Czym jest Hy4 Preview od Tencentu i jak wypada na tle Hy3 oraz chińskich rywali?

Hy4 Preview to najnowszy flagowy model językowy Tencentu z rodziny Hunyuan. Został zbudowany w architekturze mixture-of-experts (MoE), w której przy każdym żądaniu uruchamiana jest tylko część całej sieci. Model ma służyć przede wszystkim do programowania, pracy z narzędziami, automatyzacji biurowej, analiz, badań i tworzenia agentów AI zdolnych do wykonywania wieloetapowych zadań. 171922

To ważne wydanie, ale nie należy mylić go z gotowym, ostatecznym produktem. Hy4 jest nadal wersją Preview, a najbardziej efektowne porównania z konkurencją pochodzą z testów Tencentu lub materiałów opartych na deklaracjach firmy. Niezależne, powtarzalne ewaluacje dopiero pokażą, jak model wypada w codziennym użyciu.

Hy4 Preview kontra Hy3

Parametr	Hy3 Preview	Hy4 Preview	Co to oznacza?
Łączna liczba parametrów	295 mld	770 mld	Około 2,6 raza większa pojemność całego modelu MoE. 24
Aktywne parametry	około 21 mld na token	około 49 mld na żądanie	Hy4 wykorzystuje około 2,3 raza więcej aktywnych obliczeń, co może poprawiać jakość, ale zwiększa koszt obsługi. 24
Okno kontekstowe	256 tys. tokenów	ponad 1 mln tokenów	Hy4 może przyjąć około cztery razy więcej tekstu w jednym kontekście. 171922
Główne zastosowania	Rozumowanie, kodowanie, RAG i agenci IDE	Agenci, kodowanie, badania, praca biurowa i złożone użycie narzędzi	Nowa wersja jest wyraźniej pozycjonowana jako model do produktywności. 1722
Status	Model z otwartymi wagami	Wersja open source w fazie Preview	Przed wdrożeniem komercyjnym trzeba sprawdzić aktualną licencję i warunki użycia w repozytorium.

Hy3 już wcześniej wyróżniał się stosunkiem możliwości do aktywnego kosztu obliczeniowego. Jego architektura obejmowała 295 mld parametrów, ale dla pojedynczego tokenu aktywowanych było około 21 mld. Model korzystał ze 192 ekspertów, z routingiem top-8, i według deklarowanych wyników osiągał 74,4 proc. w SWE-bench Verified. 23

Hy4 zachowuje tę samą podstawową ideę rzadkiego MoE, lecz znacząco zwiększa zarówno całkowitą pojemność, jak i liczbę parametrów aktywnych podczas wnioskowania. W praktyce oznacza to potencjalnie większe możliwości, ale nie sprawia, że model staje się „mały” lub łatwy do uruchomienia na pojedynczej karcie graficznej.

Wyniki i porównanie z chińską konkurencją

Tencent podaje, że Hy4 Preview uzyskał 85,4 punktu w Terminal-Bench 2.1, czyli o 14,6 punktu więcej niż Hy3. Firma twierdzi również, że nowy model wyprzedził DeepSeek V4 Pro w tym teście i zrównał się z Claude Opus 5. To wynik przedstawiany przez Tencent i powiązane materiały, dlatego nie powinien być traktowany jako ostateczne, niezależne rozstrzygnięcie. 13

W wewnętrznej, zaślepionej ocenie Tencentu obejmującej 163 ekspertów i 203 zadania inżynieryjne Hy4 otrzymał średnio 2,99 na 4 punkty. Dla porównania GLM-5.3 firmy Z.ai uzyskał 2,92, a Kimi K3 firmy Moonshot AI — około 2,91–2,94, zależnie od przywoływanego zestawienia. Jest to niewielka różnica i nie można na jej podstawie budować uniwersalnego rankingu modeli. 5

Pod względem całkowitej liczby parametrów Hy4 jest mniejszy od raportowanego:

• DeepSeek V4 Pro — około 1,6 bln parametrów,
• Kimi K3 — około 2,8 bln,
• GLM-5.3 — około 744 mld.

Liczba aktywnych parametrów Hy4, wynosząca 49 mld, ma być zbliżona do wartości raportowanej dla DeepSeek V4 Pro. Same rozmiary modeli nie przesądzają jednak o jakości: znaczenie mają także dane treningowe, sposób routingu ekspertów, narzędzia, ustawienia testu i konstrukcja agenta. 4

Dla dodatkowego kontekstu wcześniejsze wyniki GLM-5 w SWE-bench Verified były raportowane na poziomie 77,8 proc. Takie porównania trzeba interpretować ostrożnie, ponieważ poszczególne wersje benchmarków mogą różnić się konfiguracją narzędzi, zasadami kontroli zanieczyszczenia danych i sposobem uruchamiania agentów. 1

Najbezpieczniejszy wniosek jest więc następujący: Hy4 wygląda na konkurencyjny model wśród chińskich modeli z otwartymi wagami, szczególnie w programowaniu i zadaniach agentowych. Na razie brakuje jednak wystarczających, niezależnych dowodów, by ogłosić go bezdyskusyjnym liderem nad DeepSeekiem, Qwenem, GLM, Kimi czy MiniMax.

Gdzie można korzystać z Hy4 Preview?

Tencent udostępnił Hy4 Preview w chińskiej i międzynarodowej wersji WorkBuddy, czyli asystenta produktywności, oraz CodeBuddy, narzędzia przeznaczonego dla programistów. Model można także znaleźć w produktach Tencentu, takich jak Yuanbao i ima. 22

Dostępne są również integracje API przez Tencent Cloud TokenHub i OpenRouter, a wagi modelu zostały udostępnione w ekosystemach takich jak Hugging Face, GitHub, ModelScope i GitCode. 1922

Otwarte udostępnienie daje firmom możliwość samodzielnego hostowania modelu. Nie oznacza to jednak taniego wdrożenia. Organizacja musi przechować model o łącznej skali 770 mld parametrów, zapewnić dużą ilość pamięci i uruchomić infrastrukturę rozproszoną. Fakt, że podczas pojedynczej inferencji aktywne jest około 49 mld parametrów, ogranicza koszt obliczeń, ale nie eliminuje kosztu przechowywania i obsługi całej architektury. 417

Cena API

Według raportów dotyczących chińskiej oferty Tencentu stawki wynoszą:

• 6 RMB za 1 mln tokenów wejściowych,
• 18 RMB za 1 mln tokenów wyjściowych,
• 0,3 RMB za 1 mln tokenów wejściowych z pamięci podręcznej. 4

Ceny, limity, dostępność regionalna i zasady korzystania z wersji Preview mogą się zmieniać. Oficjalna strona TokenHub podaje także stawki w dolarach: 0,834 dol. za milion tokenów wejściowych, 2,501 dol. za milion tokenów wyjściowych i 0,042 dol. za milion tokenów z cache’u. W praktyce przed wdrożeniem najlepiej sprawdzić aktualny cennik bezpośrednio w konsoli Tencent Cloud.

W zestawieniach zewnętrznych pojawiają się inne wartości, między innymi 0,85 dol. za milion tokenów wejściowych i 2,54 dol. za milion tokenów wyjściowych. Rozbieżności mogą wynikać z marży pośrednika, zmian cennika lub różnic w sposobie rozliczania, dlatego agregatory nie powinny być traktowane jako źródło ostatecznej ceny. 18

Najważniejsze ograniczenia

To wciąż wersja testowa. Jakość odpowiedzi, zachowanie API, limity zapytań, zabezpieczenia i dokumentacja wdrożeniowa mogą zmienić się przed wydaniem stabilnej wersji.

Brakuje pełnego testu niezależnego. Najmocniejsze twierdzenia o przewadze nad rywalami opierają się na testach Tencentu lub relacjach z premiery. Potrzebne są niezależne, odtwarzalne wyniki z takimi samymi ustawieniami narzędzi i agentów. 513

Wymagania sprzętowe są wysokie. Rzadkie aktywowanie parametrów obniża koszt pojedynczej operacji, ale model 770B nadal wymaga dużej pamięci, wielu akceleratorów i doświadczenia w zarządzaniu infrastrukturą rozproszoną.

Milion tokenów kontekstu nie gwarantuje niezawodności. Duże okno jest przydatne przy analizie repozytoriów i dokumentów, lecz użytkownicy powinni osobno sprawdzić trafność wyszukiwania informacji, opóźnienia i koszty przy rzeczywistych długościach kontekstu.

Najbardziej prawdopodobne kierunki rozwoju to stabilna wersja bez oznaczenia Preview, większa niezawodność w korzystaniu z narzędzi, lepsza efektywność inferencji, szersze wsparcie kwantyzacji, niezależna walidacja benchmarków oraz kolejne integracje chmurowe. Są to jednak racjonalne oczekiwania dotyczące produktu, a nie zapowiedziane przez Tencent terminy lub zobowiązania.

Hy4 jako element większego planu Tencentu

Premiera modelu jest częścią szerszej strategii, w której Tencent łączy własne modele, aplikacje i infrastrukturę chmurową. W drugim kwartale 2026 roku firma raportowała 51,8 mld RMB operacyjnych nakładów inwestycyjnych, o 190 proc. więcej rok do roku. W tym samym okresie wolne przepływy pieniężne spadły do minus 13,8 mld RMB, a zarząd wiązał wzrost wydatków przede wszystkim z infrastrukturą AI. 27

Tencent przedstawiał WorkBuddy jako najczęściej używaną w Chinach usługę produktywności opartą na agencie AI. Bloomberg określał ją z kolei jako najpopularniejszego chińskiego asystenta AI do pracy krótko po premierze. Są to deklaracje dotyczące pozycji rynkowej, a nie niezależnie zbadane dane o przychodach. 13

Według zewnętrznych szacunków ruchu na komputerowych stronach internetowych WorkBuddy odnotował w czerwcu 2026 roku 20,97 mln wizyt, wobec 8,85 mln w marcu, czyli w miesiącu premiery. Dane te nie oznaczają jednak liczby aktywnych użytkowników dziennie, płacących firm, przychodów ani użytkowników mobilnych. 12

Zarząd Tencentu informował również o szybkim wzroście liczby użytkowników WorkBuddy i CodeBuddy. 26 Strategia firmy jest czytelna: kosztowne GPU i centra danych mogą obsługiwać jednocześnie własnych asystentów, klientów Tencent Cloud oraz inne elementy ekosystemu Tencentu. Hy4 nie jest więc wyłącznie premierą modelu, lecz próbą połączenia modelu bazowego z aplikacjami, usługami chmurowymi i dystrybucją do użytkowników.

Krótkoterminowy kompromis jest równie wyraźny: Tencent zwiększa nakłady kapitałowe i ponosi koszty skalowania produktów, zanim będzie wiadomo, jak szybko przełożą się one na trwałą monetyzację. Hy4 może wzmocnić tę strategię, ale dopiero stabilność modelu, realne koszty wdrożeń i niezależne wyniki pokażą, czy firma zbudowała konkurencyjną platformę AI, a nie tylko efektowną premierę.