Tencent Hy4 Preview: 770 milyar parametreli model hakkında bilmeniz gerekenler

Tencent Hy4 Preview, şirketin bugüne kadarki en büyük açık ağırlıklı büyük dil modeli ve yapay zekâyı doğrudan iş akışlarına yerleştirme stratejisinin en belirgin adımlarından biri. 28 Ağustos 2026’da yayımlanan model; yazılım mühendisliği, araştırma, finansal analiz ve yapay zekâ ajanlarının yürüttüğü üretkenlik görevlerine odaklanıyor. 112

İlk bakışta öne çıkan rakamlar oldukça büyük: toplam 770 milyar parametre, her token için etkinleştirilen 49 milyar parametre ve 1 milyon tokenı aşan bağlam penceresi. Ancak daha temkinli sonuç şu: Hy4, kodlama ve üretkenlik görevlerinde Çin’in en güçlü açık ağırlıklı modelleri arasına girmiş görünüyor; üstünlük iddialarının önemli bölümü ise hâlâ Tencent’in kendi değerlendirmelerine dayanıyor ve daha geniş bağımsız testlerin sonuçları bekleniyor. 18

Tencent Hy4 Preview nedir?

Hy4 Preview, Mixture-of-Experts (MoE) adı verilen “uzmanlar karışımı” mimarisini kullanan bir büyük dil modeli. Bu yaklaşımda modelin tüm parametreleri her token için çalıştırılmıyor; yönlendirme sistemi, her istekte ağın yalnızca belirli bir bölümünü devreye sokuyor. Böylece model, teorik kapasitesinin tamamını her token için kullanmadan çok yüksek toplam parametre sayısına ulaşabiliyor.

Tencent, Hy4’ü yalnızca sohbet amaçlı genel bir model olarak değil, yapay zekâ ajanlarının yürüteceği işlere yönelik bir sistem olarak konumlandırıyor. Hedeflenen kullanım alanları arasında kodlama, ofis üretkenliği, araştırma ve finansal analiz bulunuyor. Model ayrıca geliştirme ve çalışma ortamlarına doğrudan entegre edilecek şekilde tasarlanmış. 18

Buradaki “açık kaynak” ifadesini daha doğru biçimde “açık ağırlıklar ve esnek dağıtım desteği” olarak okumak gerekiyor. Tencent modeli Apache 2.0 lisansıyla yayımladı; bunun yanında sunum, ince ayar ve nicemleme için yönergeler de sağladı. 812

Hy4 Preview’ın teknik özellikleri ve mimarisi

Modelin temel özellikleri şöyle:

• Toplam parametre: 770 milyar
• Token başına etkin parametre: 49 milyar
• Bağlam penceresi: 1 milyon tokenın üzerinde
• Mimari: Mixture-of-Experts (MoE)
• Lisans: Apache 2.0
• Model biçimleri: BF16 ve FP8 sürümleri
• Sunum desteği: vLLM ve SGLang tarifleri; OpenAI uyumlu API seçeneği 812

Hy4’ün omurgası 78 katmandan oluşuyor. Tencent’e göre ilk katmanda yoğun bir ileri beslemeli ağ bulunurken kalan 77 katman, 256 yönlendirilmiş uzman ve ortak bir uzman içeren MoE yapısını kullanıyor. Her token için sekiz yönlendirilmiş uzmanla birlikte ortak uzman da seçiliyor. Modelde ayrıca spekülatif çözümlemeyi desteklemek üzere tasarlanmış yerel bir çoklu token tahmin katmanı bulunuyor. 8

Dikkat mekanizmasında, katmanlar arasında seyrek dikkat dizinlerinin yeniden kullanılmasını sağlayan IndexCache’li Gated DeepSeek Sparse Attention kullanılıyor. Tencent, bu tasarım tercihlerinin DeepSeek ve GLM ile ilişkilendirilen yaklaşımlardan ilham aldığını belirtiyor. 8

Bu ayrıntılar önemli; çünkü Hy4’ün farkı yalnızca parametre sayısından ibaret değil. Model, çok yüksek kapasiteyi seyrek yönlendirme, uzun bağlam işleme ve çıkarım yükünü azaltmayı hedefleyen tekniklerle birleştiriyor.

Hy4 ile Hy3 arasındaki farklar neler?

Hy4, Tencent’in önceki Hy3 modeline kıyasla kapsamlı bir büyüme sunuyor:

Özellik	Hy3	Hy4 Preview	Değişim
Toplam parametre	295 milyar	770 milyar	Yaklaşık 2,6 kat
Token başına etkin parametre	21 milyar	49 milyar	Yaklaşık 2,3 kat
Bağlam penceresi	262 bin token	1 milyon tokenın üzerinde	Yaklaşık 4 kat
Model tasarımı	MoE	Genişletilmiş MoE ve seyrek dikkat değişiklikleri	Daha yüksek kapasite ve daha uzun bağlam

Dolayısıyla Hy4, hem toplam model kapasitesini hem de her token için kullanılan etkin hesaplama miktarını artırıyor. Tencent ayrıca eğitim verisini genişlettiğini, ön eğitim ve eğitim sonrası aşamalarda önemli değişiklikler yaptığını söylüyor. 814

Bağlam penceresindeki artış, pratik kullanım açısından özellikle dikkat çekici olabilir. 1 milyon tokenı aşan pencere; büyük kod depolarını, uzun araştırma arşivlerini ve karmaşık kurumsal görevleri tek bir çalışma akışında ele almayı kolaylaştırabilir. Bununla birlikte gerçek fayda; bilgi getirme kalitesine, gecikme süresine ve modelin uzun girdiler boyunca doğruluğunu ne kadar koruyabildiğine bağlı olacak.

Hy4, Çin’deki rakipleriyle nasıl karşılaştırılıyor?

Tencent’in yayımladığı en net karşılaştırma, şirketin gerçekleştirdiği kör yan yana değerlendirme. Bu testte 163 şirket içi uzman, 203 mühendislik görevi üzerinden çıktıları puanladı. Hy4 Preview 4 üzerinden ortalama 2,99 puan alırken Zhipu’nun GLM-5.3 modeli 2,92, Moonshot’ın Kimi K3 modeli ise 2,94 puanda kaldı. 8

Sonuç, Tencent’in testinde Hy4’ü küçük bir farkla öne çıkarıyor. Ancak bu veriyi tarafsız ve kapsamlı bir sıralama olarak değerlendirmemek gerekiyor: Değerlendiriciler Tencent çalışanlarından oluşuyor ve test mühendislik görevlerine odaklanıyor. Diğer benchmark raporlarında Hy4’ün Alibaba’nın Qwen modelleri ve DeepSeek gibi yerel rakiplerle karşılaştırıldığında sonuçlarının teste göre değiştiği görülüyor. 113

Bazı ikincil raporlar, Terminal-Bench 2.1 ve DeepSWE gibi kodlama benchmark’larında Hy3’e kıyasla büyük kazanımlar bildiriyor. Bu rakamlar Tencent’in ilerleme iddiası için bir gösterge niteliğinde; ancak test koşulları ve sonuçlar bağımsız biçimde tekrarlanana kadar ihtiyatla yorumlanmalı. 1718

Şu aşamada savunulabilecek en sağlam sonuç, Hy4’ün kodlama ve üretkenlik iş yüklerinde Çin’in en üst düzey açık ağırlıklı modelleri arasında yer aldığı. Mevcut kanıtlar, modelin her görevde ve her rakibe karşı kesin bir üstünlük kurduğunu göstermiyor.

Hy4 Preview nerelerde kullanılabilir?

Tencent, Hy4’ü hem indirilebilir model ağırlıkları hem de barındırılan ürünler üzerinden erişilebilir hâle getirdi.

İndirilebilir ağırlıklar ve kurulum

Model ve FP8 sürümü Hugging Face, ModelScope, GitCode ve CNB üzerinden sunuluyor. Tencent; vLLM ve SGLang için dağıtım tarifleri, OpenAI uyumlu yerel API seçeneği, ince ayar talimatları ve nicemleme araçları sağlıyor. 812

Bu seçenekler, model ağırlıklarıyla denemeler yapmak veya özelleştirilmiş bir sunucu altyapısı kurmak isteyen geliştiricilerin işini kolaylaştırıyor. Ancak “açık ağırlıklı” olması modelin küçük veya kolay çalıştırılabilir olduğu anlamına gelmiyor. Tencent’in referans FP8 yapılandırması sekiz yönlü tensor parallelism kullanıyor; 770 milyar parametreli bir modeli sunmak hâlâ ciddi bir çoklu GPU altyapısı gerektiriyor. 8

Tencent uygulamaları ve barındırılan API’ler

Kullanıcılar Hy4’e WorkBuddy, CodeBuddy, Yuanbao ve ima üzerinden erişebiliyor. Tencent ayrıca Tencent Cloud TokenHub ve OpenRouter üzerinden de kullanım sunuyor. Lansman sırasında WorkBuddy ve CodeBuddy’de iki haftalık ücretsiz erişim sağlanırken, önceki Hy3 modelinin ücretsiz kullanım süresi 30 Eylül’e kadar uzatıldı. 12

Bir üçüncü taraf raporu, OpenRouter’daki giriş fiyatını yaklaşık 1 milyon token başına 0,834 dolar olarak listeledi. Bu rakam kalıcı bir Tencent liste fiyatı olarak değil, belirli bir kanal için bildirilen ücret olarak görülmeli; fiyatlar ve erişim, sağlayıcıya ve coğrafyaya göre değişebilir. 3

Tencent’in ürün ekosistemi neden önemli?

Hy4, Tencent’in uygulama stratejisinden ayrı bir model sürümü değil. Şirket, modeli WorkBuddy ve CodeBuddy ile birlikte tasarladığını; şirket içi mühendislerden, oyun geliştiricilerinden, finans analistlerinden ve güvenlik uzmanlarından gelen görev verileri ile geri bildirimleri kullandığını belirtiyor. 8

Bu yaklaşım Tencent’e mimarinin ötesinde bir avantaj sağlayabilir. Şirket, modeli gerçek kodlama ve ofis iş akışlarında kullanılan ürünlerin içinde test edebilir; ardından ürün geri bildirimlerini sonraki sürümlere aktarabilir. Aynı dağıtım ağı, kullanıcıların 770 milyar parametreli bir sistemi kendi donanımında çalıştırmadan modeli denemesine de olanak tanıyor.

Tencent’in daha geniş Hunyuan dağıtımının yüksek kullanım üretebildiğine dair erken işaretler de var. Şirket, Hunyuan 3’ün üretim sürümüne alınmasının ortalama günlük token kullanımını önizleme dönemine kıyasla yaklaşık altı kat artırdığını bildirdi. Bu, kullanımın hızlı büyüdüğünü gösteriyor; ancak bağımsız biçimde doğrulanmış kullanıcı memnuniyeti veya uzun vadeli kullanıcı bağlılığı kanıtı değil.

Tencent bu stratejiyi desteklemek için önemli harcamalar da yapıyor. Tesis ve ekipman yatırımları, 2026’nın ikinci çeyreğinde 52,784 milyar yuan’a ulaştı; bu rakam bir önceki yılın aynı döneminin yaklaşık 2,8 katı. Yönetim, yapay zekâ altyapısına ve WorkBuddy ile bağlantılı yatırımlara öncelik verdi.

Tencent, WorkBuddy’yi Çin’in en yaygın kullanılan üretkenlik yapay zekâ ajanı hizmeti olarak tanımlıyor. Ancak bu ifade şirketin iddiası; bağımsız denetimden geçmiş bir pazar payı ölçümü değil. 4

Hy4 Preview’ın mevcut sınırlamaları

Hy4 Preview, tamamlanmış bir son sürüm olarak sunulmuyor. Tencent, modelin zor görevlerde gerekenden uzun süre akıl yürütebildiğini ve kendi çalışmasını fazla kez doğrulayabildiğini kabul ediyor. Bu durum gecikme süresini ve çıkarım maliyetini artırabiliyor. 8

Modelin ölçeği ikinci büyük pratik sınırlamayı oluşturuyor. MoE yönlendirmesi tek bir token için yalnızca 49 milyar parametreyi etkinleştirse de modelin tamamının depolanması ve sunulması gerekiyor. Kendi altyapısında çalıştırmayı düşünen kuruluşların yüksek bellek kapasitesine, hızlı ağ bağlantılarına ve çoklu GPU sistemlerine ihtiyacı var.

Benchmark kanıtlarının da sınırları bulunuyor. Tencent’in şirket içi değerlendirmesi, mühendislik görevlerinde GLM-5.3 ve Kimi K3 karşısında dar bir üstünlük gösteriyor; daha geniş karşılaştırmalarda ise sonuçlar benchmark’a göre değişiyor. Bu nedenle ilk sıralamalar kesin bir liderlikten çok yön gösterici veriler olarak ele alınmalı. 8

Ayrıca uzun bağlam desteği, otomatik olarak güvenilir uzun bağlam muhakemesi anlamına gelmiyor. Hy4’ün 1 milyon tokenlık penceresi önemli bir teknik avantaj; ancak gerçek dünyadaki performans göreve, istemin yapısına, bilgi getirme stratejisine ve sunucu yapılandırmasına bağlı olacak.

Sırada hangi iyileştirmeler olabilir?

Tencent’in açıkladığı yön, resmi bir yayın takviminden daha net. Şirket; ek ön eğitim ve eğitim sonrası çalışmalar, daha hızlı ve daha az tekrara dayalı muhakeme, WorkBuddy ile CodeBuddy’den gelen geri bildirimlerin kullanılmaya devam edilmesi ve dağıtım maliyetini düşürmek için sıkıştırma ya da nicemleme çalışmalarına işaret ediyor. 8

Bu geliştirmeler Hy4’ün temel dengesizliğini ele alabilir: Model, Hy3’e kıyasla daha yüksek kapasite ve çok daha uzun bağlam sunuyor; ancak “Preview” ibaresi hız, verimlilik ve üretim güvenilirliğinin hâlâ geliştirildiğini gösteriyor.

Sonuç

Hy4 Preview, Hy3’e göre büyük bir sıçrama. Toplam parametre sayısı 295 milyardan 770 milyara, etkin parametre sayısı 21 milyardan 49 milyara yükselirken bağlam penceresi 262 bin tokendan 1 milyon tokenın üzerine çıkıyor. Model aynı zamanda Tencent’in kodlama, ofis, bulut ve tüketici ürünleri ekosistemine güçlü biçimde bağlanmış durumda. 812

Geliştiriciler için Apache 2.0 lisanslı ağırlıklar ve dağıtım araçları Hy4’ü değerlendirmeye değer kılıyor. Kuruluşlar açısından ise 770 milyar parametreli modeli kendi sunucularında çalıştırmak yerine Tencent ürünleri ve API’ler üzerinden barındırılan erişimi kullanmak daha pratik olabilir.

Bugün için en doğru değerlendirme kesin hükümden ziyade ölçülü bir iyimserlik: Hy4 Preview, kodlama ve yapay zekâ ajanlarının yürüttüğü üretkenlik görevleri için Çin’in en güçlü açık ağırlıklı modellerinden biri gibi görünüyor. Bunun kalıcı bir liderliğe dönüşüp dönüşmeyeceğini ise bağımsız benchmark’lar ve uzun süreli gerçek dünya kullanımı belirleyecek.