คำตอบเผยแพร่แล้ว19 แหล่งที่มา
Tencent Hy4 Preview มีอะไรเด่น และพร้อมใช้งานแค่ไหน?
Tencent เปิดตัว Hy4 Preview เมื่อวันที่ 28 สิงหาคม 2026 ด้วยพารามิเตอร์รวม 770B เปิดใช้งาน 49B ต่อโทเคน และรองรับบริบทมากกว่า 1 ล้านโทเคน เมื่อเทียบกับ Hy3 รุ่นก่อนหน้า Hy4 เพิ่มพารามิเตอร์รวมจาก 295B เป็น 770B พารามิเตอร์ที่ใช้งานต่อโทเคนจาก 21B เป็น 49B และขยายบริบทจาก 262K เป็นมากกว่า 1M โทเคน โมเดลเปิดภายใต้สัญญ...
เผยแพร่โดยแก้ไขด้วย GPT-5.6 Lunaรูปภาพสร้างด้วย GPT Image 1.5
คำตอบการวิจัย
ประเด็นสำคัญ
- Tencent เปิดตัว Hy4 Preview เมื่อวันที่ 28 สิงหาคม 2026 ด้วยพารามิเตอร์รวม 770B เปิดใช้งาน 49B ต่อโทเคน และรองรับบริบทมากกว่า 1 ล้านโทเคน
- เมื่อเทียบกับ Hy3 รุ่นก่อนหน้า Hy4 เพิ่มพารามิเตอร์รวมจาก 295B เป็น 770B พารามิเตอร์ที่ใช้งานต่อโทเคนจาก 21B เป็น 49B และขยายบริบทจาก 262K เป็นมากกว่า 1M โทเคน
- โมเดลเปิดภายใต้สัญญาอนุญาต Apache 2.0 ใช้งานได้ผ่านคลังโมเดล Tencent หลายแห่ง รวมถึง WorkBuddy, CodeBuddy, TokenHub และ OpenRouter แต่การรันโมเดลเต็มรูปแบบในองค์กรยังต้องใช้โครงสร้างพื้นฐานแบบหลาย GPU ระดับสูง
AI พรอมต์
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Tencent’s Hy4 Preview open-source AI model, released in August 2026, and how does it compare with its predecessor Hy3 and competing. Article summary: Tencent’s Hy4 Preview is a permissively licensed, open-weight flagship language model aimed at agentic productivity work—especially software engineering, office analysis, research, and finance. Released on August 28, 202. Topic tags: general, news, general web, user generated. 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 wi
Tencent Hy4 Preview คือโมเดลภาษาขนาดใหญ่แบบโอเพนเวตของ Tencent ที่บริษัทวางตำแหน่งให้รองรับงานเขียนโปรแกรม งานวิจัย การวิเคราะห์การเงิน และงานเพิ่มประสิทธิภาพการทำงานที่ต้องอาศัยเอเจนต์ AI มากกว่าจะเป็นเพียงแชตบอตทั่วไป โดยเปิดตัวเมื่อวันที่ 28 สิงหาคม 2026 1
12
ตัวเลขสำคัญของโมเดลนี้คือพารามิเตอร์รวม 770 พันล้านรายการ เปิดใช้งานประมาณ 49 พันล้านรายการต่อโทเคน และมีหน้าต่างบริบทมากกว่า 1 ล้านโทเคน อย่างไรก็ตาม ข้อสรุปที่รอบคอบกว่าคือ Hy4 มีศักยภาพอยู่ในกลุ่มโมเดลโอเพนเวตจีนระดับแนวหน้าสำหรับการเขียนโค้ดและงานเพิ่มผลิตภาพ ขณะที่คำกล่าวเรื่องความเหนือกว่าคู่แข่งยังอาศัยผลประเมินของ Tencent เป็นหลัก และยังต้องรอการทดสอบจากหน่วยงานอิสระในวงกว้าง 1
8
Tencent Hy4 Preview คืออะไร?
Hy4 Preview ใช้สถาปัตยกรรม Mixture-of-Experts (MoE) หรือสถาปัตยกรรมแบบ “ผู้เชี่ยวชาญหลายชุด” แทนที่จะเรียกใช้พารามิเตอร์ทั้งหมดทุกครั้งที่ประมวลผลข้อความ ระบบจะเลือกใช้เครือข่ายย่อยเพียงบางส่วนสำหรับแต่ละโทเคน ทำให้สร้างโมเดลที่มีขนาดรวมใหญ่มากได้ โดยไม่ต้องแบกรับต้นทุนการประมวลผลเต็มจำนวนในทุกคำขอ
Tencent ระบุว่า Hy4 ออกแบบมาสำหรับงานแบบเอเจนต์ เช่น การเขียนโค้ด การทำงานในสำนักงาน การค้นคว้า และการวิเคราะห์การเงิน พร้อมเชื่อมต่อเข้ากับผลิตภัณฑ์สำหรับนักพัฒนาและผู้ใช้ในองค์กรโดยตรง 1
8
คำว่า “โอเพนซอร์ส” ในกรณีนี้ควรเข้าใจในความหมายของ โอเพนเวต กล่าวคือ Tencent เปิดเผยน้ำหนักโมเดลและสนับสนุนการนำไปติดตั้ง ใช้ปรับแต่ง และทำ Quantization ภายใต้สัญญาอนุญาต Apache 2.0 8
12
สเปกและสถาปัตยกรรมของ Hy4 Preview
สเปกหลักของ Hy4 Preview มีดังนี้
- พารามิเตอร์รวม: 770 พันล้านรายการ
- พารามิเตอร์ที่เปิดใช้งานต่อโทเคน: 49 พันล้านรายการ
- หน้าต่างบริบท: มากกว่า 1 ล้านโทเคน
- สถาปัตยกรรม: Mixture-of-Experts
- สัญญาอนุญาต: Apache 2.0
- รูปแบบโมเดล: BF16 และ FP8
- การเสิร์ฟโมเดล: มีแนวทางสำหรับ vLLM และ SGLang รวมถึงเส้นทาง API ที่เข้ากันได้กับ OpenAI
8
12
โครงสร้างหลักของโมเดลมีทั้งหมด 78 ชั้น โดยชั้นแรกใช้ Feed-Forward Network แบบ Dense ส่วนอีก 77 ชั้นใช้ระบบ MoE ซึ่งประกอบด้วยผู้เชี่ยวชาญแบบ Routed 256 ชุดและผู้เชี่ยวชาญแบบ Shared อีก 1 ชุด ในแต่ละโทเคน ระบบจะเลือกผู้เชี่ยวชาญแบบ Routed 8 ชุด พร้อมผู้เชี่ยวชาญแบบ Shared นอกจากนี้ Hy4 ยังมีชั้น Native Multi-Token Prediction ที่ออกแบบมาเพื่อช่วยการถอดรหัสแบบคาดการณ์ล่วงหน้า หรือ Speculative Decoding 8
ด้านกลไก Attention โมเดลใช้ Gated DeepSeek Sparse Attention ร่วมกับ IndexCache เพื่อให้สามารถนำดัชนีของ Sparse Attention กลับมาใช้ซ้ำข้ามชั้นได้ Tencent ระบุว่าแนวทางดังกล่าวได้รับแรงบันดาลใจบางส่วนจากแนวคิดของ DeepSeek และ GLM 8
จุดสำคัญจึงไม่ใช่แค่จำนวนพารามิเตอร์ แต่เป็นการผสานความจุของโมเดลขนาดใหญ่มากเข้ากับการ Routing แบบ Sparse การประมวลผลบริบทระยะยาว และกลไกที่มุ่งลดภาระระหว่างการอนุมาน
Hy4 เปลี่ยนจาก Hy3 อย่างไร?
Hy4 เป็นการขยายขนาดครั้งใหญ่จาก Hy3 รุ่นก่อนหน้า
| รายการ | Hy3 | Hy4 Preview | การเปลี่ยนแปลง |
|---|---|---|---|
| พารามิเตอร์รวม | 295B | 770B | ใหญ่ขึ้นประมาณ 2.6 เท่า |
| พารามิเตอร์ที่ใช้งานต่อโทเคน | 21B | 49B | เพิ่มขึ้นประมาณ 2.3 เท่า |
| หน้าต่างบริบท | 262K โทเคน | มากกว่า 1M โทเคน | ใหญ่ขึ้นประมาณ 4 เท่า |
| รูปแบบโมเดล | MoE | MoE ที่ขยายและปรับกลไก Sparse Attention | ความจุสูงขึ้นและรองรับบริบทยาวขึ้น |
ดังนั้น Hy4 ไม่เพียงเพิ่มขนาดรวมของโมเดล แต่ยังเพิ่มปริมาณการประมวลผลที่ใช้งานจริงต่อโทเคนด้วย Tencent ระบุว่าบริษัทขยายชุดข้อมูลฝึกและปรับปรุงทั้งขั้นตอน Pre-training และ Post-training อย่างมีนัยสำคัญ 8
14
หน้าต่างบริบทที่มากกว่า 1 ล้านโทเคนอาจมีประโยชน์อย่างมากกับโค้ดเบสขนาดใหญ่ เอกสารวิจัยจำนวนมาก หรือกระบวนการทำงานที่มีข้อมูลหลายชั้น แต่ประโยชน์ในการใช้งานจริงยังขึ้นอยู่กับคุณภาพการค้นคืนข้อมูล ความหน่วง และความสามารถของโมเดลในการรักษาความถูกต้องตลอดอินพุตที่ยาวมาก
Hy4 เทียบกับคู่แข่งจีนอย่างไร?
ข้อมูลเปรียบเทียบที่ชัดเจนที่สุดของ Tencent มาจากการทดสอบแบบ Blind Side-by-side ภายในบริษัท โดยผู้เชี่ยวชาญภายใน 163 คนประเมินผลลัพธ์จากงานวิศวกรรม 203 งาน Hy4 Preview ได้คะแนนเฉลี่ย 2.99 จาก 4 คะแนน เทียบกับ 2.92 ของ GLM-5.3 จาก Zhipu และ 2.94 ของ Kimi K3 จาก Moonshot 8
ผลดังกล่าวทำให้ Hy4 นำคู่แข่งเล็กน้อยในชุดทดสอบของ Tencent แต่ไม่ควรถูกตีความว่าเป็นการจัดอันดับที่เป็นกลางและครอบคลุมทุกประเภทงาน เพราะผู้ประเมินเป็นผู้เชี่ยวชาญภายใน Tencent และโจทย์เน้นงานวิศวกรรมเป็นหลัก ข้อมูลจากการทดสอบอื่นยังพบว่าผลลัพธ์ของ Hy4 แตกต่างกันไปเมื่อเทียบกับคู่แข่งในจีน เช่น โมเดลตระกูล Qwen ของ Alibaba และ DeepSeek 1
13
รายงานจากแหล่งข้อมูลรองบางแห่งยังระบุว่า Hy4 ทำคะแนนดีขึ้นมากเมื่อเทียบกับ Hy3 ในการทดสอบเขียนโค้ด เช่น Terminal-Bench 2.1 และ DeepSWE ตัวเลขเหล่านี้เป็นสัญญาณถึงความก้าวหน้าที่ Tencent รายงาน แต่ควรรอการทำซ้ำโดยอิสระภายใต้เงื่อนไขการทดสอบเดียวกันก่อนสรุปผลอย่างหนักแน่น 17
18
ข้อสรุปที่ปลอดภัยที่สุดในตอนนี้คือ Hy4 อยู่ในกลุ่มโมเดลโอเพนเวตจีนระดับแนวหน้าสำหรับงานเขียนโค้ดและเพิ่มผลิตภาพ แต่หลักฐานที่มีอยู่ยังไม่ยืนยันว่าโมเดลนี้เอาชนะคู่แข่งทุกรายได้อย่างเด็ดขาดในทุกประเภทงาน
ใช้งาน Hy4 Preview ได้ที่ไหนบ้าง?
Tencent เปิดให้เข้าถึง Hy4 ทั้งผ่านน้ำหนักโมเดลสำหรับดาวน์โหลดและผลิตภัณฑ์ที่ให้บริการบนคลาวด์
ดาวน์โหลดน้ำหนักโมเดลและติดตั้งเอง
โมเดลหลักและเวอร์ชัน FP8 มีให้ใช้งานผ่าน Hugging Face, ModelScope, GitCode และ CNB โดย Tencent เผยแพร่แนวทางติดตั้งด้วย vLLM และ SGLang เส้นทาง API ภายในเครื่องที่เข้ากันได้กับ OpenAI คำแนะนำการ Fine-tune และเครื่องมือ Quantization 8
12
แนวทางนี้เปิดโอกาสให้นักพัฒนาทดลองใช้น้ำหนักโมเดลหรือสร้างระบบเสิร์ฟที่ปรับแต่งเองได้ แต่คำว่า “โอเพนเวต” ไม่ได้หมายความว่าโมเดลมีขนาดเล็ก แม้จะเปิดใช้งานเพียง 49B พารามิเตอร์ต่อโทเคน แต่โมเดลเต็มรูปแบบยังต้องจัดเก็บและให้บริการด้วยระบบประมวลผลขนาดใหญ่ การตั้งค่า FP8 อ้างอิงของ Tencent ใช้ Tensor Parallelism แบบ 8 ทาง และการรันโมเดลระดับ 770B ยังคงเป็นโครงการโครงสร้างพื้นฐานแบบหลาย GPU ที่มีความซับซ้อนสูง 8
ผลิตภัณฑ์ Tencent และ API แบบโฮสต์
ผู้ใช้สามารถเข้าถึง Hy4 ผ่าน WorkBuddy, CodeBuddy, Yuanbao และ ima รวมถึง Tencent Cloud TokenHub และ OpenRouter ในช่วงเปิดตัว Tencent ให้ทดลองใช้ Hy4 ฟรีผ่าน WorkBuddy และ CodeBuddy เป็นเวลา 2 สัปดาห์ ขณะที่การเข้าถึง Hy3 รุ่นก่อนหน้าขยายไปจนถึงวันที่ 30 กันยายน 12
รายงานจากผู้ให้บริการภายนอกระบุว่าราคาอินพุตบน OpenRouter อยู่ที่ประมาณ 0.834 ดอลลาร์สหรัฐต่อ 1 ล้านโทเคน ตัวเลขนี้ควรมองเป็นราคาเฉพาะช่องทาง ไม่ใช่ราคาถาวรจาก Tencent เพราะราคาและการเปิดให้บริการอาจแตกต่างกันตามผู้ให้บริการและภูมิภาค 3
เหตุใดการกระจายโมเดลผ่านผลิตภัณฑ์จึงสำคัญ?
Hy4 เชื่อมโยงอย่างใกล้ชิดกับกลยุทธ์ผลิตภัณฑ์ของ Tencent บริษัทระบุว่าโมเดลนี้ได้รับการออกแบบร่วมกับ WorkBuddy และ CodeBuddy โดยใช้ข้อมูลจากงานจริงและข้อเสนอแนะของวิศวกรภายใน นักพัฒนาเกม นักวิเคราะห์การเงิน และผู้เชี่ยวชาญด้านความปลอดภัย 8
ข้อได้เปรียบของ Tencent จึงอาจไม่ได้อยู่ที่สถาปัตยกรรมเพียงอย่างเดียว แต่รวมถึงความสามารถในการนำโมเดลไปทดสอบในผลิตภัณฑ์สำหรับงานเขียนโค้ดและงานสำนักงาน จากนั้นนำข้อมูลการใช้งานกลับมาปรับปรุงรุ่นถัดไป อีกทั้งเครือข่ายผลิตภัณฑ์ของบริษัทยังทำให้ผู้ใช้เข้าถึงโมเดลได้โดยไม่ต้องดาวน์โหลดและดูแลระบบ 770B ด้วยตนเอง
Tencent รายงานว่าการนำ Hunyuan 3 ไปใช้งานจริงทำให้ปริมาณการใช้โทเคนเฉลี่ยต่อวันเพิ่มขึ้นประมาณ 6 เท่าเมื่อเทียบกับช่วง Preview นี่เป็นหลักฐานว่าการกระจายผ่านแอปพลิเคชันอาจสร้างการใช้งานได้อย่างรวดเร็ว แต่ยังไม่ใช่หลักฐานอิสระที่ยืนยันความพึงพอใจหรือการรักษาผู้ใช้ในระยะยาว
ด้านโครงสร้างพื้นฐาน Tencent ก็เพิ่มการลงทุนอย่างมาก โดยรายจ่ายลงทุนด้านสิ่งอำนวยความสะดวกและอุปกรณ์ในไตรมาส 2 ปี 2026 อยู่ที่ 52.784 พันล้านหยวน หรือประมาณ 2.8 เท่าของช่วงเดียวกันในปีก่อน ผู้บริหารระบุว่าให้ความสำคัญกับโครงสร้างพื้นฐาน AI และการลงทุนที่เกี่ยวข้องกับ WorkBuddy
Tencent ยังเคยระบุว่า WorkBuddy เป็นบริการเอเจนต์ AI ด้านผลิตภาพที่มีผู้ใช้มากที่สุดในจีน แต่คำกล่าวนี้เป็นข้อมูลจากบริษัท ไม่ใช่ตัวเลขส่วนแบ่งตลาดที่ผ่านการตรวจสอบโดยอิสระ 4
ข้อจำกัดในปัจจุบัน
Hy4 Preview ยังไม่ใช่โมเดลเวอร์ชันสมบูรณ์ Tencent ยอมรับว่าโมเดลอาจใช้เวลาคิดนานเกินความจำเป็นกับโจทย์ยาก และอาจตรวจสอบผลงานของตัวเองซ้ำมากเกินไป ส่งผลให้ความหน่วงและต้นทุนการอนุมานสูงขึ้น 8
ขนาดของโมเดลเป็นข้อจำกัดเชิงปฏิบัติอีกประการหนึ่ง แม้ MoE จะทำให้มีพารามิเตอร์ที่เปิดใช้งานต่อโทเคนเพียง 49B แต่ระบบยังต้องจัดเก็บและให้บริการโมเดลเต็มรูปแบบ องค์กรที่ต้องการติดตั้งเองจึงต้องมีหน่วยความจำ ระบบเครือข่าย และกำลังประมวลผลหลาย GPU ในระดับสูง
หลักฐานด้าน Benchmark ก็ยังมีข้อจำกัด การประเมินภายในของ Tencent แสดงให้เห็นว่า Hy4 นำ GLM-5.3 และ Kimi K3 เพียงเล็กน้อยในงานวิศวกรรม ขณะที่ผลการเปรียบเทียบจาก Benchmark อื่นแตกต่างกันไปตามชุดทดสอบ ดังนั้นการจัดอันดับในช่วงแรกควรใช้เป็นแนวทาง ไม่ใช่ข้อสรุปเด็ดขาด 8
นอกจากนี้ หน้าต่างบริบทที่ยาวไม่ได้แปลว่าโมเดลจะให้เหตุผลกับข้อมูลจำนวนมหาศาลได้อย่างน่าเชื่อถือโดยอัตโนมัติ จุดเด่นด้านบริบท 1 ล้านโทเคนของ Hy4 เป็นข้อได้เปรียบทางสเปก แต่ประสิทธิภาพจริงยังขึ้นอยู่กับประเภทงาน รูปแบบพรอมป์ กลยุทธ์การค้นคืนข้อมูล และการตั้งค่าระบบเสิร์ฟ
การปรับปรุงที่น่าจะเกิดขึ้นต่อไป
ทิศทางที่ Tencent เปิดเผยมีความชัดเจนมากกว่าโรดแมปการเปิดตัวอย่างเป็นทางการ บริษัทระบุว่าต้องการเพิ่มการ Pre-training และ Post-training ปรับให้การให้เหตุผลรวดเร็วและซ้ำซ้อนน้อยลง ใช้ข้อมูลป้อนกลับจาก WorkBuddy และ CodeBuddy ต่อเนื่อง และพัฒนาการบีบอัดหรือ Quantization เพื่อลดต้นทุนการติดตั้ง 8
การปรับปรุงเหล่านี้จะช่วยแก้สมดุลสำคัญของ Hy4 นั่นคือ โมเดลมีความจุและบริบทมากกว่า Hy3 อย่างชัดเจน แต่สถานะ Preview สะท้อนว่ายังอยู่ระหว่างการปรับปรุงความเร็ว ประสิทธิภาพ และความเสถียรสำหรับการใช้งานจริง
สรุป
Hy4 Preview เป็นก้าวกระโดดครั้งใหญ่จาก Hy3 โดยเพิ่มพารามิเตอร์รวมจาก 295B เป็น 770B เพิ่มพารามิเตอร์ที่ใช้งานต่อโทเคนจาก 21B เป็น 49B และขยายหน้าต่างบริบทจาก 262K เป็นมากกว่า 1 ล้านโทเคน นอกจากนี้ยังเชื่อมต่อกับระบบนิเวศด้านการเขียนโค้ด งานสำนักงาน คลาวด์ และผลิตภัณฑ์สำหรับผู้บริโภคของ Tencent อย่างแน่นแฟ้น 8
12
สำหรับนักพัฒนา น้ำหนักโมเดลภายใต้ Apache 2.0 และเครื่องมือสำหรับการติดตั้งทำให้ Hy4 เป็นโมเดลที่ควรนำไปประเมิน สำหรับองค์กร การใช้ผ่านผลิตภัณฑ์และ API ของ Tencent อาจเหมาะสมกว่าการติดตั้งโมเดล 770B เอง
แต่บทสรุปในเวลานี้ควรเป็นการประเมินอย่างมีเงื่อนไข: Hy4 ดูเป็นโมเดลโอเพนเวตจีนระดับแนวหน้าที่ทรงพลังสำหรับงานเขียนโค้ดและงานเพิ่มผลิตภาพแบบเอเจนต์ ขณะที่ผลทดสอบจากภายนอกและการใช้งานจริงในระยะยาวจะเป็นตัวตัดสินว่าเสียงตอบรับในช่วงเปิดตัวจะพัฒนาไปสู่ความได้เปรียบที่ยั่งยืนหรือไม่
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "Tencent Hy4 Preview มีอะไรเด่น และพร้อมใช้งานแค่ไหน?" คืออะไร
Tencent เปิดตัว Hy4 Preview เมื่อวันที่ 28 สิงหาคม 2026 ด้วยพารามิเตอร์รวม 770B เปิดใช้งาน 49B ต่อโทเคน และรองรับบริบทมากกว่า 1 ล้านโทเคน
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
Tencent เปิดตัว Hy4 Preview เมื่อวันที่ 28 สิงหาคม 2026 ด้วยพารามิเตอร์รวม 770B เปิดใช้งาน 49B ต่อโทเคน และรองรับบริบทมากกว่า 1 ล้านโทเคน เมื่อเทียบกับ Hy3 รุ่นก่อนหน้า Hy4 เพิ่มพารามิเตอร์รวมจาก 295B เป็น 770B พารามิเตอร์ที่ใช้งานต่อโทเคนจาก 21B เป็น 49B และขยายบริบทจาก 262K เป็นมากกว่า 1M โทเคน
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
โมเดลเปิดภายใต้สัญญาอนุญาต Apache 2.0 ใช้งานได้ผ่านคลังโมเดล Tencent หลายแห่ง รวมถึง WorkBuddy, CodeBuddy, TokenHub และ OpenRouter แต่การรันโมเดลเต็มรูปแบบในองค์กรยังต้องใช้โครงสร้างพื้นฐานแบบหลาย GPU ระดับสูง