Tencent Hunyuan Hy4 previewは、同社が2026年8月28日に公開した、生産性向けのオープンソース大規模言語モデルです。Mixture-of-Experts（MoE）方式を採用し、総パラメーター数は7700億。1回のテキスト処理で実際に使われるアクティブパラメーターは約490億で、コンテキストウィンドウは100万トークンを超えます。1314

注目すべきなのは、Hy4が単なる大規模チャットボットとしてではなく、コーディングや研究、金融分析、文書処理といった「仕事を進めるためのAIエージェント」の基盤として位置づけられている点です。一方で、現時点の性能優位を裏付ける主な材料はTencent自身の評価です。モデルの規模や長文脈、料金、製品連携は大きな特徴ですが、あらゆる競合オープンソースモデルを上回ると判断できる証拠がそろっているわけではありません。

Hy4 previewの特徴は何か

MoEモデルでは、モデル全体に含まれるパラメーターのすべてを毎回使うのではなく、入力内容に応じて一部の専門家ネットワークを選択して処理します。Hy4の「7700億」という数字はモデル全体の規模を示し、1回のリクエストで有効になるのは約490億パラメーターです。1

この構成により、非常に大きなモデルを構築しながら、各リクエストで処理する部分を抑えられます。ただし、実際の運用コストや応答速度は、GPU構成や並列化、推論基盤などにも左右されます。総パラメーター数が大きいからといって、そのまま安価・高速になるわけではありません。

もう一つの目玉が、100万トークンを超えるコンテキストウィンドウです。大規模なコードベース、複数の社内文書、長い研究資料、複数ファイルにまたがる分析など、短い文脈のAIでは扱いにくかった作業を想定しています。39

もっとも、長い文書を入力できることと、その全体から必要な情報を正確に取り出し、矛盾なく推論できることは別問題です。長文脈は強力な土台ですが、検索精度や推論品質を自動的に保証する機能ではありません。

TencentはHy4を、モデルの規模、コンテキスト長、学習データを拡張した最上位クラスのオープンソースモデルと説明しています。ただし、これは同社の位置づけであり、公開情報から明確に確認できるのは主に仕様と想定用途です。業界全体での一律の順位が確定したわけではありません。56

主戦場はコーディングと知的業務

Tencentが挙げる主な用途は次の通りです。

• ソフトウェア開発とエージェント型コーディング
• フロントエンド開発
• オフィス業務とナレッジワーク
• 金融分析
• 科学研究
• ゲーム開発
• 複数ファイルやデータの横断分析

Reutersも、Hy4がソフトウェア開発、研究、金融分析を対象としていると報じています。Tencentの発表や関連報道では、オフィス業務、コーディング、科学、ゲーム開発など、より広い生産性用途が示されています。169

この設計思想を理解するうえで重要なのが、Hy4とTencent製品の関係です。TencentはWorkBuddyやCodeBuddyとモデルを共同設計し、エージェント型コーディングや生産性タスクに合わせて最適化していると説明しています。2614

つまりHy4は、モデル単体でベンチマークの数字を競うだけでなく、実際の開発・文書作成・調査フローの中で使われることを前提にしています。モデルとアプリを一体で改善できる点は、Tencentが自社サービスを持つことの強みになり得ます。

GLM 5.3とKimi K3との比較

Tencentは、社内の163人の専門家が203件のエンジニアリング課題を評価する、ブラインド方式の対戦テストを実施しました。報告された平均スコアは次の通りです。

• Hy4 preview：2.99／4.00
• Kimi K3：2.94／4.00
• GLM 5.3：2.92／4.00

このテストでは、Hy4 previewが両モデルをわずかに上回りました。勝率はGLM 5.3に対して46.8%、Kimi K3に対して51.2%でした。残りは引き分けと敗北です。530

ただし、差は小さく、評価者と課題はいずれもTencent側のテスト条件に基づいています。そのため、この結果だけでHy4が独立ベンチマークや異なる分野、すべての実務環境で優れているとは言えません。

現時点で最も慎重かつ妥当な結論は、Hy4 previewが競争力を示し、Tencentの社内評価ではGLM 5.3とKimi K3を僅差で上回った、というものです。530

自らの開発・推論基盤の最適化にも参加

Hy4をめぐる特徴的な主張の一つが、モデル自身が開発パイプラインの一部の改善に関与したというものです。Tencentによると、Hy4は学習手法、データ戦略、評価プロセス、演算子、推論システムの改善を支援しました。14

これは、モデルに変更案の提案や評価を担わせ、その結果を次の改善に反映するという、初期段階の「再帰的な自己改善」にあたります。ただし、完全に自律したAI研究者が実現したという意味ではなく、Tencentが構築した開発プロセスの中でモデルを活用したという説明です。

Tencentはさらに、Hy4が推論ボトルネックを分析し、演算子融合や通信効率の改善を複数回行った結果、エンドツーエンドの推論スループットがベースライン比で31.8%向上したと報告しています。56

この31.8%という数値はTencentが発表したエンジニアリング結果であり、第三者による監査済みの再現結果ではありません。したがって、業界全体で検証された性能値というより、Tencentがモデル開発とインフラ最適化を結びつけていることを示す事例として見るのが適切です。

どこで使えるのか

Hy4 previewはオープンソースモデルとして公開され、Tencentの製品や外部API経由でも利用できます。公開時点で案内されている主な入口は次の通りです。

• WorkBuddy
• CodeBuddy
• Yuanbao
• ima
• Tencent Cloud TokenHub
• OpenRouter

WorkBuddyとCodeBuddyでは、公開時に2週間の無料利用期間が提供されました。開発者はTokenHubまたはOpenRouterを通じてAPI接続できます。実際の提供地域、利用上限、待ち時間、料金はプラットフォームによって異なる可能性があります。5914

API料金

Tencent Cloud TokenHubの国際向け料金として、次の価格が報告されています。

• 入力：100万トークンあたり0.834ドル
• 出力：100万トークンあたり2.501ドル
• キャッシュ入力：100万トークンあたり0.042ドル

同じコードベースや文書群を繰り返し送るアプリケーションでは、キャッシュ入力の安さが特に重要になります。ただし、実際の費用はプロンプトの長さ、出力トークン数、キャッシュの利用状況、同時実行数、どのプロバイダーを使うかによって変わります。1114

WorkBuddyがローンチの中心にある理由

Hy4 previewの公開は、Tencentがモデル開発と生産性アプリを組み合わせる戦略の一部です。提供されたローンチ情報によると、WorkBuddyは2026年3月に開始され、Hunyuanの能力を日常的な開発やナレッジワークに組み込む役割を担っています。3

Tencentや一部の報道はWorkBuddyを「中国版Codex」と位置づけていますが、これは市場ポジショニング上の表現であり、独立した調査による確定的な順位ではありません。3

Hy4公開直後にはWorkBuddyへのアクセスが集中し、タスクキューの滞留が発生したと報じられました。Tencentは推論クラスターの容量を増強したとしています。4これは利用者や開発者の関心の強さを示す材料ですが、モデルの品質を直接測る指標ではありません。

リリースの速さも見逃せません。報道によると、Tencentが2月にインフラを再構築して以降、Hunyuanはおおむね2カ月に1回のペースで主要バージョンを更新しており、Hy4は約6カ月で3つ目の主要モデルとなりました。23

Tencentは次のHy4バージョンも近く公開する予定だとしていますが、現時点で正確なリリース日や最終仕様は明らかになっていません。2

まとめ：性能競争より「使えるAI」への転換が焦点

Hy4 previewの意義は、7700億という大規模な総パラメーター数、100万トークン超の長文脈、エージェント型の生産性用途、そしてTencent製品やAPIパートナーを通じた公開性を組み合わせた点にあります。

Tencent社内のテストでは、Hy4 previewの平均スコアは2.99／4.00で、GLM 5.3とKimi K3を僅差で上回りました。しかし、この結果を幅広い性能優位の証拠として扱うことはできません。

開発者にとって重要なのは、Hy4が自分のコードベースや文書群をどれだけ正確に扱えるか、コーディング作業をどれだけ効率化できるか、そしてWorkBuddyやCodeBuddyとの連携が実務に役立つかです。研究者や導入を検討する企業にとっては、今後の独立評価、実運用時の推論挙動に関する情報、Tencent社内テスト以外の性能データが次の判断材料になります。

Tencent Hunyuan Hy4 previewは、同社が2026年8月28日に公開した、生産性向けのオープンソース大規模言語モデルです。Mixture-of-Experts（MoE）方式を採用し、総パラメーター数は7700億。1回のテキスト処理で実際に使われるアクティブパラメーターは約490億で、コンテキストウィンドウは100万トークンを超えます。1314

注目すべきなのは、Hy4が単なる大規模チャットボットとしてではなく、コーディングや研究、金融分析、文書処理といった「仕事を進めるためのAIエージェント」の基盤として位置づけられている点です。一方で、現時点の性能優位を裏付ける主な材料はTencent自身の評価です。モデルの規模や長文脈、料金、製品連携は大きな特徴ですが、あらゆる競合オープンソースモデルを上回ると判断できる証拠がそろっているわけではありません。

Hy4 previewの特徴は何か

MoEモデルでは、モデル全体に含まれるパラメーターのすべてを毎回使うのではなく、入力内容に応じて一部の専門家ネットワークを選択して処理します。Hy4の「7700億」という数字はモデル全体の規模を示し、1回のリクエストで有効になるのは約490億パラメーターです。1

この構成により、非常に大きなモデルを構築しながら、各リクエストで処理する部分を抑えられます。ただし、実際の運用コストや応答速度は、GPU構成や並列化、推論基盤などにも左右されます。総パラメーター数が大きいからといって、そのまま安価・高速になるわけではありません。

もう一つの目玉が、100万トークンを超えるコンテキストウィンドウです。大規模なコードベース、複数の社内文書、長い研究資料、複数ファイルにまたがる分析など、短い文脈のAIでは扱いにくかった作業を想定しています。39

もっとも、長い文書を入力できることと、その全体から必要な情報を正確に取り出し、矛盾なく推論できることは別問題です。長文脈は強力な土台ですが、検索精度や推論品質を自動的に保証する機能ではありません。

TencentはHy4を、モデルの規模、コンテキスト長、学習データを拡張した最上位クラスのオープンソースモデルと説明しています。ただし、これは同社の位置づけであり、公開情報から明確に確認できるのは主に仕様と想定用途です。業界全体での一律の順位が確定したわけではありません。56

主戦場はコーディングと知的業務

Tencentが挙げる主な用途は次の通りです。

• ソフトウェア開発とエージェント型コーディング
• フロントエンド開発
• オフィス業務とナレッジワーク
• 金融分析
• 科学研究
• ゲーム開発
• 複数ファイルやデータの横断分析

Reutersも、Hy4がソフトウェア開発、研究、金融分析を対象としていると報じています。Tencentの発表や関連報道では、オフィス業務、コーディング、科学、ゲーム開発など、より広い生産性用途が示されています。169

この設計思想を理解するうえで重要なのが、Hy4とTencent製品の関係です。TencentはWorkBuddyやCodeBuddyとモデルを共同設計し、エージェント型コーディングや生産性タスクに合わせて最適化していると説明しています。2614

つまりHy4は、モデル単体でベンチマークの数字を競うだけでなく、実際の開発・文書作成・調査フローの中で使われることを前提にしています。モデルとアプリを一体で改善できる点は、Tencentが自社サービスを持つことの強みになり得ます。

GLM 5.3とKimi K3との比較

Tencentは、社内の163人の専門家が203件のエンジニアリング課題を評価する、ブラインド方式の対戦テストを実施しました。報告された平均スコアは次の通りです。

• Hy4 preview：2.99／4.00
• Kimi K3：2.94／4.00
• GLM 5.3：2.92／4.00

このテストでは、Hy4 previewが両モデルをわずかに上回りました。勝率はGLM 5.3に対して46.8%、Kimi K3に対して51.2%でした。残りは引き分けと敗北です。530

ただし、差は小さく、評価者と課題はいずれもTencent側のテスト条件に基づいています。そのため、この結果だけでHy4が独立ベンチマークや異なる分野、すべての実務環境で優れているとは言えません。

現時点で最も慎重かつ妥当な結論は、Hy4 previewが競争力を示し、Tencentの社内評価ではGLM 5.3とKimi K3を僅差で上回った、というものです。530

自らの開発・推論基盤の最適化にも参加

Hy4をめぐる特徴的な主張の一つが、モデル自身が開発パイプラインの一部の改善に関与したというものです。Tencentによると、Hy4は学習手法、データ戦略、評価プロセス、演算子、推論システムの改善を支援しました。14

これは、モデルに変更案の提案や評価を担わせ、その結果を次の改善に反映するという、初期段階の「再帰的な自己改善」にあたります。ただし、完全に自律したAI研究者が実現したという意味ではなく、Tencentが構築した開発プロセスの中でモデルを活用したという説明です。

Tencentはさらに、Hy4が推論ボトルネックを分析し、演算子融合や通信効率の改善を複数回行った結果、エンドツーエンドの推論スループットがベースライン比で31.8%向上したと報告しています。56

この31.8%という数値はTencentが発表したエンジニアリング結果であり、第三者による監査済みの再現結果ではありません。したがって、業界全体で検証された性能値というより、Tencentがモデル開発とインフラ最適化を結びつけていることを示す事例として見るのが適切です。

どこで使えるのか

Hy4 previewはオープンソースモデルとして公開され、Tencentの製品や外部API経由でも利用できます。公開時点で案内されている主な入口は次の通りです。

• WorkBuddy
• CodeBuddy
• Yuanbao
• ima
• Tencent Cloud TokenHub
• OpenRouter

WorkBuddyとCodeBuddyでは、公開時に2週間の無料利用期間が提供されました。開発者はTokenHubまたはOpenRouterを通じてAPI接続できます。実際の提供地域、利用上限、待ち時間、料金はプラットフォームによって異なる可能性があります。5914

API料金

Tencent Cloud TokenHubの国際向け料金として、次の価格が報告されています。

• 入力：100万トークンあたり0.834ドル
• 出力：100万トークンあたり2.501ドル
• キャッシュ入力：100万トークンあたり0.042ドル

同じコードベースや文書群を繰り返し送るアプリケーションでは、キャッシュ入力の安さが特に重要になります。ただし、実際の費用はプロンプトの長さ、出力トークン数、キャッシュの利用状況、同時実行数、どのプロバイダーを使うかによって変わります。1114

WorkBuddyがローンチの中心にある理由

Hy4 previewの公開は、Tencentがモデル開発と生産性アプリを組み合わせる戦略の一部です。提供されたローンチ情報によると、WorkBuddyは2026年3月に開始され、Hunyuanの能力を日常的な開発やナレッジワークに組み込む役割を担っています。3

Tencentや一部の報道はWorkBuddyを「中国版Codex」と位置づけていますが、これは市場ポジショニング上の表現であり、独立した調査による確定的な順位ではありません。3

Hy4公開直後にはWorkBuddyへのアクセスが集中し、タスクキューの滞留が発生したと報じられました。Tencentは推論クラスターの容量を増強したとしています。4これは利用者や開発者の関心の強さを示す材料ですが、モデルの品質を直接測る指標ではありません。

リリースの速さも見逃せません。報道によると、Tencentが2月にインフラを再構築して以降、Hunyuanはおおむね2カ月に1回のペースで主要バージョンを更新しており、Hy4は約6カ月で3つ目の主要モデルとなりました。23

Tencentは次のHy4バージョンも近く公開する予定だとしていますが、現時点で正確なリリース日や最終仕様は明らかになっていません。2

まとめ：性能競争より「使えるAI」への転換が焦点

Hy4 previewの意義は、7700億という大規模な総パラメーター数、100万トークン超の長文脈、エージェント型の生産性用途、そしてTencent製品やAPIパートナーを通じた公開性を組み合わせた点にあります。

Tencent社内のテストでは、Hy4 previewの平均スコアは2.99／4.00で、GLM 5.3とKimi K3を僅差で上回りました。しかし、この結果を幅広い性能優位の証拠として扱うことはできません。

開発者にとって重要なのは、Hy4が自分のコードベースや文書群をどれだけ正確に扱えるか、コーディング作業をどれだけ効率化できるか、そしてWorkBuddyやCodeBuddyとの連携が実務に役立つかです。研究者や導入を検討する企業にとっては、今後の独立評価、実運用時の推論挙動に関する情報、Tencent社内テスト以外の性能データが次の判断材料になります。