Tencent Hy4 Preview: архітектура, тести, ціна та доступність моделі на 770 млрд параметрів

Tencent Hy4 Preview — найбільший на сьогодні реліз open-weight-моделі Tencent і спроба компанії поєднати масштабну мовну модель із реальними інструментами для програмування, офісної роботи та AI-агентів. Модель представили 28 серпня 2026 року. Вона орієнтована на розробку програмного забезпечення, дослідження, фінансовий аналіз та інші завдання, де AI має не просто відповідати на запити, а виконувати послідовність дій. 112

Ключові цифри справді масштабні: 770 млрд загальних параметрів, 49 млрд активних параметрів на кожен токен і контекстне вікно понад 1 млн токенів. Водночас висновок варто робити без зайвого пафосу: Hy4 виглядає однією з найсильніших китайських open-weight-моделей для програмування та продуктивності, але заяви про беззаперечну перевагу поки що значною мірою спираються на оцінювання самої Tencent і потребують ширшої незалежної перевірки. 18

Що таке Tencent Hy4 Preview?

Hy4 Preview — це велика мовна модель із архітектурою Mixture of Experts, або MoE. На відміну від щільної моделі, яка задіює всі параметри під час обробки кожного токена, MoE-модель направляє запит лише до частини спеціалізованих експертів. Це дає змогу збільшити загальну ємність моделі без пропорційного зростання обчислень для кожного токена.

Tencent позиціонує Hy4 не лише як універсального чатбота, а як основу для агентної роботи: написання й налагодження коду, офісної автоматизації, досліджень і фінансового аналізу. Компанія також інтегрує модель у власні інструменти для розробників і робочих процесів. 18

Термін «open source» у цьому випадку точніше розуміти як модель із відкритими вагами. Tencent опублікувала Hy4 за ліцензією Apache 2.0, а також надала рекомендації для розгортання, донавчання та квантизації. 812

Архітектура та основні характеристики

Головні параметри Hy4 Preview:

• Загальна кількість параметрів: 770 млрд
• Активні параметри на токен: 49 млрд
• Контекстне вікно: понад 1 млн токенів
• Архітектура: Mixture of Experts
• Ліцензія: Apache 2.0
• Формати моделі: BF16 і FP8
• Підтримка розгортання: рецепти для vLLM і SGLang, а також сумісний з OpenAI API локальний шлях доступу 812

Основний каркас моделі має 78 шарів. За описом Tencent, перший шар використовує щільну feed-forward-мережу, а решта 77 шарів — MoE-маршрутизацію зі 256 маршрутизованими експертами та одним спільним експертом. Для кожного токена обираються вісім маршрутизованих експертів разом зі спільним. У Hy4 також є вбудований шар передбачення кількох токенів, покликаний допомогти зі спекулятивним декодуванням. 8

Механізм уваги використовує Gated DeepSeek Sparse Attention із технологією IndexCache, яка дає змогу повторно застосовувати розріджені індекси уваги між шарами. Tencent зазначає, що під час проєктування надихалася підходами, пов’язаними з DeepSeek і GLM. 8

Отже, перевага Hy4 — не лише в цифрі «770 млрд». Модель поєднує великий запас ємності, розріджену маршрутизацію, дуже довгий контекст і механізми, покликані зменшити витрати під час висновування.

Hy4 проти Hy3: що змінилося?

Hy4 стала масштабним кроком уперед порівняно з попередньою Hy3:

Показник	Hy3	Hy4 Preview	Зміна
Загальні параметри	295 млрд	770 млрд	Приблизно у 2,6 раза більше
Активні параметри на токен	21 млрд	49 млрд	Приблизно у 2,3 раза більше активних обчислень
Контекстне вікно	262 тис. токенів	Понад 1 млн токенів	Приблизно у 4 рази більше
Архітектура	MoE	Розширена MoE з оновленнями розрідженої уваги	Вища ємність і довший контекст

Таким чином, Tencent збільшила і загальну ємність моделі, і обсяг активних обчислень на токен. Компанія також повідомляє про розширення навчальних даних і суттєві зміни у pre-training та post-training. 814

Контекст понад 1 млн токенів може мати найбільше практичне значення для розробників і аналітиків. Теоретично Hy4 здатна працювати з великими кодовими базами, довгими наборами дослідницьких матеріалів і складними робочими документами. Проте сам розмір контексту ще не гарантує точності: важливими залишаються якість пошуку потрібної інформації, затримка відповіді та здатність моделі не втрачати деталі на великій дистанції.

Як Hy4 виглядає на тлі китайських конкурентів?

Найчіткіше опубліковане порівняння Tencent провела у власному сліпому тесті. У ньому 163 внутрішні експерти оцінювали відповіді на 203 інженерні завдання. Hy4 Preview отримала середню оцінку 2,99 із 4, тоді як GLM-5.3 від Zhipu — 2,92, а Kimi K3 від Moonshot — 2,94. 8

У межах цього тесту Hy4 справді випередила обидві моделі, але сприймати результат як нейтральний загальний рейтинг не варто. Оцінювання проводили експерти Tencent, а сам тест був зосереджений на інженерних завданнях. Дані з інших тестів демонструють неоднакові результати Hy4 у порівнянні з моделями Alibaba Qwen і DeepSeek. 113

Окремі галузеві публікації також наводять значне зростання результатів Hy4 проти Hy3 у тестах для програмування, зокрема Terminal-Bench 2.1 і DeepSWE. Ці цифри свідчать про заявлений Tencent прогрес, але їх варто оцінювати обережно, доки умови тестування та результати не буде відтворено незалежно. 1718

Найобережніший висновок такий: Hy4 належить до найсильнішої групи китайських open-weight-моделей для програмування та продуктивності. Наявні дані ще не доводять, що вона стабільно випереджає кожного конкурента в усіх типах завдань.

Де можна використовувати Hy4 Preview?

Tencent відкрила доступ до моделі у двох форматах: через завантажувані ваги та через власні хмарні й користувацькі продукти.

Ваги та самостійне розгортання

Модель і її FP8-версія доступні через Hugging Face, ModelScope, GitCode та CNB. Tencent опублікувала інструкції для запуску у vLLM і SGLang, локальний API-сумісний з OpenAI, матеріали для донавчання та інструменти квантизації. 812

Це спрощує експерименти для розробників, які хочуть працювати безпосередньо з вагами або створити власний стек обслуговування. Але «відкриті ваги» не означають, що модель легко запустити на звичайному комп’ютері. Рекомендована FP8-конфігурація Tencent використовує восьмиканальний tensor parallelism, а обслуговування моделі на 770 млрд параметрів залишається серйозним багатографічним інфраструктурним завданням. 8

Продукти Tencent і хостинг API

Користувачі можуть отримати доступ до Hy4 через WorkBuddy, CodeBuddy, Yuanbao та ima. Tencent також вказує Tencent Cloud TokenHub і OpenRouter як канали доступу. На момент запуску компанія запропонувала два тижні безкоштовного використання Hy4 у WorkBuddy та CodeBuddy, а доступ до попередньої Hy3 продовжила до 30 вересня. 12

Сторонній звіт вказував ціну в OpenRouter приблизно на рівні 0,834 долара за 1 млн вхідних токенів. Це слід сприймати як ціну конкретного каналу, а не як гарантований постійний тариф Tencent: вартість і доступність можуть відрізнятися залежно від провайдера та регіону. 3

Чому екосистема Tencent має значення

Hy4 тісно пов’язана з продуктовою стратегією Tencent. Компанія повідомляє, що модель створювали спільно з WorkBuddy і CodeBuddy, використовуючи дані завдань і відгуки внутрішніх інженерів, розробників ігор, фінансових аналітиків та фахівців із безпеки. 8

Такий підхід може дати Tencent перевагу не лише на рівні архітектури. Компанія здатна випробовувати модель у реальних сценаріях програмування та офісної роботи, а потім використовувати відгуки продуктів для наступних ітерацій. Крім того, широка екосистема дає користувачам кілька способів спробувати модель без необхідності самостійно запускати систему на 770 млрд параметрів.

Є й ранні ознаки активного використання ширшої лінійки Hunyuan. Tencent повідомила, що після переведення Hunyuan 3 у виробничий режим середньодобове використання токенів зросло приблизно вшестеро порівняно з етапом попереднього перегляду. Це свідчить про швидке зростання використання, але саме по собі не доводить задоволеність користувачів або їхнє довгострокове утримання.

Компанія також значно збільшує витрати на інфраструктуру. Капітальні витрати Tencent на обладнання та об’єкти у другому кварталі 2026 року сягнули 52,784 млрд юанів — приблизно у 2,8 раза більше, ніж роком раніше. Керівництво повідомило, що пріоритетом стали AI-інфраструктура та інвестиції, пов’язані з WorkBuddy.

Tencent називає WorkBuddy найпоширенішим у Китаї сервісом продуктивного AI-агента, однак це твердження компанії, а не результат незалежно підтвердженого вимірювання частки ринку. 4

Поточні обмеження Hy4 Preview

Hy4 Preview не позиціонується як завершена модель. Tencent визнає, що під час складних завдань система може витрачати більше часу, ніж потрібно, на міркування та надмірно перевіряти власну роботу. Наслідком можуть бути вища затримка і більша вартість висновування. 8

Другий практичний бар’єр — масштаб. Хоча MoE-маршрутизація активує для конкретного токена лише 49 млрд параметрів, усю модель все одно потрібно зберігати та обслуговувати. Організаціям, які планують самостійний запуск, знадобляться значні обсяги пам’яті, швидкі мережі та кілька GPU.

Обмеження має і доказова база. Внутрішній тест Tencent показав невелику перевагу над GLM-5.3 та Kimi K3 в інженерних завданнях, тоді як результати ширших порівнянь змінюються залежно від бенчмарку. Тому перші рейтинги краще сприймати як орієнтир, а не остаточний вердикт. 8

Нарешті, довгий контекст не дорівнює автоматично надійному міркуванню на довгій дистанції. Вікно на 1 млн токенів є важливою технічною перевагою Hy4, але результат залежатиме від конкретного завдання, структури запиту, стратегії пошуку та конфігурації сервера.

Які покращення можуть з’явитися далі?

Офіційний напрям розвитку Tencent описала чіткіше, ніж формальний графік релізів. Компанія вказує на подальше pre-training і post-training, швидше та менш повторюване міркування, постійне використання відгуків WorkBuddy і CodeBuddy, а також стискання й квантизацію для здешевлення розгортання. 8

Ці зміни мають вирішити головний компроміс Hy4: модель отримала значно більшу ємність і довший контекст, ніж Hy3, але статус preview показує, що швидкість, ефективність і надійність у виробничих сценаріях ще допрацьовуються.

Висновок

Hy4 Preview — значний крок уперед порівняно з Hy3: загальна кількість параметрів зросла з 295 млрд до 770 млрд, активних параметрів — із 21 млрд до 49 млрд, а контекстне вікно — з 262 тисяч до понад 1 млн токенів. Модель також незвично тісно пов’язана з екосистемою Tencent — її інструментами для програмування, офісної роботи, хмарними сервісами та споживчими продуктами. 812

Для розробників ліцензія Apache 2.0 і доступні інструменти роблять Hy4 цікавою для тестування. Для компаній практичнішим варіантом може бути доступ через продукти або API Tencent, а не самостійне обслуговування моделі такого масштабу.

Поточний вердикт варто сформулювати стримано: Hy4 Preview виглядає потужною open-weight-моделлю найвищого рівня серед китайських рішень для програмування та агентної продуктивності. Чи перетвориться її рання перевага на стабільне лідерство, покажуть незалежні бенчмарки й тривале використання у виробничих системах.