Tencent Hy4 Preview er større, raskere og laget for KI-agenter

Tencent Hy4 Preview er Tencents nye flaggskip innen åpne KI-modeller. Den er bygget som en Mixture-of-Experts-modell (MoE) og er særlig rettet mot KI-agenter som kan planlegge og utføre flere trinn: programvareutvikling, research, kontorautomatisering og komplisert bruk av verktøy. 414

Samtidig er dette en preview-versjon, ikke en ferdig stabil utgave. De mest oppsiktsvekkende sammenligningene med konkurrentene kommer i stor grad fra Tencents egne tester eller lanseringsmateriale. Uavhengige og reproduserbare evalueringer er derfor fortsatt begrenset. 414

Hy4 Preview sammenlignet med Hy3

Egenskap	Hy3 Preview	Hy4 Preview	Hva det betyr
Totalt antall parametere	295 mrd.	770 mrd.	Hy4 har rundt 2,6 ganger større samlet modellkapasitet. 24
Aktiverte parametere	Omtrent 21 mrd. per token	Omtrent 49 mrd. per forespørsel	Hy4 bruker rundt 2,3 ganger mer aktiv beregningskraft, noe som kan gi bedre ytelse, men også høyere driftskostnader. 24
Kontekstvindu	256 000 tokens	Over 1 million tokens	Hy4 kan håndtere betydelig større kodebaser, dokumenter og flertrinnsoppgaver i én arbeidsflyt. 214
Primært bruksområde	Resonnering, programmering og RAG-/IDE-agenter	KI-agenter, programmering, forskning, kontorarbeid og avansert verktøybruk	Hy4 er tydeligere posisjonert som en produktivitetsmodell for praktisk agentbruk. 24
Status	Åpne modellvekter, rapportert under Apache 2.0	Åpen preview-modell	Den nøyaktige lisensen og vilkårene for kommersiell selvd drift bør kontrolleres i Tencents offisielle repository. 214

Hy3 var allerede en relativt beregningseffektiv modell sett opp mot størrelsen. Den har 295 milliarder parametere totalt, men aktiverer rundt 21 milliarder per token gjennom 192 eksperter og top-8-ruting. Modellen hadde også justerbar resonneringsdybde og rapporterte 74,4 prosent på SWE-bench Verified. 23

Hy4 viderefører den samme grunnideen: Bare en del av modellen brukes for hver forespørsel. Men både den totale kapasiteten og mengden aktiv beregning er økt kraftig. Det kan gi bedre resultater, men betyr også at Hy4 er mer krevende å kjøre enn Hy3. 414

Hvor godt presterer Hy4?

Tencent oppgir en score på 85,4 i Terminal-Bench 2.1, som tester programmering gjennom terminalverktøy. Det skal være en forbedring på 14,6 poeng sammenlignet med Hy3. Tencent sier også at Hy4 slår DeepSeek V4 Pro i denne testen og ligger på nivå med Claude Opus 5. Dette er imidlertid en Tencent-assosiert påstand, ikke en uavhengig bekreftet rangering. 13

I en intern, blind evaluering av 203 ingeniøroppgaver ga 163 eksperter Hy4 en gjennomsnittsscore på 2,99 av 4. Til sammenligning fikk Z.ais GLM-5.3 2,92, mens Moonshots Kimi K3 fikk 2,91. Forskjellen er liten, og testen bør ikke tolkes som en universell toppliste over alle KI-modeller. 5

Ser man på den totale parameterstørrelsen, er Hy4 mindre enn de rapporterte tallene for flere rivaler:

• Hy4 Preview: 770 milliarder totale parametere.
• DeepSeek V4 Pro: rapportert til 1,6 billioner.
• Kimi K3: rapportert til 2,8 billioner.
• GLM-5.3: rundt 744 milliarder.

Hy4s 49 milliarder aktiverte parametere skal samtidig være omtrent på nivå med DeepSeek V4 Pro. 4

Et tidligere rapportert resultat for GLM-5 var 77,8 prosent på SWE-bench Verified. Slike tall må likevel sammenlignes med varsomhet: Testversjon, verktøytilgang, agentoppsett, kontroll mot datalekkasjer og andre innstillinger kan variere mellom modellene. 1

Kort oppsummert: Hy4 ser konkurransedyktig ut blant kinesiske åpne modeller for programmering og agentbaserte arbeidsflyter. Det finnes likevel foreløpig ikke nok uavhengig dokumentasjon til å slå fast at den er best totalt sett foran DeepSeek, Qwen, GLM, Kimi eller MiniMax.

Hvor kan man bruke modellen?

Hy4 Preview er gjort tilgjengelig i både kinesiske og internasjonale versjoner av WorkBuddy og CodeBuddy. Det gir brukere en direkte inngang til henholdsvis kontor- og programmeringsagenter. 14

Modellen er også åpnet for eksterne brukere gjennom modellplattformer og API-integrasjoner, blant annet Tencent Cloud TokenHub og OpenRouter. Den kan dermed testes som en tjeneste uten at virksomheten må drifte hele modellen selv.

At modellvektene er åpne, gir organisasjoner mulighet til å undersøke og eventuelt drifte Hy4 på egen infrastruktur. «Åpen» betyr likevel ikke at modellen er enkel eller billig å kjøre: En MoE-modell på 770 milliarder parametere krever store mengder minne, distribuert maskinvare og betydelig driftserfaring, selv om bare rundt 49 milliarder parametere brukes for hver forespørsel. 414

Pris: billigere enn størrelsen kan antyde?

Den rapporterte kinesiske API-prisen er:

• 6 RMB per million input-tokens
• 18 RMB per million output-tokens
• 0,3 RMB per million cachede input-tokens

Pris, kvoter, regioner og API-tilgang kan endres mens modellen er i preview. 4

En tredjepartssammenligning oppgir samtidig priser på 0,85 dollar per million input-tokens og 0,62 dollar per million output-tokens. Dette avviker fra den rapporterte RMB-prisen og fremstår også som internt selvmotsigende fordi output-prisen er lavere enn input-prisen. For praktisk bruk bør man derfor sjekke Tencents gjeldende pris direkte i konsollen fremfor å stole på en aggregator. 84

Begrensninger du bør kjenne til

Preview-statusen er viktig. Modellkvalitet, API-oppførsel, sikkerhetskontroller, pris, hastighetsgrenser og dokumentasjon kan endres raskt. 14

Benchmarkresultatene er ikke fullt ut eple-mot-eple. De mest imponerende sammenligningene er knyttet til Tencents egne tester eller lanseringsdata. Uavhengige tester med samme verktøy, datagrunnlag og agentoppsett vil være nødvendig for å vurdere den reelle plasseringen. 513

Selvd drift er krevende. MoE-arkitekturen reduserer beregningsbehovet per token, men hele modellen må fortsatt lagres og håndteres. Hy4 har dessuten en langt større aktiv del enn Hy3. 24

Én million tokens garanterer ikke god ytelse. Et langt kontekstvindu er nyttig for store dokumenter og kodebaser, men brukere bør teste hvor godt modellen faktisk finner relevant informasjon, hvor lang svartiden blir og hva kostnaden er ved deres normale kontekstlengder.

De mest sannsynlige forbedringene fremover er en stabil modellutgave, mer pålitelig bruk av verktøy og agenter, bedre kvantisering og inferenseffektivitet, flere uavhengige benchmarkresultater og bredere integrasjoner mot skytjenester og API-er. Dette er forventede produktsteg, ikke kunngjorte løfter fra Tencent.

Tencents større KI-satsing

Hy4 kommer som del av en bredere satsing, ikke som et isolert modellslipp. I andre kvartal 2026 rapporterte Tencent driftsrelaterte investeringer på 51,8 milliarder RMB, en økning på 190 prosent fra året før. Det bidro til en negativ fri kontantstrøm på 13,8 milliarder RMB, mens ledelsen knyttet økningen i pengebruken til KI-infrastruktur. 15

Tencent forsøker samtidig å bygge et helt økosystem rundt modellene sine. WorkBuddy skal ifølge selskapet være Kinas mest brukte produktivitetsagent, og Bloomberg omtalte tjenesten som landets mest populære KI-assistent for arbeidsplassen kort tid etter lanseringen i mars. Dette er markedsposisjoner, ikke reviderte tall for inntekter eller lønnsomhet. 71

Tredjepartsestimater for trafikk på PC og nett viser 20,97 millioner besøk til WorkBuddy i juni 2026, opp fra 8,85 millioner ved lanseringen i mars. Kilden presiserer at tallene måler besøk – ikke daglige aktive brukere, betalende selskaper, inntekter eller mobilbruk. 12

Tencents ledelse sier også at både WorkBuddy og CodeBuddy får brukere raskt. 6

Den strategiske tanken er tydelig: Selskapet kan fordele kostnadene for GPU-er og skytjenester på egne assistenter, Tencent Cloud-kunder og det eksisterende produktøkosystemet. Hy4 skal dermed ikke bare selges som en modell, men fungere som motoren i flere tjenester.

Det gir Tencent flere mulige inntektskanaler, men også en klar kortsiktig utfordring: KI-satsingen krever store investeringer før det er sikkert hvor raskt produktene blir lønnsomme. 615

Konklusjon

Hy4 Preview er et betydelig steg opp fra Hy3 i størrelse, aktiv beregning og kontekstlengde. Med 770 milliarder totale parametere, rundt 49 milliarder aktiverte parametere og et kontekstvindu på over én million tokens er modellen bygget for tunge agent- og produktivitetsoppgaver.

Den ser allerede sterk ut i Tencents egne programmeringstester og ligger tett på flere kinesiske toppmodeller i interne sammenligninger. Men siden Hy4 fortsatt er en preview, bør virksomheter som vurderer modellen vente på mer uavhengig dokumentasjon – og teste den mot egne arbeidsflyter før de trekker konklusjoner om kvalitet, kostnad og drift.