Mit CometAPI entwickelnEine API für mehrere Modelle erforderlich?Teste den Workflow im Playground und erstelle anschließend einen API-Schlüssel, sobald Modell und Kosten zu deinem Anwendungsfall passen.
HY4 ist Tencents neues Flaggschiff-KI-Modell, veröffentlicht am 4. November 2026, für multimodales Reasoning, Programmierung, Computerbedienung, Recherche und professionelle Workflows. Es erweitert die Hy-Modellfamilie um Vision und GUI-Interaktion und verbessert die fortlaufende Ausführung über Dokumente, Software und Business-Tools hinweg. Tencent meldet Werte von 74.9 auf DeepSWE v1.1, 75.2 auf APEX-Agents v1.1 und 78.9 auf OSWorld 2.1 (voll, Teilpunktzahl) unter den veröffentlichten Evaluationsbedingungen.
Wichtigste Punkte
Deutliche Praxisgewinne gegenüber der Vorschau: +21 Punkte auf APEX-Agents, große Zuwächse auf Terminal-Bench 4.0, AutomationBench, Finanzexperten-Scores und produktnahe Metriken.
Unabhängiges Ranking: #4 Open-Weight auf dem Vals Index (59,35%), #2 Open-Weight auf Terminal-Bench 4.0 in manchen Berichten, wettbewerbsfähig bei Finance/Tax Agent.
Vision + Computer-Nutzung erstmals hinzugefügt, mit spezialisiertem Training auf Profi-Software (Blender, CAD usw.).
Preise bleiben hoch wettbewerbsfähig bei ~$0.83/$2.50; CometAPI bietet oft zusätzliche Rabatte (~20%).
Weiterlernen
Diesen Artikel mit der nächsten Entscheidung verknüpfen.
Auf Klarheit, Quellenangabe und aktuelle API-Terminologie geprüft.
RSI-Signale: Hy4 + Hyra 2.0 werden bereits genutzt, um interne Trainingspipelines zu verbessern und offene Modelle (HyCell, HyPDE) mitzuentwickeln.
Empfehlenswert für: Langhorizont-Agenten, Finanz-/Office-Workflows, multimodale Produktivität und kostenbewusste Teams mit Anspruch an starke Open-Modell-Performance.
Nicht in jeder harten STEM- oder reinen Coding-Bestenliste an der Spitze — immer noch klar unter den allerbesten Closed Models in diesen Bereichen.
Was ist HY4 und warum ist es wichtig?
HY4, von Tencent als Hy4 geschrieben, ist ein Allzweck-KI-Modell, das komplexe Arbeit über viele Schritte hinweg ausführen soll. Tencents Ankündigung vom 4. November positioniert es an der Schnittstelle von Reasoning, visuellem Verständnis, Tools und fortlaufender Ausführung.
Diese Kombination ist wichtig, weil professionelle Aufgaben selten in eine isolierte Frage passen. Ein Entwickler braucht womöglich einen Agenten, der ein Repository inspiziert, ein Feature implementiert, Tests ausführt und ein UI überarbeitet. Ein Analyst muss Einreichungen, Tabellen, Diagramme und Notizen abgleichen. Ein Assistent am Arbeitsplatz muss Nachrichten, Dokumente, Kalender und Besprechungsaufzeichnungen verbinden.
Die Veröffentlichung fokussiert auf diese Workflows. Tencent sagt, es habe sowohl Vortraining als auch Nachtraining gegenüber der früheren Version deutlich erhöht, mit Zuwächsen bei Befolgung von Anweisungen, Langkontext-Verständnis, tiefgehender Recherche und Langhorizont-Aufgaben.
Core-Architektur (aus der Vorschau geerbt und erweitert)
Sparse Mixture-of-Experts: große Gesamtparameterzahl, mit nur ~49B pro Token aktiv.
1M-Token-Kontextfenster für Repository-Scale- und Multidokument-Arbeit.
Gated DeepSeek Sparse Attention + IndexCache für effizientes Serving bei langen Kontexten.
Identity Hyper-Connections und native Multi-Token-Prediction-(MTP)-Schicht für spekulatives Decoding.
Neuer multimodaler Pfad und Aktionsraum für Computer-Nutzung (Bildschirmverständnis + CLI/GUI-Steuerung), mit gezieltem Training auf professionellen Tools und anwendungsübergreifenden Workflows.
RSI-Signale (rekursive Selbstverbesserung)
Tencent berichtet, dass Hy4 zusammen mit dem Hyra-2.0-Rahmen die interne Vortrainings-Infrastruktur für kleinere Modelle mit gleicher Architektur optimiert und Varianten autonom erzeugt hat, die offizielle Baselines übertrafen. Zwei so mitentwickelte Foundation-Modelle (HyCell für Single-Cell-Repräsentation und HyPDE für physikalische Feldmodellierung) werden als Open Source bereitgestellt. Dies ist eines der konkreteren öffentlichen Beispiele dafür, dass ein Frontier-Modell zu seinem eigenen Entwicklungszyklus beiträgt.
Welche Leistung zeigt die vollständige HY4-Veröffentlichung?
Vision und Computer-Nutzung
HY4 führt visuelle Wahrnehmung ein, inklusive feinkörnigem Bildverständnis und Interpretation komplexer Diagramme. Tencent ergänzt zudem Computer-Nutzung über Kommandozeilen- und grafische Oberflächen, mit gezieltem Training für Software wie Blender und CAD. Tencents Veröffentlichung beschreibt Workflows, die mehrere Anwendungen überspannen.
Dies sind verwandte, aber unterschiedliche Fähigkeiten. Vision ermöglicht es, einen Screenshot oder ein Diagramm zu interpretieren. Computer-Nutzung fügt eine Rückkopplungsschleife hinzu: Oberfläche inspizieren, eine Aktion wählen, Ergebnis beobachten und anpassen. Dies erfordert eine umgebende Anwendung, die Screenshots liefert und Aktionen ausführt; ein reiner Text-Completion-Endpunkt stellt keinen Betriebssystem-Agenten dar.
Frontend-Engineering und Spieleentwicklung
Tencent betont stärkere UI-Interaktionen, Geschäftslogik, Zustandsverwaltung und Full-Stack-Integration. Für Spiele arbeitete man mit Entwicklern der Tencent Interactive Entertainment Group an Feature-Implementierung, Gameplay-Logik, Zustandstracking und Asset-Pipelines.
Die Veröffentlichung meldet 19,1% Verbesserung bei GameDev und 9,8% bei GameLogic gegenüber der früheren Version und beschreibt Anpassungen an Unreal Engine, Unity und Godot. Dies sind von Tencent gemeldete Verbesserungen auf benannten Evaluierungen. Sie belegen nicht, dass sich die Entwicklungszeit bei jedem Team in gleichem Maße verkürzt.
Für Entwickler ist der relevante Test, ob ein Agent ein funktionierendes Feature mit weniger Korrekturen liefert: gerendertes Erscheinungsbild, korrekte Interaktionen, persistenter Zustand, ausführbarer Code und bestandene Tests.
Finanzen, Büroarbeit und persönliche Assistenz
Tencent baute tausende realistische Finanz-Arbeitsbereiche und zehntausende Aufgaben zu Investmentresearch, quantitativen Strategien, Allokation, Corporate Finance und Steuerbuchhaltung. Die Bewertung umfasste 213 Finanzprofis, darunter 153 Experten führender Finanzinstitute, über 579 Aufgaben; über 70% der Experten hatten mehr als fünf Jahre Erfahrung.
HY4 erzielte 3.04, verglichen mit 2.97 für DeepSeek-V4.1-Flash-1017 und jeweils 2.68 für Kimi K3.1 Pro und GLM-5.3. Diese Ergebnisse stammen aus Tencents eigener Bewertung, nicht aus einer separaten unabhängigen Replikation.
Tencent beschreibt außerdem gemeinsames Bearbeiten von Word-, Excel- und PowerPoint-Dateien in Echtzeit. Über WorkBuddy und WeCom kann HY4 verbundenen Arbeitsplatzkontext nutzen, um Briefings zu erstellen, Projektänderungen zu verfolgen, Action Items zu identifizieren und Fristen zu markieren. Diese Integrationen gehören zur Produktumgebung; sie sind nicht automatisch in jedem HY4-API-Aufruf enthalten.
HY4 Performance-Benchmarks: Was zeigen die Daten?
Der folgende Vergleich nutzt den Benchmark-Anhang der vollständigen HY4-Veröffentlichung. Alle Einträge sind von Tencent publiziert; wo Wettbewerber zwei Werte haben, nutzt die Tabelle Tencents eigenen Nachtest, im Original mit einem Stern markiert. Es werden nicht die besten Ergebnisse aus verschiedenen Läufen kombiniert.
Benchmark
HY4
GLM-5.3
DeepSeek-V4.1-Flash-1017
Kimi K3.1 Pro
GPT-6.1 Sol
Claude Opus 5.5
DeepSWE v1.1
74.9
68.1
73.8
76.3
72.7
72.6
Terminal-Bench 4.0
44.4
42.9
40.0
66.8
55.5
66.4
APEX-Agents v1.1, pass@1
75.2
64.3
72.9
68.2
61.7
74.8
AutomationBench v1.0.6
56.2
54.1
54.3
65.6
51.4
58.8
OSWorld 2.1, full, partial score
78.9
—
68.4
79.6
75.2
81.8
MMMU-Pro
78.6
—
76.7
83.4
84.9
88.2
TenureTrail, intern
53.6
46.0
50.1
51.3
57.6
59.0
Unabhängige Bewertungen (Stand Anfang November 2026)
Vals Index: 59,35% (#13 insgesamt, #4 Open-Weight hinter Kimi K3.1 Pro, DeepSeek V4.1 Flash, GLM-5.3). Deutlicher Sprung von ~53% (Hy4 Preview). Stark bei Terminal-Bench 4.0 (#2 Open-Weight laut manchen Berichten), Finance Agent, Tax Agent.
Artificial Analysis Intelligence Index: ~34,6–35 (solides Mittelfeld, ausführlich, pro Aufgabe langsamer als der Durchschnitt).
Plotly Data Analytics Bench: 42/43 (98%), eines der günstigsten Modelle, die dieses Genauigkeitsniveau erreichen.
Agent Arena Community-Daten: starke Langhorizont-Leistung bei echten Nutzern; Hy4 wurde schnell das #1 chinesische Modell und liegt auf der Pareto-Front bei wettbewerbsfähigen Kosten pro Aufgabe.
Wo HY4 stark wirkt
HY4s 75.2 auf APEX-Agents v1.1 ist der höchste Eintrag unter den gezeigten Vergleichen. Sein 74.9 auf DeepSWE v1.1 ist in Tencents Nachtests ebenfalls wettbewerbsfähig. Für wissenschaftliche Workflows führt 53.6 auf TenureTrail die gezeigten Open-Modelle an, auch wenn die zwei proprietären Modelle höher punkten.
Diese Befunde sprechen für Tests von HY4 bei Business-Agenten, Repository-Arbeit und Forschung. Sie stützen keinen universellen „bestes KI-Modell“-Anspruch.
Wo Wettbewerber noch führen
HY4s 44.4 auf Terminal-Bench 4.0 liegt hinter den gezeigten Kimi- und Claude-Ergebnissen. Sein 78.6 auf MMMU-Pro liegt ebenfalls hinter Kimi, GPT und Claude in der Tabelle. Die Computer-Nutzung ist wettbewerbsfähig, mit 78.9 auf OSWorld 2.1, aber die Kennzahl ist ausdrücklich eine Teilpunktzahl, nicht die Behauptung, dass 78,9% beliebiger Desktop-Aufgaben erfolgreich abgeschlossen werden.
Tencent räumt eine verbleibende Lücke zu führenden proprietären Systemen bei Forschungs-Mathematik, Langhorizont-Programmierung, modellinterner Selbstverbesserung und fortgeschrittenem visuellen Question Answering ein.
Warum Evaluations-Setups wichtig sind
Tencents Terminal-Bench-4.0-Setup erlaubt bis zu 500 Runden und ein Timeout von 13 Stunden, mit 16 CPUs und 32 GB RAM; GPU-abhängige Aufgaben erhalten zusätzlich eine H100. Das APEX-Agents-Setup erlaubt bis zu 250 Schritte. Das sind beträchtliche Agentenbudgets.
Ein Modell, das in dieser Umgebung evaluiert wird, kann sich in einer Web-App mit 30-Sekunden-Timeout anders verhalten. Vergleichen Sie den Erfolg pro Aufgabe zusammen mit Gesamtlatenz, Werkzeugkosten, Tokenverbrauch und menschlicher Korrektur. Halten Sie Benchmark-Versionen sichtbar: Terminal-Bench-4.0-Werte sind nicht direkt mit älteren Terminal-Bench-Ergebnissen austauschbar.
Wie HY4 arbeitet: Kontext, Reasoning und Agentenausführung
Langer Kontext hilft, verteilte Informationen zu verknüpfen
HY4 mit einem Kontextfenster von 1.048.576 Token, Text-und-Bild-Eingabe und Textausgabe. Für die Top-Provider-Konfiguration ist eine maximale Completion von 65.536 Token aufgeführt. Dies sind endpunktspezifische Limits; bestätigen Sie die aktuellen Limits von CometAPI, bevor Sie darauf aufbauen.
Langer Kontext kann einem Agenten helfen, Informationen über Dateien und Tool-Traces hinweg zu verbinden. Er garantiert keine perfekte Erinnerung, fehlerfreie Arithmetik oder korrekte Quellenauswahl. Eine gut gestaltete Anwendung profitiert weiterhin von Retrieval, Dokument-IDs, kompakten Tool-Ergebnissen und expliziten Zitaten.
Reasoning und Toolnutzung bilden eine Rückkopplungsschleife
Ein typischer HY4-Workflow kombiniert Planung mit externen Belegen: Aufgabe lesen, Informationen anfordern, ein Tool-Ergebnis inspizieren, eine Berechnung oder einen Test ausführen und die Ausgabe überarbeiten. Das Reasoning des Modells hilft, den nächsten Schritt zu wählen; die Ausführungsumgebung liefert aktuelle Fakten und Checks.
Beispielsweise kann ein Finanzassistent Auszüge abrufen, eine Bewertungs-Mappe aufbauen, Formeln prüfen und einen Bericht erstellen. Jede Stufe sollte Quellenverweise beibehalten und berichtete Werte von Annahmen unterscheiden. Ein Coding-Assistent kann Dateien inspizieren, Code ändern, Tests ausführen und Fehlschläge nutzen, um den nächsten Edit zu leiten.
Die vielzitierte 770B total parameters and 49B active parameters beschreiben das veröffentlichte MoE-Backbone der Hy4-Vorschau. Die Model Card dokumentiert auch Sparse Attention, IndexCache, Identity Hyper-Connections und Multi-Token Prediction.
Tencents vollständige Release-Ankündigung sagt, zusätzliche technische Details würden die Gewichte und die Systemkarte begleiten. Bis diese vorliegen, sollten die Ebenenzahlen, Expertenkonfiguration und Deployment-Kommandos der Vorschau nicht als bestätigte Spezifikationen der vollständigen HY4-Version dargestellt werden. Bestätigte Fakten der Vollversion sind die neuen Fähigkeiten, das gehostete Angebot und die publizierten Evaluationsergebnisse.
HY4 und RSI: Was rekursive Selbstverbesserung tatsächlich bedeutet
Vom Lösen eines Problems zur Verbesserung des Werkzeugs
RSI steht für rekursive Selbstverbesserung. In Tencents Ankündigung zu Hyra 2.0 vom 2. November ist die Idee, wiederverwendbare Forschungstools, Trainingspipelines und Modelle zu verbessern. Stärkere Tools können helfen, stärkere Modelle zu entwickeln, die den nächsten Zyklus der Toolentwicklung unterstützen.
Die vollständige HY4-Veröffentlichung liefert ein konkretes Beispiel: Zusammen mit Hyra 2.0 optimierte HY4 die interne Vortrainings-Infrastruktur für kleinere Modelle mit derselben Architektur und trainierte eine Variante, die die angegebene Jev-Baseline auf mehreren Benchmarks übertraf. Tencent kündigte außerdem HyCell und HyPDE an, Foundation-Modelle für Single-Cell-Repräsentation und physikalische Feldmodellierung, die gemeinsam mit dem System entwickelt wurden. Quelle.
Wie Hyra 2.0 Forschung organisiert
Hyra nutzt drei Ebenen: Overall, Mission und Worker. Overall koordiniert menschliche Ziele, Prioritäten und Ressourcen. Missions steuern längere Forschungsvorhaben. Workers inspizieren Code, führen Experimente aus, analysieren Fehlschläge und hinterfragen Hypothesen.
Eine persistente Aufgabenwarteschlange behandelt Abhängigkeiten und Ressourcenlimits. Ein Research Board protokolliert Belege und Entscheidungen. Review Workers inspizieren Ergebnisse unabhängig, während geteiltes Wissen Beobachtungen von reproduzierten Befunden und Teamkonventionen trennt. Tencent sagt, dass erhebliche Compute-Ausgaben und Änderungen am geteilten Wissen eine angemessene menschliche Genehmigung erfordern.
Was RSI belegt – und was nicht
Dies ist ein Beleg für einen strukturierten KI-Forschungs-Workflow. Es belegt kein unbegrenztes Intelligenzwachstum und zeigt nicht, dass ein gehostetes HY4-Gespräch die zugrundeliegenden Gewichte des Endpunkts verändert. Verbesserte Prompts, persistenter Speicher, neue Softwaretools und ein neu trainiertes Modell sind unterschiedliche Formen der Verbesserung.
Für Entwickler ist das nützliche Muster die messbare Iteration: Fehlschläge bewahren, Tools verbessern, Kandidaten an Holdout-Aufgaben evaluieren und Änderungen nur bei entsprechender Evidenz übernehmen. HY4s 35.2 auf dem PostTrainBench v1.2 und 28.1 auf Tencents internem Foundation Model Bench sind relevante Indikatoren, bleiben aber evaluationsspezifisch.
Zuverlässigkeit: Hat HY4 Halluzinationen reduziert?
Tencent berichtet, dass gezielte Verbesserungen bei Suche und Verifikation die interne Halluzinationsrate von 15,76% auf 5,45% senkten. Das ist ein Rückgang um 10,31 Prozentpunkte bzw. etwa 65,4% relative Reduktion, berechnet aus Tencents Zahlen. Spekulative Fehler fielen von 23,1% auf 5,6%. Quelle.
Diese Ergebnisse betreffen Tencents Finanz- und Büro-Bewertungen. Sie sollten nicht zur Behauptung verallgemeinert werden, HY4 halluziniere nur 5,45% der Zeit über alle Fragen hinweg.
Es gibt unterstützendes Produktfeedback: RabyteTech meldet 61,63 bei 101 Investment-Research-Aufgaben, +12,03 Punkte gegenüber der früheren Version. Manus berichtet nahezu 97% Abschluss bei internen Aufgaben zur Dokumenterstellung und -bearbeitung. Dies sind Partnerreferenzen, die in Tencents Ankündigung wiedergegeben werden, mit unterschiedlichen Aufgabensets und Definitionen; sie sind nützlicher Kontext, aber keine austauschbaren Benchmark-Scores.
HY4-Preise: Offizielle Tarife, CometAPI und Anbieterangebote
Aktueller Preisvergleich
Der folgende Schnappschuss wurde am 4. November 2026 geprüft. Alle Preise in USD pro eine Million Token.
Zugangsweg
Ungecachter Input
Output
Gecachter Input
Tencent-Referenz auf Release-Seite
$0.834
$2.501
$0.042
CometAPI hy4 Listing
$0.6672
About $2.00
Not verified on the model page
OpenRouter tencent/hy4 API-Metadaten
$0.417
$1.2505
$0.021
CometAPI zeigt einen 20%-Rabatt gegenüber dem gelisteten offiziellen Referenzpreis. OpenRouters Live-API-Metadaten zeigen einen niedrigeren Satz als Tencents Release-Seiten-Referenz zum Prüfzeitpunkt. Die Metadaten belegen nicht, wie lange das Angebot gilt. Diese Unterschiede machen eine Live-Überprüfung auf Anbieterebene unerlässlich; auf dieser Grundlage sollte CometAPI nicht als günstigster Weg beschrieben werden.
Kosten Ihrer tatsächlichen Arbeitslast schätzen
Zu den angezeigten CometAPI-Sätzen kostet eine Arbeitslast mit 1M Input-Token und 250.000 Output-Token ungefähr:
$0.6672 + (0.25 × $2.00) = $1.1672
Dies ist eine illustrative Tokenkalkulation. Wiederholungen, Abrechnung von Reasoning-Token, Caching, Tool-Dienste und kontospezifische Konditionen können die Endrechnung beeinflussen. Ausgabeintensive Agenten können mehr ausgeben als erwartet, wenn sie Dateien wiederholt inspizieren oder Arbeit verifizieren.
Vergleichen Sie Kosten pro erfolgreich abgeschlossener Aufgabe. Ein niedriger Tokenpreis kann seinen Vorteil verlieren, wenn ein Modell mehr Versuche, längere Ausgaben oder umfangreiche manuelle Nacharbeit benötigt.
Fazit
Hy4 liefert spürbare, messbare Leistungsgewinne gegenüber der Vorschau und behält die aggressive Preisgestaltung bei, die die frühere Version attraktiv machte. Unabhängige Rankings bestätigen, dass es zur Spitzengruppe der Open-Weight-Modelle gehört, mit besonderer Stärke bei Agenten, Finanzen und realer Produktivität. In Kombination mit den neuen Vision- und Computer-Nutzungsfähigkeiten ist es derzeit eine der überzeugendsten Optionen für kostenbewusste Teams, die starke Open-Modell-Fähigkeiten benötigen.
Für den einfachsten, flexibelsten Weg zur Evaluierung und Bereitstellung neben anderen führenden Modellen: über CometAPI routen. Ein Schlüssel, wettbewerbsfähige Preise und nahtloses Umschalten machen es 2026 zur praktischen Wahl für Produktion und Experimente.
FAQs zu HY4
Was ist Tencent HY4?
HY4 ist Tencents Flaggschiff-KI-Modell, veröffentlicht am 4. November 2026. Es unterstützt visuelles Verständnis, Computer-Nutzung, Reasoning, Programmierung, Recherche und mehrstufige professionelle Aufgaben.
Was hat sich gegenüber der früheren Version geändert?
Die vollständige HY4-Version ergänzt Vision und Computer-Nutzung und skaliert Vor- und Nachtraining. Tencent meldet Verbesserungen bei Langkontext-Verständnis, Befolgen von Anweisungen, Finanzen, Büroarbeit, Entwicklung und wissenschaftlicher Forschung.
Was sind HY4s wichtigste Benchmark-Scores?
Tencent meldet 74.9 auf DeepSWE v1.1, 44.4 auf Terminal-Bench 4.0, 75.2 auf APEX-Agents v1.1, 78.9 auf OSWorld 2.1 (Teilpunktzahl) und 78.6 auf MMMU-Pro. Diese nutzen die Evaluationsbedingungen des Release-Anhangs.
Hat HY4 ein 1M-Token-Kontextfenster?
OpenRouters Live-Metadaten listen 1.048.576 Token für HY4. Prüfen Sie die Limits des von Ihnen genutzten Endpunkts, einschließlich des kombinierten Input-/Output-Budgets und der maximalen Completion-Länge.
Ist HY4 selbstverbessernd?
Tencent entwickelt RSI-Workflows mit HY4 und Hyra 2.0 zur Verbesserung von Forschungstools, Infrastruktur und Modellvarianten. Ein normales gehostetes Gespräch demonstriert keine autonome Modifikation der bereitgestellten HY4-Gewichte.
Wie viel kostet HY4 bei CometAPI?
Die geprüfte Modellseite listet $0.6672 pro 1M Input-Token und ungefähr $2.00 pro 1M Output-Token, mit einem angezeigten 20%-Rabatt gegenüber der offiziellen Referenz. Konsultieren Sie die Live-Preisseite, bevor Sie budgetieren.
Ist HY4 Open Source und sofort downloadbar?
Tencent sagt, Gewichte und eine Systemkarte zur Vollversion seien geplant. Öffentliche Preview-Gewichte sind eine separate Veröffentlichung. Bestätigen Sie tatsächliche Download-Verfügbarkeit und Lizenz der Vollversion, bevor Sie selbst hosten.
Kann ich HY4 jetzt über CometAPI nutzen?
Ja. CometAPI führt hy4 als verfügbar. Nutzen Sie die API-Dokumentation, um Kontozugriff, Parameter, Bildsupport und Ratenlimits zu bestätigen, und führen Sie vor dem Skalieren eine kleine Arbeitslast aus.
