AnswersPublished24 sources
Tencent Hy4 Preview är större, snabbare och byggd för AI-agenter
Hy4 Preview är Tencents nya öppna mixture of experts modell för AI agenter, programmering, forskning, kontorsarbete och avancerad verktygsanvändning. Modellen har 770 miljarder parametrar totalt, varav cirka 49 miljarder aktiveras per förfrågan – jämfört med Hy3:s 295 respektive cirka 21 miljarder.
Publicerad avRedigerad med GPT-5.6 LunaBilder genererade med GPT Image 1.5
Research answer
Key takeaways
- Hy4 Preview är Tencents nya öppna mixture of experts modell för AI agenter, programmering, forskning, kontorsarbete och avancerad verktygsanvändning.
- Modellen har 770 miljarder parametrar totalt, varav cirka 49 miljarder aktiveras per förfrågan – jämfört med Hy3:s 295 respektive cirka 21 miljarder.
- Kontextfönstret har vuxit från 256 000 till över en miljon token, vilket kan vara användbart för stora kodbaser, långa dokument och fler stegs agentuppgifter.
- Tencent rapporterar starka resultat i kodningstester, men de viktigaste jämförelserna är ännu företagsrapporterade och behöver oberoende verifiering.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Tencent’s Hy4 Preview open source AI model, and how does it compare with its Hy3 predecessor and Chinese rivals in terms of paramete. Article summary: Hy4 Preview is Tencent’s newly open sourced, mixture of experts (MoE) flagship aimed at agentic productivity—particularly software engineering, research, office automation, and tool use.. Topic tags: general web, llm, agents, ai, automation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnai
Tencent Hy4 Preview är Tencents nya flaggskeppsmodell med så kallad mixture-of-experts-arkitektur (MoE). Den är utvecklad för uppgifter där en AI-agent behöver planera, skriva och köra kod, söka information, hantera dokument eller använda externa verktyg över flera steg. Modellen riktar sig särskilt mot mjukvaruutveckling, forskning, kontorsautomation och dataanalys. 4
14
Det är samtidigt viktigt att namnet slutar på Preview. Kvalitet, API-beteende, priser, säkerhetsfunktioner och dokumentation kan ändras innan en stabil version lanseras. Dessutom bygger flera av de mest uppmärksammade jämförelserna på Tencents egna tester, inte på oberoende och reproducerbara mätningar. 5
13
Hy4 Preview jämfört med Hy3
| Mått | Hy3 Preview | Hy4 Preview | Vad det innebär |
|---|---|---|---|
| Totalt antal parametrar | 295 miljarder | 770 miljarder | Hy4 har omkring 2,6 gånger större total MoE-kapacitet. |
| Aktiverade parametrar | cirka 21 miljarder per token | cirka 49 miljarder per förfrågan | Hy4 använder ungefär 2,3 gånger mer aktiv beräkningskapacitet och blir därför sannolikt mer kapabel, men också dyrare att köra. |
| Kontextfönster | 256 000 token | över 1 miljon token | Hy4 kan hantera betydligt längre indata, exempelvis stora kodbaser och långa rapporter. |
| Huvudsakligt användningsområde | Resonemang, kodning, RAG- och IDE-agenter | Agenter, kodning, forskning, kontorsflöden och komplex verktygsanvändning | Hy4 är tydligare positionerad som en produktivitetsmodell för verkliga agentarbetsflöden. |
| Status | Öppna vikter; Hy3 har rapporterats ha Apache 2.0-villkor | Öppen Preview-version | Licens och villkor för kommersiell självdrift bör kontrolleras i det officiella modellarkivet. |
Hy3 var redan förhållandevis beräkningseffektiv för sin storlek. Modellen har 192 experter och aktiverar de åtta mest relevanta, vilket innebär att cirka 21 miljarder av totalt 295 miljarder parametrar används för varje token. Den hade också justerbart resonemangsdjup och rapporterades nå 74,4 procent i SWE-bench Verified. 2
3
Hy4 behåller samma grundidé – att bara använda en del av modellen åt gången – men skalar upp både den totala kapaciteten och den aktiva beräkningen. MoE minskar alltså inte behovet av att lagra hela modellen. En organisation behöver fortfarande hantera en modell på 770 miljarder parametrar, även om varje enskild beräkningsoperation bara använder en del av dem. 4
14
Hur står Hy4 mot DeepSeek, GLM och Kimi?
Tencents mest uppmärksammade siffra är 85,4 poäng i Terminal-Bench 2.1, ett test som fokuserar på programmering via terminalen. Enligt Tencent är det en förbättring på 14,6 poäng jämfört med Hy3. Företaget uppger också att Hy4 överträffar DeepSeek V4 Pro i testet och når samma nivå som Claude Opus 5. Det är dock Tencents egen jämförelse och bör inte läsas som en oberoende topplista. 13
I en blind intern utvärdering med 163 experter och 203 ingenjörsuppgifter fick Hy4 i genomsnitt 2,99 av 4. Tencents siffror placerade modellen före GLM-5.3, som fick 2,92, och Kimi K3, som fick 2,91 i den sammanställning som ligger till grund för jämförelsen. Skillnaderna är små, och testet säger främst något om just denna uppsättning uppgifter och bedömningsmetod. 5
Sett till den totala parameterstorleken är Hy4 mindre än de rapporterade versionerna av DeepSeek V4 Pro på 1,6 biljoner parametrar och Kimi K3 på 2,8 biljoner. Däremot ligger Hy4:s 770 miljarder nära GLM-5.3 på 744 miljarder. De cirka 49 miljarder aktiverade parametrarna uppges vara ungefär i nivå med DeepSeek V4 Pro. 4
Som jämförelse har ett tidigare GLM-5-resultat rapporterats till 77,8 procent i SWE-bench Verified. Sådana jämförelser kräver försiktighet: versionen av testet, verktygen, agentramverket, mängden testdata och kontroller mot dataläckage kan skilja sig mellan modeller. 1
Den försiktiga slutsatsen är därför att Hy4 ser konkurrenskraftig ut bland kinesiska öppna modeller för kodning och agentbaserade arbetsflöden. Det finns ännu inte tillräckligt med oberoende underlag för att utse den till en generell etta framför DeepSeek, Qwen, GLM, Kimi eller MiniMax.
Tillgänglighet och integrationer
Hy4 Preview har gjorts tillgänglig i både de kinesiska och internationella versionerna av WorkBuddy och CodeBuddy. Det ger användare en direkt väg till modellen för kontorsautomation respektive programmeringsagenter. 14
Modellen är också öppen och har publicerats i modellplattformar som Hugging Face, GitHub, ModelScope och Gitcode. API-åtkomst erbjuds via Tencent Cloud TokenHub och OpenRouter. 19
22
För den som vill prova modellen utan att bygga en egen server är produktintegrationerna därför den enklaste vägen. För företag som vill köra modellen själva är kalkylen betydligt tyngre: även med gles aktivering kräver en 770-miljarders MoE-modell mycket minne, flera beräkningsnoder och teknisk kompetens för drift och optimering. 4
14
Pris: flera siffror cirkulerar
Den rapporterade kinesiska API-prissättningen är:
- 6 RMB per miljon token för indata
- 18 RMB per miljon token för utdata
- 0,3 RMB per miljon cachelagrade indatatoken
4
Tencent Cloud TokenHub visar samtidigt priser på omkring 0,834 dollar per miljon indatatoken, 2,501 dollar per miljon utdatatoken och 0,042 dollar per miljon cacheträffar.
En tredjepartsjämförelse anger andra priser, bland annat 0,85 dollar för indata och 2,54 dollar för utdata. Eftersom priser, regioner, kvoter och preview-villkor kan ändras bör den aktuella konsolprissättningen hos Tencent väga tyngre än uppgifter från aggregatorer. 8
4
WorkBuddy och CodeBuddy skulle enligt lanseringsinformationen också erbjuda fri användning under en begränsad introduktionsperiod. 22
Begränsningar att känna till
Preview-statusen är den största osäkerheten. Modellens svarskvalitet, hastighet, begränsningar, säkerhetskontroller och API-villkor kan förändras snabbt. 14
Benchmarkresultaten är ännu inte helt jämförbara. De mest imponerande Hy4-siffrorna kommer från Tencent eller från rapportering av Tencents lanseringstester. Oberoende tester med samma verktyg och samma testmiljö behövs för att avgöra hur modellen står sig i praktiken. 5
13
Självdrift är resurskrävande. Att bara aktivera 49 miljarder parametrar per förfrågan minskar beräkningskostnaden, men eliminerar inte behovet av att lagra och distribuera den fullständiga modellen. Den aktiva delen är dessutom betydligt större än i Hy3. 2
4
Ett långt kontextfönster garanterar inte bättre svar. En miljon token kan vara värdefullt för stora dokument och kodarkiv, men användare bör själva testa hur väl modellen hittar rätt information, hur lång svarstiden blir och vad den faktiska kostnaden blir vid långa kontexter.
De mest sannolika nästa stegen är därför en stabil version utanför Preview, bättre tillförlitlighet i verktygsanvändning och långvariga agentuppgifter, effektivare inferens, fler kvantiserade versioner, oberoende benchmarkresultat och bredare API-integrationer. Det är rimliga produktförväntningar – inte bekräftade löften från Tencent.
Tencents större AI-satsning syns i WorkBuddy
Hy4 lanseras som en del av en bredare AI-strategi, inte som ett isolerat modellsläpp. Under andra kvartalet 2026 uppgav Tencent att de operativa kapitalutgifterna hade stigit till 51,8 miljarder RMB, en ökning på 190 procent jämfört med året före. Det bidrog till ett negativt fritt kassaflöde på 13,8 miljarder RMB, och ledningen kopplade uppgången till investeringar i AI-infrastruktur. 2
7
Tencent har sagt att WorkBuddy är Kinas mest använda produktivitetsinriktade AI-agenttjänst. Bloomberg beskrev kort efter lanseringen i mars tjänsten som Kinas populäraste AI-assistent för arbetslivet. Det är marknadspositioner som bygger på företagets och mediers uppgifter, inte på reviderade intäkts- eller användarsiffror. 3
1
En extern uppskattning av trafik till dator- och webbtjänster anger 20,97 miljoner besök för WorkBuddy i juni 2026, upp från 8,85 miljoner vid lanseringen i mars. Källan betonar samtidigt att besök inte är samma sak som dagliga aktiva användare, betalande företag, intäkter eller mobil användning. 12
Tencents ledning uppger även att både WorkBuddy och programmeringsverktyget CodeBuddy växer snabbt. 6
Den strategiska poängen är tydlig: Tencent kan använda samma AI-infrastruktur i sina egna assistenter, hos Tencent Cloud-kunder och i andra delar av ekosystemet. Hy4 blir därmed både en modell och en motor för företagets produktivitetsprodukter. Baksidan är högre kapitalintensitet och osäker lönsamhet medan tjänsterna fortfarande byggs ut. 6
15
Slutsats
Hy4 Preview är ett stort steg upp från Hy3 i modellstorlek, aktiv beräkning och kontextlängd. Med 770 miljarder totala parametrar, 49 miljarder aktiva parametrar och över en miljon token i kontextfönstret är modellen tydligt byggd för tunga agent- och kodningsuppgifter.
Det återstår däremot att se hur mycket av försprånget som håller i oberoende tester och verklig drift. För den som vill prova modellen är WorkBuddy, CodeBuddy och API-plattformarna de mest lättillgängliga alternativen. För den som vill självhosta den är den stora frågan inte bara modellens kvalitet, utan också om den egna infrastrukturen klarar kostnaden och komplexiteten.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Tencent Hy4 Preview är större, snabbare och byggd för AI-agenter"?
Hy4 Preview är Tencents nya öppna mixture of experts modell för AI agenter, programmering, forskning, kontorsarbete och avancerad verktygsanvändning.
What are the key points to validate first?
Hy4 Preview är Tencents nya öppna mixture of experts modell för AI agenter, programmering, forskning, kontorsarbete och avancerad verktygsanvändning. Modellen har 770 miljarder parametrar totalt, varav cirka 49 miljarder aktiveras per förfrågan – jämfört med Hy3:s 295 respektive cirka 21 miljarder.
What should I do next in practice?
Kontextfönstret har vuxit från 256 000 till över en miljon token, vilket kan vara användbart för stora kodbaser, långa dokument och fler stegs agentuppgifter.