di lavoro aziendali e di sviluppo software. 18

In questo caso, il termine “open source” va inteso soprattutto come pesi aperti e supporto permissivo alla distribuzione. Tencent ha pubblicato il modello con licenza Apache 2.0, insieme a indicazioni per il serving, il fine-tuning e la quantizzazione. 812

Specifiche e architettura

Le principali caratteristiche di Hy4 Preview sono:

• Parametri complessivi: 770 miliardi
• Parametri attivi per token: 49 miliardi
• Finestra di contesto: oltre 1 milione di token
• Architettura: Mixture of Experts
• Licenza: Apache 2.0
• Formati: BF16 e FP8
• Serving: ricette per vLLM e SGLang, oltre a un percorso API compatibile con OpenAI 812

Il modello ha un backbone di 78 livelli. Secondo Tencent, il primo utilizza una rete feed-forward densa, mentre i restanti 77 impiegano il routing MoE con 256 esperti instradati e un esperto condiviso. Per ogni token vengono selezionati otto esperti instradati, oltre a quello condiviso. Hy4 include anche un livello nativo di multi-token prediction, progettato per favorire la decodifica speculativa. 8

Il meccanismo di attenzione utilizza la Gated DeepSeek Sparse Attention con IndexCache, che consente di riutilizzare gli indici dell'attenzione sparsa tra i diversi livelli. Tencent afferma che alcune scelte architetturali sono state ispirate da approcci associati a DeepSeek e GLM. 8

Il punto, quindi, non è soltanto il numero di parametri. Hy4 combina una capacità complessiva molto elevata con routing sparso, gestione di contesti estremamente lunghi e tecniche pensate per contenere il costo dell'inferenza.

Hy4 contro Hy3: cosa è cambiato?

Hy4 rappresenta un'espansione sostanziale rispetto al precedente Hy3:

Specifica	Hy3	Hy4 Preview	Differenza
Parametri complessivi	295B	770B	Circa 2,6 volte in più
Parametri attivi per token	21B	49B	Circa 2,3 volte in più
Finestra di contesto	262K token	Oltre 1M token	Circa 4 volte più ampia
Design	MoE	MoE ampliato con modifiche all'attenzione sparsa	Maggiore capacità e contesto più lungo

Il nuovo modello aumenta quindi sia la capacità totale sia la quantità di calcolo attivo per token. Tencent afferma inoltre di aver ampliato i dati di addestramento e apportato cambiamenti significativi alle fasi di pre-training e post-training. 814

L'estensione del contesto potrebbe essere particolarmente utile in scenari pratici: grandi codebase, raccolte di documenti di ricerca e attività d'ufficio articolate. Una finestra da oltre un milione di token, però, non garantisce automaticamente risultati migliori. La sua utilità effettiva dipenderà dalla qualità del recupero delle informazioni, dalla latenza e dalla capacità del modello di mantenere precisione su input molto lunghi.

Come si confronta con i concorrenti cinesi?

Il confronto pubblico più chiaro di Tencent proviene da una valutazione interna e a doppio cieco. In questo test, 163 esperti dell'azienda hanno giudicato le risposte su 203 attività di ingegneria. Hy4 Preview ha ottenuto una media di 2,99 su 4, contro 2,92 per GLM-5.3 di Zhipu e 2,94 per Kimi K3 di Moonshot. 8

Il risultato colloca Hy4 leggermente davanti nella prova di Tencent, ma non può essere considerato una classifica neutrale e completa. I valutatori erano esperti interni e il test si concentrava sulle attività di engineering. I risultati riportati su altri benchmark variano inoltre rispetto a concorrenti nazionali come i modelli Qwen di Alibaba e DeepSeek. 113

Alcuni report secondari citano miglioramenti molto ampi rispetto a Hy3 nei benchmark di programmazione, tra cui Terminal-Bench 2.1 e DeepSWE. Sono segnali utili dei progressi rivendicati da Tencent, ma vanno letti con prudenza finché condizioni e risultati non saranno replicati in modo indipendente. 1718

La valutazione più solida, oggi, è questa: Hy4 appartiene alla fascia alta dei modelli open-weight cinesi per coding e produttività. Le prove disponibili non dimostrano però che superi in modo netto ogni concorrente su qualsiasi tipo di attività.

Dove si può usare Hy4 Preview?

Tencent ha reso Hy4 disponibile sia come modello scaricabile sia attraverso prodotti e servizi ospitati.

Pesi scaricabili e distribuzione autonoma

Il modello e la relativa versione FP8 sono disponibili su Hugging Face, ModelScope, GitCode e CNB. Tencent fornisce ricette di deployment per vLLM e SGLang, un percorso API locale compatibile con OpenAI, istruzioni per il fine-tuning e strumenti di quantizzazione. 812

Questo rende Hy4 interessante per gli sviluppatori che vogliono sperimentare direttamente con i pesi o creare uno stack di serving personalizzato. “Open-weight”, tuttavia, non significa leggero: la configurazione FP8 di riferimento di Tencent utilizza un tensor parallelism a otto vie e gestire un modello da 770 miliardi di parametri resta un progetto infrastrutturale impegnativo, con diverse GPU di fascia alta. 8

Prodotti Tencent e API ospitate

Gli utenti possono accedere a Hy4 tramite WorkBuddy, CodeBuddy, Yuanbao e ima. Tencent indica inoltre la disponibilità attraverso Tencent Cloud TokenHub e OpenRouter. Al lancio, WorkBuddy e CodeBuddy offrivano due settimane di accesso gratuito a Hy4, mentre l'accesso al precedente Hy3 è stato esteso fino al 30 settembre. 12

Un report di terze parti ha indicato per OpenRouter un prezzo di circa 0,834 dollari per un milione di token in input. Si tratta di un prezzo legato a quel canale, non necessariamente di un listino permanente di Tencent: costi e disponibilità possono cambiare in base al provider e alla geografia. 3

Perché la distribuzione di Tencent è importante

Hy4 è strettamente collegato alla strategia applicativa di Tencent. L'azienda afferma che il modello è stato co-progettato con WorkBuddy e CodeBuddy, utilizzando dati sulle attività e feedback di ingegneri interni, sviluppatori di videogiochi, analisti finanziari e specialisti della sicurezza. 8

Questo approccio offre a Tencent un possibile vantaggio che va oltre l'architettura: l'azienda può testare il modello in prodotti usati per attività reali di programmazione e lavoro d'ufficio, quindi riportare il feedback nelle iterazioni successive. La stessa rete di distribuzione permette agli utenti di provare il modello senza dover scaricare e gestire autonomamente un sistema da 770 miliardi di parametri.

Esistono anche primi segnali di utilizzo della più ampia piattaforma Hunyuan. Tencent ha riferito che il passaggio di Hunyuan 3 alla produzione ha aumentato di circa sei volte l'uso medio giornaliero di token rispetto alla fase preview. È un'indicazione di crescita rapida dell'utilizzo, non una prova indipendente di soddisfazione degli utenti o di fidelizzazione nel lungo periodo.

La strategia richiede investimenti infrastrutturali ingenti. Nel secondo trimestre del 2026, la spesa in conto capitale per strutture e apparecchiature ha raggiunto 52,784 miliardi di renminbi, circa 2,8 volte il livello dell'anno precedente; il management ha indicato come priorità l'infrastruttura AI e gli investimenti legati a WorkBuddy.

Tencent ha definito WorkBuddy il servizio di produttività basato su agenti AI più utilizzato in Cina, ma si tratta di una dichiarazione aziendale e non di una misurazione indipendente e verificata della quota di mercato. 4

I limiti attuali

Hy4 Preview non viene presentato come un modello definitivo. Tencent riconosce che, davanti a problemi complessi, può dedicare più tempo del necessario al ragionamento e verificare eccessivamente il proprio lavoro. Il risultato può essere una latenza e un costo di inferenza più elevati. 8

La dimensione del modello introduce un secondo limite pratico. Anche se il routing MoE attiva 49 miliardi di parametri per un singolo token, l'intero modello deve comunque essere archiviato e servito. Le organizzazioni che valutano l'hosting autonomo hanno bisogno di notevoli risorse di memoria, rete e calcolo distribuito su più GPU.

Anche i benchmark hanno i loro limiti. La valutazione interna di Tencent mostra un vantaggio ristretto su GLM-5.3 e Kimi K3 nelle attività di ingegneria, mentre i confronti più ampi cambiano a seconda del benchmark. Le prime classifiche vanno quindi considerate indicative, non definitive. 8

Infine, una finestra di contesto lunga non equivale automaticamente a un ragionamento affidabile su testi lunghi. Il milione di token supportato da Hy4 è un vantaggio tecnico rilevante, ma le prestazioni reali dipenderanno dal compito, dalla struttura del prompt, dalla strategia di retrieval e dalla configurazione di serving.

Quali miglioramenti possono arrivare?

La direzione indicata da Tencent è più chiara di una vera e propria roadmap formale. L'azienda parla di ulteriore pre-training e post-training, ragionamenti più rapidi e meno ripetitivi, feedback continuo da WorkBuddy e CodeBuddy e attività di compressione o quantizzazione per ridurre i costi di distribuzione. 8

Questi interventi affronterebbero il compromesso centrale di Hy4: il modello offre più capacità e un contesto molto più esteso di Hy3, ma l'etichetta “Preview” indica che velocità, efficienza e affidabilità in produzione sono ancora in fase di perfezionamento.

Il verdetto

Hy4 Preview è un salto significativo rispetto a Hy3: passa da 295 a 770 miliardi di parametri complessivi, da 21 a 49 miliardi di parametri attivi e da 262.000 a oltre un milione di token di contesto. È inoltre insolitamente integrato nell'ecosistema Tencent, che comprende strumenti per il coding, il lavoro d'ufficio, il cloud e il consumo digitale. 812

Per gli sviluppatori, i pesi con licenza Apache 2.0 e gli strumenti di deployment rendono Hy4 un modello da valutare. Per le aziende, l'accesso ospitato tramite i prodotti e le API Tencent potrebbe essere più pratico dell'hosting autonomo.

La conclusione corretta, per ora, resta misurata: Hy4 sembra un potente modello open-weight cinese di fascia alta per programmazione e produttività basata su agenti. A stabilire se le promesse iniziali si tradurranno in un vantaggio duraturo saranno benchmark indipendenti, adozione da parte degli sviluppatori e affidabilità nell'uso quotidiano.

Tencent Hy4 Preview è il più ambizioso modello linguistico open-weight pubblicato finora da Tencent e il tentativo più diretto dell'azienda di collegare un sistema di dimensioni frontier ai prodotti per la programmazione e il lavoro d'ufficio. Rilasciato il 28 agosto 2026, è pensato per sviluppo software, ricerca, analisi finanziaria e attività produttive svolte tramite agenti AI. 112

I numeri sono notevoli: 770 miliardi di parametri complessivi, 49 miliardi attivi per ogni token e una finestra di contesto superiore a un milione di token. La conclusione, però, va formulata con cautela: Hy4 sembra appartenere alla fascia alta dei modelli open-weight cinesi per coding e produttività, ma le sue pretese di superiorità si basano ancora in larga parte su valutazioni Tencent e attendono verifiche indipendenti più ampie. 18

Che cos'è Tencent Hy4 Preview?

Hy4 Preview è un modello linguistico basato su un'architettura Mixture of Experts (MoE). Invece di utilizzare tutti i parametri per ogni token, il sistema attiva soltanto una parte della rete in base alla richiesta. Tencent può così costruire un modello con una capacità complessiva enorme senza sostenere, per ogni token, il costo teorico dell'intero modello.

Tencent presenta Hy4 non soltanto come un chatbot generalista, ma come un modello per il lavoro assistito da agenti. Gli utilizzi previsti comprendono programmazione, produttività d'ufficio, ricerca e analisi finanziaria, con integrazioni pensate per portare il modello direttamente nei flussi di lavoro aziendali e di sviluppo software. 18

In questo caso, il termine “open source” va inteso soprattutto come pesi aperti e supporto permissivo alla distribuzione. Tencent ha pubblicato il modello con licenza Apache 2.0, insieme a indicazioni per il serving, il fine-tuning e la quantizzazione. 812

Specifiche e architettura

Le principali caratteristiche di Hy4 Preview sono:

• Parametri complessivi: 770 miliardi
• Parametri attivi per token: 49 miliardi
• Finestra di contesto: oltre 1 milione di token
• Architettura: Mixture of Experts
• Licenza: Apache 2.0
• Formati: BF16 e FP8
• Serving: ricette per vLLM e SGLang, oltre a un percorso API compatibile con OpenAI 812

Il modello ha un backbone di 78 livelli. Secondo Tencent, il primo utilizza una rete feed-forward densa, mentre i restanti 77 impiegano il routing MoE con 256 esperti instradati e un esperto condiviso. Per ogni token vengono selezionati otto esperti instradati, oltre a quello condiviso. Hy4 include anche un livello nativo di multi-token prediction, progettato per favorire la decodifica speculativa. 8

Il meccanismo di attenzione utilizza la Gated DeepSeek Sparse Attention con IndexCache, che consente di riutilizzare gli indici dell'attenzione sparsa tra i diversi livelli. Tencent afferma che alcune scelte architetturali sono state ispirate da approcci associati a DeepSeek e GLM. 8

Il punto, quindi, non è soltanto il numero di parametri. Hy4 combina una capacità complessiva molto elevata con routing sparso, gestione di contesti estremamente lunghi e tecniche pensate per contenere il costo dell'inferenza.

Hy4 contro Hy3: cosa è cambiato?

Hy4 rappresenta un'espansione sostanziale rispetto al precedente Hy3:

Specifica	Hy3	Hy4 Preview	Differenza
Parametri complessivi	295B	770B	Circa 2,6 volte in più
Parametri attivi per token	21B	49B	Circa 2,3 volte in più
Finestra di contesto	262K token	Oltre 1M token	Circa 4 volte più ampia
Design	MoE	MoE ampliato con modifiche all'attenzione sparsa	Maggiore capacità e contesto più lungo

Il nuovo modello aumenta quindi sia la capacità totale sia la quantità di calcolo attivo per token. Tencent afferma inoltre di aver ampliato i dati di addestramento e apportato cambiamenti significativi alle fasi di pre-training e post-training. 814

L'estensione del contesto potrebbe essere particolarmente utile in scenari pratici: grandi codebase, raccolte di documenti di ricerca e attività d'ufficio articolate. Una finestra da oltre un milione di token, però, non garantisce automaticamente risultati migliori. La sua utilità effettiva dipenderà dalla qualità del recupero delle informazioni, dalla latenza e dalla capacità del modello di mantenere precisione su input molto lunghi.

Come si confronta con i concorrenti cinesi?

Il confronto pubblico più chiaro di Tencent proviene da una valutazione interna e a doppio cieco. In questo test, 163 esperti dell'azienda hanno giudicato le risposte su 203 attività di ingegneria. Hy4 Preview ha ottenuto una media di 2,99 su 4, contro 2,92 per GLM-5.3 di Zhipu e 2,94 per Kimi K3 di Moonshot. 8

Il risultato colloca Hy4 leggermente davanti nella prova di Tencent, ma non può essere considerato una classifica neutrale e completa. I valutatori erano esperti interni e il test si concentrava sulle attività di engineering. I risultati riportati su altri benchmark variano inoltre rispetto a concorrenti nazionali come i modelli Qwen di Alibaba e DeepSeek. 113

Alcuni report secondari citano miglioramenti molto ampi rispetto a Hy3 nei benchmark di programmazione, tra cui Terminal-Bench 2.1 e DeepSWE. Sono segnali utili dei progressi rivendicati da Tencent, ma vanno letti con prudenza finché condizioni e risultati non saranno replicati in modo indipendente. 1718

La valutazione più solida, oggi, è questa: Hy4 appartiene alla fascia alta dei modelli open-weight cinesi per coding e produttività. Le prove disponibili non dimostrano però che superi in modo netto ogni concorrente su qualsiasi tipo di attività.

Dove si può usare Hy4 Preview?

Tencent ha reso Hy4 disponibile sia come modello scaricabile sia attraverso prodotti e servizi ospitati.

Pesi scaricabili e distribuzione autonoma

Il modello e la relativa versione FP8 sono disponibili su Hugging Face, ModelScope, GitCode e CNB. Tencent fornisce ricette di deployment per vLLM e SGLang, un percorso API locale compatibile con OpenAI, istruzioni per il fine-tuning e strumenti di quantizzazione. 812

Questo rende Hy4 interessante per gli sviluppatori che vogliono sperimentare direttamente con i pesi o creare uno stack di serving personalizzato. “Open-weight”, tuttavia, non significa leggero: la configurazione FP8 di riferimento di Tencent utilizza un tensor parallelism a otto vie e gestire un modello da 770 miliardi di parametri resta un progetto infrastrutturale impegnativo, con diverse GPU di fascia alta. 8

Prodotti Tencent e API ospitate

Gli utenti possono accedere a Hy4 tramite WorkBuddy, CodeBuddy, Yuanbao e ima. Tencent indica inoltre la disponibilità attraverso Tencent Cloud TokenHub e OpenRouter. Al lancio, WorkBuddy e CodeBuddy offrivano due settimane di accesso gratuito a Hy4, mentre l'accesso al precedente Hy3 è stato esteso fino al 30 settembre. 12

Un report di terze parti ha indicato per OpenRouter un prezzo di circa 0,834 dollari per un milione di token in input. Si tratta di un prezzo legato a quel canale, non necessariamente di un listino permanente di Tencent: costi e disponibilità possono cambiare in base al provider e alla geografia. 3

Perché la distribuzione di Tencent è importante

Hy4 è strettamente collegato alla strategia applicativa di Tencent. L'azienda afferma che il modello è stato co-progettato con WorkBuddy e CodeBuddy, utilizzando dati sulle attività e feedback di ingegneri interni, sviluppatori di videogiochi, analisti finanziari e specialisti della sicurezza. 8

Questo approccio offre a Tencent un possibile vantaggio che va oltre l'architettura: l'azienda può testare il modello in prodotti usati per attività reali di programmazione e lavoro d'ufficio, quindi riportare il feedback nelle iterazioni successive. La stessa rete di distribuzione permette agli utenti di provare il modello senza dover scaricare e gestire autonomamente un sistema da 770 miliardi di parametri.

Esistono anche primi segnali di utilizzo della più ampia piattaforma Hunyuan. Tencent ha riferito che il passaggio di Hunyuan 3 alla produzione ha aumentato di circa sei volte l'uso medio giornaliero di token rispetto alla fase preview. È un'indicazione di crescita rapida dell'utilizzo, non una prova indipendente di soddisfazione degli utenti o di fidelizzazione nel lungo periodo.

La strategia richiede investimenti infrastrutturali ingenti. Nel secondo trimestre del 2026, la spesa in conto capitale per strutture e apparecchiature ha raggiunto 52,784 miliardi di renminbi, circa 2,8 volte il livello dell'anno precedente; il management ha indicato come priorità l'infrastruttura AI e gli investimenti legati a WorkBuddy.

Tencent ha definito WorkBuddy il servizio di produttività basato su agenti AI più utilizzato in Cina, ma si tratta di una dichiarazione aziendale e non di una misurazione indipendente e verificata della quota di mercato. 4

I limiti attuali

Hy4 Preview non viene presentato come un modello definitivo. Tencent riconosce che, davanti a problemi complessi, può dedicare più tempo del necessario al ragionamento e verificare eccessivamente il proprio lavoro. Il risultato può essere una latenza e un costo di inferenza più elevati. 8

La dimensione del modello introduce un secondo limite pratico. Anche se il routing MoE attiva 49 miliardi di parametri per un singolo token, l'intero modello deve comunque essere archiviato e servito. Le organizzazioni che valutano l'hosting autonomo hanno bisogno di notevoli risorse di memoria, rete e calcolo distribuito su più GPU.

Anche i benchmark hanno i loro limiti. La valutazione interna di Tencent mostra un vantaggio ristretto su GLM-5.3 e Kimi K3 nelle attività di ingegneria, mentre i confronti più ampi cambiano a seconda del benchmark. Le prime classifiche vanno quindi considerate indicative, non definitive. 8

Infine, una finestra di contesto lunga non equivale automaticamente a un ragionamento affidabile su testi lunghi. Il milione di token supportato da Hy4 è un vantaggio tecnico rilevante, ma le prestazioni reali dipenderanno dal compito, dalla struttura del prompt, dalla strategia di retrieval e dalla configurazione di serving.

Quali miglioramenti possono arrivare?

La direzione indicata da Tencent è più chiara di una vera e propria roadmap formale. L'azienda parla di ulteriore pre-training e post-training, ragionamenti più rapidi e meno ripetitivi, feedback continuo da WorkBuddy e CodeBuddy e attività di compressione o quantizzazione per ridurre i costi di distribuzione. 8

Questi interventi affronterebbero il compromesso centrale di Hy4: il modello offre più capacità e un contesto molto più esteso di Hy3, ma l'etichetta “Preview” indica che velocità, efficienza e affidabilità in produzione sono ancora in fase di perfezionamento.

Il verdetto

Hy4 Preview è un salto significativo rispetto a Hy3: passa da 295 a 770 miliardi di parametri complessivi, da 21 a 49 miliardi di parametri attivi e da 262.000 a oltre un milione di token di contesto. È inoltre insolitamente integrato nell'ecosistema Tencent, che comprende strumenti per il coding, il lavoro d'ufficio, il cloud e il consumo digitale. 812

Per gli sviluppatori, i pesi con licenza Apache 2.0 e gli strumenti di deployment rendono Hy4 un modello da valutare. Per le aziende, l'accesso ospitato tramite i prodotti e le API Tencent potrebbe essere più pratico dell'hosting autonomo.

La conclusione corretta, per ora, resta misurata: Hy4 sembra un potente modello open-weight cinese di fascia alta per programmazione e produttività basata su agenti. A stabilire se le promesse iniziali si tradurranno in un vantaggio duraturo saranno benchmark indipendenti, adozione da parte degli sviluppatori e affidabilità nell'uso quotidiano.