Tencent Hy4 Preview mira programação, pesquisa e produtividade com contexto de mais de 1 milhão de tokens

A Tencent apresentou em 28 de agosto de 2026 o Hy4 Preview, um modelo de linguagem de código aberto voltado principalmente para produtividade. A novidade combina uma arquitetura de mistura de especialistas com 770 bilhões de parâmetros totais, aproximadamente 49 bilhões ativados em cada solicitação de texto e uma janela de contexto superior a 1 milhão de tokens. 1314

Na prática, a Tencent não está posicionando o Hy4 apenas como mais um chatbot. O foco está em programação, pesquisa, análise financeira, trabalho de escritório, análise de dados e outros fluxos de trabalho que podem ser executados por agentes de IA. 136

A ressalva importante é que a vantagem de desempenho divulgada até agora é modesta e vem principalmente de avaliações organizadas pela própria Tencent. O Hy4 chama atenção por sua escala, pelo contexto longo, pela integração com produtos e pelo custo de uso informado — não porque as evidências disponíveis comprovem que ele supera amplamente todos os modelos abertos concorrentes.

O que diferencia o Hy4 Preview?

O Hy4 usa uma arquitetura de mistura de especialistas, conhecida pela sigla MoE. Os 770 bilhões correspondem ao total de parâmetros do modelo, enquanto cerca de 49 bilhões são ativados para uma solicitação específica. Esse desenho permite operar um modelo muito grande sem usar todos os parâmetros a cada requisição. Ainda assim, o custo total de implantação e a velocidade real dependem da infraestrutura de inferência que sustenta o serviço. 1

Outro destaque é a janela de contexto de mais de 1 milhão de tokens. Isso é especialmente relevante para analisar bases de código extensas, vários documentos ao mesmo tempo, materiais longos de pesquisa ou informações distribuídas em diferentes arquivos. Uma janela maior não garante, por si só, que o modelo localizará ou raciocinará corretamente sobre cada detalhe, mas amplia o tipo de tarefa que ele pode receber em comparação com sistemas de contexto mais curto. 39

A Tencent descreve o Hy4 como um modelo aberto de primeira linha, com avanços no tamanho do modelo, no contexto e nos dados de treinamento. Essas são afirmações de posicionamento da empresa; as informações de lançamento sustentam melhor as especificações e os casos de uso do que uma classificação universal entre modelos. 56

Programação e produtividade são o centro da estratégia

Segundo a Tencent, o Hy4 foi desenvolvido para cenários como:

• Engenharia de software e programação conduzida por agentes
• Desenvolvimento de front-end
• Trabalho de escritório e atividades de conhecimento
• Análise financeira
• Pesquisa científica
• Desenvolvimento de jogos
• Análise de dados e de múltiplos arquivos

A Reuters confirmou de forma independente que o modelo tem como alvo engenharia de software, pesquisa e análise financeira. Materiais da Tencent e a cobertura do lançamento ampliam essa lista para tarefas de escritório, ciência e programação. 169

Essa estratégia ganha peso porque o Hy4 está sendo desenvolvido junto dos produtos que devem utilizá-lo. A Tencent afirma que trabalha em conjunto com o WorkBuddy e o CodeBuddy para otimizar programação agentiva e outros cenários de produtividade. Esse modelo de co-design cria um vínculo entre o desenvolvimento do modelo e os fluxos de trabalho de um produto, em vez de tratar o sistema como uma API isolada. 2614

Comparação com GLM 5.3 e Kimi K3

Em um teste cego lado a lado, 163 especialistas internos da Tencent avaliaram respostas em 203 tarefas de engenharia. As médias divulgadas foram:

• Hy4 Preview: 2,99 de 4,00
• Kimi K3: 2,94 de 4,00
• GLM 5.3: 2,92 de 4,00

O Hy4 ficou ligeiramente à frente dos dois modelos nessa avaliação. A taxa de vitórias informada foi de 46,8% contra o GLM 5.3 e de 51,2% contra o Kimi K3; empates e derrotas compuseram o restante dos resultados. 530

O resultado deve ser interpretado como um sinal inicial, e não como um ranking definitivo do setor. O teste envolveu especialistas da própria Tencent e tarefas de engenharia selecionadas pela empresa, enquanto a diferença entre as médias foi pequena. Portanto, ele não demonstra que o Hy4 será superior em benchmarks independentes, outros domínios ou todos os fluxos de trabalho reais. A conclusão mais segura é que o modelo se mostrou competitivo e teve uma pequena vantagem sobre os dois rivais nomeados no teste interno da Tencent. 530

O modelo teria ajudado a otimizar seu próprio desenvolvimento

Uma das alegações mais incomuns associadas ao Hy4 é que o modelo participou da otimização de partes do processo usado para desenvolvê-lo. A Tencent afirma ter usado o Hy4 para ajudar a aprimorar métodos de treinamento, estratégias de dados, processos de avaliação, operadores e sistemas de inferência. Isso representa uma forma inicial de melhoria recursiva: o modelo é usado para propor ou avaliar mudanças nos sistemas que desenvolvem e executam modelos. 14

A empresa também relata que análises orientadas pelo modelo identificaram gargalos de inferência e levaram a várias rodadas de otimização de fusão de operadores e eficiência de comunicação. Segundo a Tencent, o resultado foi um aumento de 31,8% no throughput — a quantidade de processamento entregue por unidade de tempo — em relação à linha de base. Esse é um resultado de engenharia divulgado pela própria empresa, sem replicação independente auditada nas evidências disponíveis. 56

Onde acessar o Hy4 Preview

O Hy4 está disponível como modelo aberto e também no ecossistema de produtos da Tencent. Os canais anunciados incluem:

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

No lançamento, WorkBuddy e CodeBuddy ofereceram duas semanas de acesso gratuito. Desenvolvedores também puderam conectar-se ao modelo por meio do TokenHub ou do OpenRouter. Disponibilidade, limites de uso e acesso aos produtos podem variar conforme a região e a plataforma. 5914

Preços informados para a API

Os preços internacionais divulgados para o TokenHub são:

• Entrada: US$ 0,834 por milhão de tokens
• Saída: US$ 2,501 por milhão de tokens
• Entrada em cache: US$ 0,042 por milhão de tokens

O valor reduzido para entradas em cache pode ser relevante em aplicações que reenviam repetidamente o mesmo código ou conjunto de documentos. O custo final, porém, depende do tamanho dos prompts, do volume de saída, do comportamento do cache, da simultaneidade e do provedor escolhido para servir o modelo. 1114

Por que o WorkBuddy é tão importante no lançamento

O Hy4 faz parte de uma estratégia mais ampla da Tencent de unir desenvolvimento de modelos a um aplicativo de produtividade. Lançado em março de 2026, segundo o contexto fornecido, o WorkBuddy foi concebido para levar os recursos do Hunyuan a tarefas diárias de engenharia e trabalho intelectual. A Tencent e parte da cobertura posicionam o produto como uma resposta chinesa ao Codex, mas essa é uma linguagem de posicionamento, não um ranking de mercado verificado de forma independente. 3

A integração também ajuda a explicar a repercussão no dia do lançamento. Relatos apontaram que a demanda provocou filas de tarefas no WorkBuddy depois que o Hy4 foi incorporado à plataforma, levando a Tencent a ampliar a capacidade de inferência. A congestão inicial indica interesse, mas não mede a qualidade do modelo por si só. 4

O ritmo de lançamentos é outro elemento relevante. A cobertura informou que, após reconstruir sua infraestrutura em fevereiro, o Hunyuan passou a lançar versões principais a cada dois meses, em média. O Hy4 foi descrito como o terceiro grande lançamento da empresa em aproximadamente seis meses. A Tencent também afirmou que uma nova versão do Hy4 está prevista para breve, embora as evidências disponíveis não indiquem uma data exata nem as especificações finais. 23

O que o Hy4 significa para quem desenvolve com IA

A importância do Hy4 Preview está na combinação de quatro fatores: escala total incomum, contexto superior a 1 milhão de tokens, foco direto em agentes de produtividade e disponibilidade aberta por meio de produtos e parceiros de API da Tencent.

Seu resultado interno de 2,99 de 4,00 superou por margem estreita o GLM 5.3 e o Kimi K3, mas não deve ser apresentado como prova de superioridade ampla. Para desenvolvedores, a pergunta mais prática é se o contexto longo, o desempenho em programação, o preço e a integração com WorkBuddy ou CodeBuddy melhoram uma tarefa específica.

Para pesquisadores e empresas que avaliam a adoção do modelo, os próximos sinais importantes serão testes independentes, documentação mais clara sobre o comportamento em produção e resultados fora do conjunto de tarefas internas da Tencent.