Tencent Hy4 Previewを解説：コーディングとAIエージェント向け770Bモデルの実力

TencentのHy4 Previewは、同社がこれまで公開した中で最大規模となるオープンウェイトの大規模言語モデルです。2026年8月28日に公開され、ソフトウェア開発、調査、金融分析、オフィス業務など、AIエージェントを活用した生産性向上を主な用途に据えています。112

注目を集めているのは、総パラメーター数7700億、1トークンごとに稼働するアクティブパラメーター490億、100万トークンを超えるコンテキストウィンドウです。ただし、現時点での評価は慎重さも必要です。Hy4はコーディングや生産性タスク向けの中国製オープンモデルの最上位グループに入る可能性がある一方、優位性を示す根拠の多くはTencent独自の評価であり、幅広い第三者検証はこれからです。18

Tencent Hy4 Previewとは？

Hy4 Previewは、**Mixture of Experts（MoE）**方式を採用した大規模言語モデルです。すべてのパラメーターを毎回使うのではなく、入力されたトークンごとに一部の専門家ネットワークだけを選んで処理します。これにより、非常に大きなモデル容量を確保しながら、理論上の全パラメーター分の計算を毎回行わずに済みます。

TencentはHy4を、単なるチャットボットではなく、ソフトウェア開発、オフィス業務、研究、金融分析などを自律的に進める「エージェント型」の仕事向けモデルとして位置付けています。CodeBuddyやWorkBuddyなどの開発・業務支援製品に組み込むことで、モデルを実際のワークフローの中で使う設計です。18

なお、ここでいう「オープンソース」は、一般的にはオープンウェイトとして理解するのが適切です。TencentはApache 2.0ライセンスでモデルウェイトを公開し、推論サーバーの構築、ファインチューニング、量子化に関する手順も提供しています。812

主要スペックとアーキテクチャ

Hy4 Previewの主な仕様は次のとおりです。

• **総パラメーター数：**7700億
• **アクティブパラメーター数：**1トークンあたり490億
• **コンテキストウィンドウ：**100万トークン超
• **アーキテクチャ：**Mixture of Experts（MoE）
• **ライセンス：**Apache 2.0
• **モデル形式：**BF16、FP8
• **サービング対応：**vLLM、SGLangの構成例、OpenAI互換APIの利用経路 812

バックボーンは78層で構成されています。Tencentによると、最初の層は密なフィードフォワードネットワークを使い、残る77層ではMoEルーティングを採用しています。そこには256個のルーティング対象エキスパートと共有エキスパートがあり、各トークンは8個のルーティング対象エキスパートと共有エキスパートを通過します。ネイティブのマルチトークン予測層は、投機的デコーディングを支援する設計です。8

アテンション機構には、**Gated DeepSeek Sparse Attention（Gated DSA）**と、層をまたいで疎なアテンションのインデックスを再利用するIndexCacheが使われています。Tencentは、この設計がDeepSeekやGLMに関連する手法から着想を得たものだと説明しています。8

つまりHy4の強みは、単純なパラメーター数の大きさだけではありません。巨大なモデル容量、疎なルーティング、長大なコンテキスト、推論負荷を抑えるための仕組みを組み合わせている点にあります。

Hy3から何が変わったのか

Hy4 Previewは、従来モデルHy3から大幅に拡張されています。

仕様	Hy3	Hy4 Preview	変化
総パラメーター数	295B	770B	約2.6倍
アクティブパラメーター数／トークン	21B	49B	約2.3倍
コンテキストウィンドウ	262Kトークン	100万トークン超	約4倍
モデル設計	MoE	拡張版MoE＋疎アテンション改良	容量と長文処理を強化

Hy4では、モデル全体の容量だけでなく、各トークンの処理に使われる計算量も増えています。Tencentは、学習データを拡張したほか、事前学習と事後学習にも大きな変更を加えたと説明しています。814

実用面で特に大きいのは、コンテキスト長が100万トークンを超えたことです。大規模なコードベース、長い調査資料、複雑な社内文書を一度に扱える可能性があります。ただし、長い入力を受け付けられることと、全体を正確に理解できることは同じではありません。検索や情報の取り出し方、応答速度、長文中での精度維持が実際の使い勝手を左右します。

中国の競合モデルとの比較

Tencentが公表している最も明確な比較は、社内のブラインド対面評価です。社内エキスパート163人が203件のエンジニアリング課題の回答を評価した結果、Hy4 Previewは平均2.99点（4点満点）でした。ZhipuのGLM-5.3は2.92点、MoonshotのKimi K3は2.94点でした。8

この評価ではHy4がわずかに上回りました。しかし、評価者がTencent社内の専門家で、対象もエンジニアリング課題に限られているため、中立的で包括的なランキングと見ることはできません。AlibabaのQwenシリーズやDeepSeekなど、中国国内の競合との比較でも、ベンチマークによって結果は変動しています。113

Hy3からの改善を示す二次報道では、ターミナル操作を伴うコーディング性能を測るTerminal-Bench 2.1や、実際のソフトウェア開発を対象とするDeepSWEで大きくスコアを伸ばしたとも報じられています。ただし、これらはTencentが示した進歩の目安であり、評価条件と結果が独立に再現されるまでは慎重に見るべきです。1718

現時点で最も妥当な結論は、Hy4がコーディングや生産性ワークロード向けの中国製オープンウェイトモデルの最上位グループに位置する、というものです。あらゆるタスクで競合を決定的に上回ったと判断できるだけの証拠は、まだそろっていません。

どこで利用できるのか

Tencentは、ダウンロード可能なモデルウェイトと、同社製品を通じたホスティングの両方を提供しています。

モデルウェイトをダウンロードして運用

モデル本体とFP8版は、Hugging Face、ModelScope、GitCode、CNBで公開されています。TencentはvLLMとSGLang向けのデプロイ手順、OpenAI互換のローカルAPI、ファインチューニング手順、量子化ツールを用意しています。812

これにより、開発者はウェイトを試したり、自社向けの推論基盤を構築したりできます。一方で、「オープンウェイト」であっても軽量という意味ではありません。Tencentの参照用FP8構成では8方向のテンソル並列が使われており、770Bモデルの提供には大容量メモリー、高速なネットワーク、複数GPUによる大規模なインフラが必要です。8

TencentのアプリとホスティングAPI

Hy4はWorkBuddy、CodeBuddy、Yuanbao、imaから利用できます。Tencent Cloud TokenHubやOpenRouter経由の利用にも対応しています。公開時点では、WorkBuddyとCodeBuddyで2週間の無料利用が提供され、旧世代のHy3については9月30日まで利用期間が延長されました。12

第三者報道では、OpenRouterでの入力料金は100万トークンあたり約0.834ドルとされています。ただし、これは特定の提供経路における価格であり、Tencentが恒久的に設定した一律の公式価格とは限りません。料金や提供状況は、プロバイダーや地域によって変わる可能性があります。3

なぜTencentの製品連携が重要なのか

Hy4は、Tencentのアプリ戦略と密接に結び付いています。同社によると、Hy4はWorkBuddyとCodeBuddyと共同で設計され、社内エンジニア、ゲーム開発者、金融アナリスト、セキュリティ専門家から得たタスクデータやフィードバックが活用されています。8

この方法には、モデルの構造以外の強みがあります。Tencentは、実際のコーディングやオフィス業務の中でモデルを検証し、利用状況や製品フィードバックを次の改良に反映できます。また、ユーザーは770Bモデルを自分で運用しなくても、同社の複数のサービスを通じて試せます。

Tencentは、Hunyuan 3を本番環境に投入した後、プレビュー段階と比べて1日あたりの平均トークン使用量が約6倍になったと報告しています。これはアプリを通じた提供が急速な利用拡大につながり得ることを示しますが、ユーザー満足度や長期的な定着を独立に証明するものではありません。

AI基盤への投資も拡大しています。2026年第2四半期の施設・設備関連の設備投資は527億8400万元に達し、前年同期の約2.8倍となりました。経営陣はAIインフラとWorkBuddy関連の投資を優先しています。

TencentはWorkBuddyについて、中国で最も広く利用されている生産性AIエージェントサービスだと説明しています。ただし、これは同社の主張であり、独立監査済みの市場シェア測定ではありません。4

現時点での限界

Hy4 Previewは完成版として公開されたモデルではありません。Tencent自身も、難しい課題に対して必要以上に長く推論したり、自分の回答を過剰に検証したりする場合があると認めています。その結果、応答の遅延や推論コストの増加につながる可能性があります。8

規模の大きさも、導入時の大きな制約です。MoEによって1トークンあたり490億パラメーターだけがアクティブになるとしても、モデル全体を保存して提供する必要があります。自社運用を検討する組織には、大容量メモリー、GPU間ネットワーク、複数GPUの運用能力が求められます。

ベンチマークの根拠にも限界があります。Tencentの社内評価ではGLM-5.3やKimi K3をわずかに上回りましたが、より広い比較ではベンチマークごとに結果が異なります。初期の順位は、確定的な結論ではなく方向性を示すものとして受け止めるべきでしょう。8

また、100万トークン超のコンテキストウィンドウが、そのまま信頼できる長文推論を意味するわけではありません。実際の性能は、タスクの種類、プロンプトの構成、検索戦略、サービング環境に左右されます。

今後予想される改善

正式なリリースロードマップというより、Tencentが示している開発の方向性は明確です。追加の事前学習と事後学習、より高速で反復の少ない推論、WorkBuddyとCodeBuddyからの継続的なフィードバック、推論コストを抑える圧縮・量子化が主な焦点になります。8

これらは、Hy4が抱える中心的なトレードオフに対応するものです。Hy3よりも大きな容量と長いコンテキストを得た一方で、「Preview」という名称が示すように、速度、効率、プロダクション環境での安定性はまだ改良の途上にあります。

結論：強力だが、評価はまだ途中

Hy4 PreviewはHy3から大きく進化しました。総パラメーター数は2950億から7700億へ、アクティブパラメーター数は210億から490億へ増加し、コンテキストウィンドウは262Kから100万トークン超へ拡大しています。812

Apache 2.0のウェイトとデプロイ用ツールを利用できるため、開発者にとって検証する価値は高いモデルです。企業にとっては、770Bモデルを自前で運用するより、TencentのアプリやAPI経由で使う方が現実的なケースも多いでしょう。

ただし、現在の評価は絶対的な勝利宣言ではなく、慎重な期待が適切です。Hy4は、コーディングとAIエージェント型の生産性タスクに強い、最上位クラスの中国製オープンウェイトモデルに見えます。その初期の可能性が持続的な優位性に変わるかどうかは、今後の独立ベンチマーク、開発者の採用状況、実運用での信頼性によって決まります。