Tencent Hy4 Preview: Arkitektur, tester, pris og tilgjengelighet

Tencent Hy4 Preview er Tencents største åpne modellutgivelse til nå – og selskapets tydeligste forsøk på å koble en modell i toppklassen med verktøy for arbeid, programmering og AI-agenter. Modellen ble lansert 28. august 2026 og er rettet mot blant annet programvareutvikling, forskning, finansanalyse og andre oppgaver der en AI-agent skal utføre flere trinn på vegne av brukeren. 112

Tallene er iøynefallende: 770 milliarder totale parametere, 49 milliarder aktive parametere per token og et kontekstvindu på over én million tokens. Den foreløpige konklusjonen bør likevel være nyansert. Hy4 ser ut som en kinesisk modell i toppsjiktet for koding og produktivitetsoppgaver, men påstandene om at den er best, bygger fortsatt i stor grad på Tencents egne tester og må bekreftes av bredere, uavhengige evalueringer. 18

Hva er Tencent Hy4 Preview?

Hy4 Preview er en språkmodell basert på Mixture of Experts, vanligvis forkortet MoE. I stedet for å bruke hele nettverket for hvert eneste token, rutes hver forespørsel til et mindre utvalg eksperter. Dermed kan modellen ha svært høy samlet kapasitet uten at alle parametrene må beregnes for hvert token.

Tencent beskriver Hy4 først og fremst som en modell for såkalt agentisk arbeid – ikke bare som en generell chatbot. Bruksområdene omfatter programmering, kontorarbeid, forskning og finansanalyse. Modellen er samtidig utviklet for å brukes direkte i Tencents verktøy for programvareutvikling og arbeidsflyt. 18

Når Tencent omtaler Hy4 som «open source», er det mest presist å forstå som åpne modellvekter med en tillatende lisens og støtte for egen drift. Modellen er publisert under Apache 2.0, sammen med veiledning for kjøring, finjustering og kvantisering. 812

Arkitektur og spesifikasjoner

De viktigste spesifikasjonene er:

• Totale parametere: 770 milliarder
• Aktive parametere per token: 49 milliarder
• Kontekstvindu: Over én million tokens
• Arkitektur: Mixture of Experts
• Lisens: Apache 2.0
• Modellformater: BF16 og FP8
• Serverstøtte: Oppskrifter for vLLM og SGLang, samt en OpenAI-kompatibel API-løsning 812

Modellen har 78 lag. Tencent opplyser at det første laget bruker et tett feed-forward-nettverk, mens de resterende 77 lagene bruker MoE-ruting med 256 rutede eksperter og én delt ekspert. For hvert token velges åtte rutede eksperter i tillegg til den delte eksperten. Hy4 har også et innebygd lag for prediksjon av flere tokens, som skal kunne bidra til spekulativ dekoding og raskere inferens. 8

Oppmerksomhetsmekanismen er basert på Gated DeepSeek Sparse Attention med IndexCache. Denne løsningen skal gjøre det mulig å gjenbruke sparse-indekser på tvers av lag. Tencent sier at arkitekturen blant annet er inspirert av tilnærminger knyttet til DeepSeek og GLM. 8

Det interessante med Hy4 er derfor ikke bare størrelsen. Modellen kombinerer svært høy total kapasitet med sparsom ruting, lang kontekst og mekanismer som er ment å begrense kostnaden ved kjøring.

Hy4 sammenlignet med Hy3

Hy4 er en kraftig oppskalering av Tencents forrige Hy3-modell:

Spesifikasjon	Hy3	Hy4 Preview	Endring
Totale parametere	295 mrd.	770 mrd.	Omtrent 2,6 ganger større
Aktive parametere per token	21 mrd.	49 mrd.	Omtrent 2,3 ganger mer aktiv beregning
Kontekstvindu	262 000 tokens	Over 1 mill. tokens	Omtrent fire ganger større
Modellutforming	MoE	Utvidet MoE med endringer i sparse-attention	Høyere kapasitet og lengre kontekst

Hy4 øker altså både den samlede modellkapasiteten og mengden aktiv beregning for hvert token. Tencent sier også at treningsdataene er utvidet, og at både forhåndstrening og ettertrening er endret betydelig. 814

Det større kontekstvinduet kan være spesielt nyttig i praksis. Over én million tokens kan gjøre det mulig å arbeide med store kodebaser, omfattende forskningsmateriale og lange arbeidsdokumenter i én og samme økt. Den faktiske nytten vil likevel avhenge av blant annet gjenfinningskvalitet, svartid og hvor godt modellen beholder presisjonen gjennom svært lange inndata.

Hvordan gjør Hy4 det mot kinesiske konkurrenter?

Tencents tydeligste offentliggjorte sammenligning er en intern blindtest. Der vurderte 163 interne eksperter modellens svar på 203 oppgaver innen programvareutvikling. Hy4 Preview fikk en gjennomsnittsscore på 2,99 av 4, mot 2,92 for Zhipus GLM-5.3 og 2,94 for Moonshots Kimi K3. 8

Det plasserte Hy4 så vidt foran i Tencents test, men resultatet bør ikke leses som en nøytral og fullstendig rangering av markedet. Evaluatorene var Tencents egne eksperter, og testen var avgrenset til tekniske utviklingsoppgaver. Andre sammenligninger viser at resultatene varierer mot modeller fra blant andre Alibaba og DeepSeek. 113

Sekundærrapporter viser også til store forbedringer over Hy3 i kodetester som Terminal-Bench 2.1 og DeepSWE. Slike tall kan være nyttige som tegn på fremgang, men bør tolkes med varsomhet inntil testoppsett og resultater er gjentatt uavhengig. 1718

Den mest forsvarlige vurderingen er derfor at Hy4 hører hjemme i toppsjiktet blant kinesiske åpne modeller for koding og produktivitetsoppgaver. Det tilgjengelige materialet viser ikke at modellen klart slår alle konkurrenter i alle typer oppgaver.

Hvor kan Hy4 Preview brukes?

Tencent tilbyr Hy4 både som nedlastbare modellvekter og gjennom vertsbaserte tjenester.

Nedlasting og egen drift

Modellen og FP8-versjonen er tilgjengelige via Hugging Face, ModelScope, GitCode og CNB. Tencent tilbyr oppskrifter for vLLM og SGLang, en lokal API-løsning som er kompatibel med OpenAI-formatet, instruksjoner for finjustering og verktøy for kvantisering. 812

Dette gjør modellen interessant for utviklere som vil teste vektene eller bygge sin egen tjenesteløsning. «Åpne modellvekter» betyr imidlertid ikke at modellen er liten eller enkel å kjøre. Tencents referanseoppsett for FP8 bruker åtteveis tensorparallellisme, og en 770-milliarders modell krever fortsatt betydelig minne, nettverk og kapasitet fra flere GPU-er. 8

Tencent-produkter og API-er

Brukere kan få tilgang til Hy4 gjennom WorkBuddy, CodeBuddy, Yuanbao og ima. Tencent oppgir også tilgang via Tencent Cloud TokenHub og OpenRouter. Ved lanseringen tilbød selskapet to ukers gratis bruk i WorkBuddy og CodeBuddy, mens tilgangen til den tidligere Hy3-modellen ble forlenget til 30. september. 12

En tredjepartsrapport oppga en OpenRouter-pris på rundt 0,834 dollar per million input-tokens. Dette bør ses på som en kanalspesifikk pris, ikke som en nødvendigvis permanent prisliste fra Tencent. Pris og tilgjengelighet kan variere mellom leverandører og geografiske områder. 3

Hvorfor Tencents produktdistribusjon er viktig

Hy4 er tett knyttet til Tencents strategi for AI-produkter. Selskapet sier at modellen ble utviklet sammen med WorkBuddy og CodeBuddy, basert på oppgaver og tilbakemeldinger fra interne ingeniører, spillutviklere, finansanalytikere og sikkerhetsspesialister. 8

Det kan gi Tencent et fortrinn som ikke bare handler om selve arkitekturen. Selskapet kan prøve ut modellen i reelle arbeids- og kodeverktøy, samle inn produktdata og bruke tilbakemeldingene i senere versjoner. Det samme distribusjonsapparatet gjør det mulig for brukere å teste modellen uten selv å måtte drifte et system på 770 milliarder parametere.

Det finnes også tidlige tegn på at Tencents bredere Hunyuan-distribusjon kan skape stort bruk. Tencent rapporterte at den gjennomsnittlige daglige tokenbruken økte omtrent seks ganger da Hunyuan 3 gikk fra forhåndsvisning til produksjon. Det viser rask vekst i bruken, men er ikke i seg selv et uavhengig bevis på brukertilfredshet eller varig lojalitet.

Tencent investerer samtidig tungt i infrastrukturen som skal støtte strategien. Investeringer i anlegg og utstyr var på 52,784 milliarder yuan i andre kvartal 2026, rundt 2,8 ganger nivået året før. Ledelsen prioriterte AI-infrastruktur og investeringer knyttet til WorkBuddy.

Tencent har omtalt WorkBuddy som Kinas mest brukte tjeneste for produktivitetsorienterte AI-agenter. Det er imidlertid selskapets egen påstand, ikke en uavhengig og revidert måling av markedsandeler. 4

Begrensninger ved Hy4 Preview

Hy4 Preview presenteres ikke som en ferdig modell. Tencent erkjenner at den kan bruke lengre tid enn nødvendig på vanskelige oppgaver, og at den noen ganger oververifiserer sitt eget arbeid. Det kan gi høyere svartid og større kostnader ved inferens. 8

Størrelsen er en annen praktisk begrensning. MoE-ruting betyr at bare 49 milliarder parametere er aktive for hvert enkelt token, men hele modellen må fortsatt lagres og betjenes. Organisasjoner som vurderer egen drift, trenger derfor betydelig minne, nettverkskapasitet og et oppsett med flere GPU-er.

Benchmarkgrunnlaget har også begrensninger. Tencents interne evaluering viser en smal ledelse over GLM-5.3 og Kimi K3 i tekniske oppgaver, mens bredere sammenligninger varierer fra test til test. Tidlige rangeringer bør derfor ses på som retningsgivende, ikke endelige. 8

Et langt kontekstvindu er dessuten ikke det samme som pålitelig resonnering over lange tekster. Hy4s kapasitet på over én million tokens er en viktig spesifikasjon, men ytelsen i praksis vil avhenge av oppgaven, hvordan prompten er utformet, gjenfinningsstrategien og serverkonfigurasjonen.

Hva kan bli bedre fremover?

Tencents uttalte retning er tydeligere enn en formell veikartplan. Selskapet peker på mer forhåndstrening og ettertrening, raskere og mindre repetitiv resonnering, fortsatt tilbakemelding fra WorkBuddy og CodeBuddy samt komprimering og kvantisering for å redusere kostnadene ved drift. 8

Slike forbedringer vil rette seg mot Hy4s viktigste avveining: Modellen tilbyr større kapasitet og langt mer kontekst enn Hy3, men «Preview»-merkelappen signaliserer at hastighet, effektivitet og stabilitet i produksjon fortsatt finpusses.

Konklusjon

Hy4 Preview er et stort steg opp fra Hy3. De totale parameterne øker fra 295 til 770 milliarder, aktive parametere fra 21 til 49 milliarder, og kontekstvinduet fra 262 000 til over én million tokens. Modellen er også uvanlig tett koblet til Tencents egne kodeverktøy, kontorprodukter, skytjenester og forbrukerapper. 812

For utviklere gjør Apache 2.0-lisensen og distribusjonsverktøyene Hy4 verdt å teste. For virksomheter kan vertsbasert tilgang gjennom Tencents produkter og API-er være langt mer praktisk enn å drifte modellen selv.

Den riktige foreløpige dommen er likevel nøktern: Hy4 ser ut som en kraftig kinesisk modell i toppklassen for koding og agentisk produktivitet. Om den tidlige lovnaden blir til et varig forsprang, vil avhenge av uavhengige tester og stabil bruk i produksjon.