TL;DR
HY4 adalah model AI flagship baru dari Tencent, dirilis pada 4 November 2026, untuk penalaran multimodal, pemrograman, penggunaan komputer, riset, dan alur kerja profesional. Model ini menambahkan kemampuan visi dan interaksi GUI ke keluarga model Hy serta meningkatkan eksekusi berkelanjutan di seluruh dokumen, perangkat lunak, dan alat bisnis. Tencent melaporkan skor 74.9 pada DeepSWE v1.1, 75.2 pada APEX-Agents v1.1, dan 78.9 pada OSWorld 2.1 (full, skor parsial), di bawah kondisi evaluasi yang diterbitkan.
Key Takeaways
- Kenaikan nyata di dunia nyata vs pratinjau: +21 poin pada APEX-Agents, peningkatan besar pada Terminal-Bench 4.0, AutomationBench, skor pakar finansial, dan metrik tingkat produk.
- Peringkat independen: #4 open-weight di Vals Index (59.35%), #2 open-weight di Terminal-Bench 4.0 dalam beberapa laporan, kompetitif pada Finance/Tax Agent.
- Visi + penggunaan komputer ditambahkan untuk pertama kalinya, dengan pelatihan khusus pada perangkat lunak profesional (Blender, CAD, dll.).
- Harga tetap sangat kompetitif di kisaran ~$0.83/$2.50; CometAPI sering menawarkan diskon tambahan (~20%).
- Sinyal RSI: Hy4 + Hyra 2.0 sudah digunakan untuk meningkatkan pipeline pelatihan internal dan ikut mengembangkan model open (HyCell, HyPDE).
- Layak untuk: agen jangka panjang, alur kerja finansial/kantor, produktivitas multimodal, dan tim sensitif biaya yang membutuhkan performa kuat dari model open.
- Bukan pemimpin absolut pada setiap leaderboard STEM berat atau pemrograman murni — masih satu langkah di bawah model tertutup teratas pada area tersebut.
What Is HY4, and Why Does It Matter?
HY4, ditulis sebagai Hy4 oleh Tencent, adalah model AI umum yang dirancang untuk menjalankan pekerjaan kompleks dalam banyak langkah. Pengumuman 4 November Tencent memposisikannya pada kombinasi penalaran, pemahaman visual, alat, dan eksekusi berkelanjutan.
Kombinasi itu penting karena tugas profesional jarang berupa satu pertanyaan terisolasi. Seorang developer mungkin membutuhkan agen untuk memeriksa repositori, mengimplementasikan fitur, menjalankan tes, dan merevisi UI. Seorang analis mungkin perlu merekonsiliasi laporan, spreadsheet, grafik, dan catatan riset. Asisten tempat kerja mungkin perlu menghubungkan pesan, dokumen, kalender, dan catatan rapat.
Rilis HY4 berfokus pada alur kerja tersebut. Tencent menyatakan secara substansial meningkatkan pre-training dan post-training dibanding versi sebelumnya, dengan peningkatan dalam mengikuti instruksi, pemahaman konteks panjang, riset mendalam, dan tugas jangka panjang.
Arsitektur inti (diwarisi dan diperluas dari pratinjau)
- Sparse Mixture-of-Experts: jumlah parameter total besar dengan hanya ~49B diaktifkan per token.
- Jendela konteks 1M token untuk pekerjaan skala repositori dan multi-dokumen.
- Gated DeepSeek Sparse Attention + IndexCache untuk penyajian konteks panjang yang efisien.
- Identity Hyper-Connections dan lapisan native multi-token prediction (MTP) untuk speculative decoding.
- Jalur multimodal baru dan ruang aksi penggunaan komputer (pemahaman layar + kontrol CLI/GUI), dengan pelatihan terarah pada alat profesional dan alur kerja lintas aplikasi.
Sinyal Recursive Self-Improvement (RSI)
Tencent melaporkan bahwa Hy4, dipasangkan dengan kerangka Hyra 2.0, mengoptimalkan infrastruktur pre-training internal untuk model yang lebih kecil dengan arsitektur yang sama dan secara otonom menghasilkan varian yang melampaui baseline resmi. Dua model fondasi yang dikembangkan bersama dengan cara ini (HyCell untuk representasi sel tunggal dan HyPDE untuk pemodelan medan fisik) akan dibuka sumbernya. Ini adalah salah satu contoh publik yang lebih konkret tentang model frontier yang berkontribusi pada loop pengembangannya sendiri.
What performance in the Full HY4 Release?
Vision and Computer Use
HY4 memperkenalkan persepsi visual, termasuk pemahaman gambar yang terperinci dan interpretasi grafik kompleks. Tencent juga menambahkan penggunaan komputer di antarmuka baris perintah dan antarmuka grafis, dengan pelatihan terarah untuk perangkat lunak seperti Blender dan CAD. Rilis Tencent menjelaskan alur kerja yang mencakup banyak aplikasi.
Ini adalah kemampuan yang terkait namun berbeda. Visi memungkinkan model menafsirkan tangkapan layar atau grafik. Penggunaan komputer menambahkan umpan balik: memeriksa antarmuka, memilih aksi, mengamati hasil, dan menyesuaikan. Ini membutuhkan aplikasi sekitar yang memasok tangkapan layar dan mengeksekusi aksi; endpoint penyelesaian teks saja tidak menyediakan agen sistem operasi.
Frontend Engineering and Game Development
Tencent menekankan interaksi UI yang lebih kuat, logika bisnis, manajemen state, dan integrasi full-stack. Untuk gim, mereka bekerja dengan pengembang dari Tencent Interactive Entertainment Group pada implementasi fitur, logika gameplay, pelacakan state, dan pipeline aset.
Rilis ini melaporkan peningkatan 19.1% pada GameDev dan 9.8% pada GameLogic dibanding versi sebelumnya, dan menggambarkan adaptasi ke Unreal Engine, Unity, dan Godot. Ini adalah peningkatan yang dilaporkan Tencent pada evaluasi bernama. Hal ini tidak menetapkan pengurangan waktu pengembangan yang setara untuk setiap tim.
Bagi developer, tes yang relevan adalah apakah agen menyampaikan fitur yang berfungsi dengan koreksi lebih sedikit: tampilan yang dirender, interaksi yang benar, state yang persisten, kode yang dapat dieksekusi, dan tes yang lulus.
Finance, Office Work, and Personal Assistance
Tencent membangun ribuan workspace finansial realistis dan puluhan ribu tugas yang mencakup riset investasi, strategi kuantitatif, alokasi, corporate finance, dan akuntansi pajak. Evaluasinya melibatkan 213 profesional finansial, termasuk 153 pakar dari institusi keuangan terkemuka, di 579 tugas; lebih dari 70% pakar memiliki pengalaman lebih dari lima tahun.
HY4 mencetak 3.04, dibandingkan dengan 2.97 untuk DeepSeek-V4.1-Flash-1017 dan 2.68 masing-masing untuk Kimi K3.1 Pro dan GLM-5.3. Hasil ini berasal dari evaluasi Tencent, bukan replikasi independen terpisah.
Tencent juga menggambarkan co-editing real-time pada file Word, Excel, dan PowerPoint. Melalui WorkBuddy dan WeCom, HY4 dapat menggunakan konteks tempat kerja yang terhubung untuk menyiapkan brief, melacak perubahan proyek, mengidentifikasi item aksi, dan menandai tenggat waktu. Integrasi tersebut milik lingkungan produk; mereka tidak otomatis termasuk dalam setiap panggilan API HY4.
HY4 Performance Benchmarks: What Does the Data Show?
Perbandingan berikut menggunakan lampiran benchmark rilis penuh HY4. Semua entri diterbitkan oleh Tencent; ketika kompetitor memiliki dua skor, tabel menggunakan pengujian ulang Tencent sendiri, ditandai dengan tanda bintang di aslinya. Ini tidak menggabungkan hasil terbaik dari berbagai run.
Evaluasi independen (awal November 2026)
- Vals Index: 59.35% (#13 keseluruhan, #4 open-weight di belakang Kimi K3.1 Pro, DeepSeek V4.1 Flash, GLM-5.3). Peningkatan besar dari pratinjau Hy4 ~53%. Kuat pada Terminal-Bench 4.0 (#2 open-weight dalam beberapa laporan), Finance Agent, Tax Agent.
- Artificial Analysis Intelligence Index: ~34.6–35 (kelas menengah solid, verbose, lebih lambat dari rata-rata per tugas).
- Plotly Data Analytics Bench: 42/43 (98%), di antara model termurah yang mencapai tingkat akurasi tersebut.
- Data komunitas Agent Arena: performa pengguna nyata jangka panjang yang kuat; Hy4 dengan cepat menjadi model Tiongkok #1 dan berada di frontier Pareto dengan biaya per tugas yang kompetitif.
Where HY4 Looks Strong
Skor 75.2 pada APEX-Agents v1.1 adalah entri tertinggi di antara perbandingan yang ditampilkan. Skor 74.9 pada DeepSWE v1.1 juga kompetitif dengan model lain dalam pengujian ulang Tencent. Untuk alur kerja ilmiah, 53.6 pada TenureTrail memimpin kompetitor model open yang ditampilkan, meskipun dua model proprietari mencetak lebih tinggi.
Temuan ini mendukung pengujian HY4 untuk agen bisnis, pekerjaan repositori, dan riset. Mereka tidak mendukung klaim universal “model AI terbaik”.
Where Competitors Still Lead
Skor 44.4 pada Terminal-Bench 4.0 tertinggal dari hasil Kimi dan Claude yang ditampilkan. Skor 78.6 pada MMMU-Pro juga tertinggal dari Kimi, GPT, dan Claude dalam tabel. Penggunaan komputer kompetitif, dengan 78.9 pada OSWorld 2.1, tetapi metrik ini secara eksplisit merupakan skor parsial, bukan klaim bahwa 78.9% pekerjaan desktop arbitrer akan selesai dengan sukses.
Tencent mengakui adanya celah yang tersisa dengan sistem proprietari terdepan pada matematika riset, pemrograman jangka panjang, peningkatan diri model, dan visual question answering lanjutan.
Why Evaluation Settings Matter
Pengaturan Terminal-Bench 4.0 Tencent memungkinkan hingga 500 turn dan batas waktu 13 jam, dengan 16 CPU dan 32 GB RAM; tugas yang bergantung pada GPU juga menerima H100. Pengaturan APEX-Agents memungkinkan hingga 250 langkah. Ini adalah budget agen yang substansial.
Model yang dievaluasi di dalam lingkungan itu mungkin berperilaku berbeda dalam aplikasi web dengan batas waktu 30 detik. Bandingkan keberhasilan tugas bersamaan dengan total latensi, biaya alat, penggunaan token, dan koreksi manusia. Jaga versi benchmark tetap terlihat: skor Terminal-Bench 4.0 tidak boleh dibaca sebagai dapat dipertukarkan langsung dengan hasil Terminal-Bench yang lebih lama.
How HY4 Works: Context, Reasoning, and Agent Execution
Long Context Helps Connect Distributed Information
HY4 dengan jendela konteks 1,048,576 token, input teks-dan-gambar, dan output teks. Ia mencantumkan penyelesaian maksimum 65,536 token untuk konfigurasi penyedia teratasnya. Ini adalah batas spesifik endpoint; konfirmasikan batas saat ini dari CometAPI sebelum merancang di sekitarnya.
Konteks panjang dapat membantu agen menghubungkan informasi di seluruh file dan jejak alat. Ini tidak menjamin recall sempurna, aritmetika akurat, atau seleksi sumber yang benar. Aplikasi yang dirancang dengan baik tetap diuntungkan dari retrieval, identifier dokumen, hasil alat yang ringkas, dan sitasi eksplisit.
Reasoning and Tool Use Form a Feedback Loop
Alur kerja HY4 yang umum menggabungkan perencanaan dengan bukti eksternal: membaca tugas, meminta informasi, memeriksa hasil alat, menjalankan perhitungan atau tes, dan merevisi output. Penalaran model membantu memilih langkah berikutnya; lingkungan eksekusi menyediakan fakta saat ini dan pemeriksaan.
Sebagai contoh, asisten finansial dapat mengambil pernyataan, membangun workbook valuasi, memeriksa rumus, dan menghasilkan laporan. Setiap tahap harus mempertahankan referensi sumber dan membedakan nilai yang dilaporkan dari asumsi. Asisten pemrograman dapat memeriksa file, mengubah kode, menjalankan tes, dan menggunakan kegagalan untuk membimbing edit berikutnya.
Architecture Details Require Careful Versioning
Angka yang banyak dikutip 770B total parameter dan 49B parameter aktif menggambarkan backbone MoE HY4 pratinjau yang dipublikasikan. Kartu modelnya juga mendokumentasikan sparse attention, IndexCache, identity Hyper-Connections, dan multi-token prediction.
Pengumuman rilis penuh Tencent menyatakan detail teknis tambahan akan menyertai bobot dan system card. Sampai keduanya tersedia, jumlah layer pratinjau, konfigurasi expert, dan perintah deployment tidak boleh disajikan sebagai spesifikasi HY4 penuh yang terkonfirmasi. Fakta rilis penuh yang mapan adalah kemampuan barunya, akses hosted, dan hasil evaluasi yang dipublikasikan.
HY4 and RSI: What Recursive Self-Improvement Actually Means
From Solving a Problem to Improving the Tool
RSI adalah singkatan dari recursive self-improvement. Dalam pengumuman Hyra 2.0 pada 2 November Tencent, idenya adalah meningkatkan alat riset yang dapat digunakan kembali, pipeline pelatihan, dan model. Alat yang lebih kuat dapat membantu mengembangkan model yang lebih kuat, yang dapat mendukung putaran pengembangan alat berikutnya.
Rilis penuh HY4 memberikan contoh konkret: dipasangkan dengan Hyra 2.0, HY4 mengoptimalkan infrastruktur pre-training internal untuk model yang lebih kecil dengan arsitektur yang sama dan melatih varian yang melampaui baseline Jev yang disebutkan pada beberapa benchmark. Tencent juga mengumumkan HyCell dan HyPDE, model fondasi untuk representasi sel tunggal dan pemodelan medan fisik yang dikembangkan bersama dengan sistem tersebut. Sumber.
How Hyra 2.0 Organizes Research
Hyra menggunakan tiga level: Overall, Mission, dan Worker. Overall mengoordinasikan tujuan manusia, prioritas, dan sumber daya. Mission mengarahkan upaya riset yang lebih panjang. Worker memeriksa kode, menjalankan eksperimen, menganalisis kegagalan, dan menantang hipotesis.
Antrian tugas persisten menangani dependensi dan batas sumber daya. Research Board mencatat bukti dan keputusan. Review Worker secara independen memeriksa hasil, sementara shared knowledge memisahkan observasi dari temuan yang direproduksi dan konvensi tim. Tencent mengatakan pengeluaran komputasi yang substansial dan perubahan shared knowledge memerlukan persetujuan manusia yang sesuai.
What RSI Does—and Does Not—Establish
Ini adalah bukti alur kerja riset AI yang terstruktur. Ini tidak menetapkan pertumbuhan kecerdasan tanpa batas atau menunjukkan bahwa percakapan HY4 hosted mengubah bobot dasar endpoint. Prompt yang ditingkatkan, memori persisten, alat perangkat lunak baru, dan model yang baru dilatih adalah bentuk peningkatan yang berbeda.
Bagi pengembang, pola yang berguna adalah iterasi yang terukur: pertahankan kegagalan, tingkatkan alat, evaluasi kandidat pada tugas yang ditahan, dan promosikan perubahan hanya ketika buktinya mendukung. Skor HY4 35.2 pada PostTrainBench v1.2 dan 28.1 pada Tencent’s internal Foundation Model Bench adalah indikator yang relevan, namun tetap spesifik pada evaluasi.
Reliability: Has HY4 Reduced Hallucinations?
Tencent melaporkan bahwa peningkatan pencarian dan verifikasi terarah mengurangi tingkat halusinasi internal dari 15.76% menjadi 5.45%. Itu adalah penurunan 10.31 poin persentase, atau sekitar 65.4% pengurangan relatif, dihitung dari angka Tencent. Kesalahan spekulatif turun dari 23.1% menjadi 5.6%. Sumber.
Hasil tersebut menyangkut evaluasi finansial dan kantor Tencent. Mereka tidak boleh digeneralisasikan menjadi klaim bahwa HY4 hanya berhalusinasi 5.45% dari semua pertanyaan.
Ada umpan balik produk pendukung: RabyteTech melaporkan 61.63 pada 101 tugas riset investasi, naik 12.03 poin dibanding versi sebelumnya. Manus melaporkan hampir 97% penyelesaian pada tugas pembuatan dan pengeditan dokumen internalnya. Ini adalah testimonial mitra yang direproduksi dalam pengumuman Tencent, dengan set tugas dan definisi yang berbeda; mereka adalah konteks yang berguna daripada skor benchmark yang dapat dipertukarkan.
HY4 Pricing: Official Rates, CometAPI, and Provider Offers
Current Price Comparison
Cuplikan berikut diperiksa pada 4 November 2026. Semua tarif dalam USD per satu juta token.
CometAPI menampilkan diskon 20% terhadap harga referensi resmi yang terdaftar. Metadata API live OpenRouter menunjukkan tarif yang lebih rendah daripada referensi halaman rilis Tencent saat diperiksa. Metadata tidak menetapkan berapa lama penawaran itu berlangsung. Perbedaan ini membuat verifikasi tingkat penyedia secara live menjadi esensial; CometAPI tidak boleh digambarkan sebagai jalur berharga terendah berdasarkan bukti ini.
Estimate the Cost of Your Actual Workload
Pada tarif yang ditampilkan CometAPI, beban kerja yang menggunakan 1M token input dan 250.000 token output berharga kira-kira:
$0.6672 + (0.25 × $2.00) = $1.1672
Ini adalah ilustrasi perhitungan token. Pengulangan, penghitungan token penalaran, caching, layanan alat, dan ketentuan spesifik akun dapat memengaruhi tagihan akhir. Agen yang output-nya berat dapat menghabiskan lebih dari perkiraan ketika mereka berulang kali memeriksa file atau memverifikasi pekerjaan.
Bandingkan biaya per tugas yang berhasil diselesaikan. Tarif token yang lebih rendah dapat kehilangan keunggulan jika model membutuhkan lebih banyak percobaan, output lebih panjang, atau perbaikan manusia yang substansial.
Conclusion
Hy4 menghadirkan peningkatan performa yang berarti dan terukur dibanding pratinjau sambil mempertahankan harga agresif yang membuat rilis sebelumnya menarik. Peringkat independen mengonfirmasi bahwa model ini berada di jajaran teratas model open-weight, dengan kekuatan khusus pada agen, finansial, dan tugas produktivitas nyata. Dikombinasikan dengan kemampuan visi dan penggunaan komputer baru, saat ini merupakan salah satu opsi paling menarik bagi tim yang hemat biaya dan membutuhkan kapabilitas kuat dari model open.
Untuk cara paling sederhana dan paling fleksibel mengevaluasi dan menerapkannya bersama model terdepan lainnya, jalankan melalui CometAPI. Satu key, harga kompetitif, dan switching yang mulus menjadikannya pilihan praktis untuk produksi dan eksperimen pada tahun 2026.
FAQs About HY4
What Is Tencent HY4?
HY4 adalah model AI flagship Tencent yang dirilis pada 4 November 2026. Ia mendukung pemahaman visual, penggunaan komputer, penalaran, pemrograman, riset, dan tugas profesional multi-langkah.
What Changed from the Earlier Version?
HY4 penuh menambahkan visi dan penggunaan komputer serta meningkatkan skala pre-training dan post-training. Tencent melaporkan peningkatan dalam pemahaman konteks panjang, mengikuti instruksi, finansial, pekerjaan kantor, pengembangan, dan riset ilmiah.
What Are HY4’s Main Benchmark Scores?
Tencent melaporkan 74.9 pada DeepSWE v1.1, 44.4 pada Terminal-Bench 4.0, 75.2 pada APEX-Agents v1.1, 78.9 pada OSWorld 2.1 skor parsial, dan 78.6 pada MMMU-Pro. Ini menggunakan kondisi evaluasi dari lampiran rilis.
Does HY4 Have a 1M-Token Context Window?
Metadata live OpenRouter mencantumkan 1,048,576 token untuk HY4. Periksa batas endpoint yang Anda gunakan, termasuk budget gabungan input/output dan panjang penyelesaian maksimum.
Is HY4 Self-Improving?
Tencent mengembangkan alur kerja RSI dengan HY4 dan Hyra 2.0 untuk meningkatkan alat riset, infrastruktur, dan varian model. Percakapan hosted normal tidak menunjukkan modifikasi otonom terhadap bobot HY4 yang dideploy.
How Much Does HY4 Cost on CometAPI?
Halaman model yang diperiksa mencantumkan $0.6672 per 1M token input dan sekitar $2.00 per 1M token output, dengan diskon 20% yang ditampilkan terhadap referensi resmi. Lihat halaman harga live sebelum membuat anggaran.
Is HY4 Open Source and Ready to Download?
Tencent mengatakan bobot penuh HY4 dan system card direncanakan. Bobot pratinjau publik adalah rilis terpisah. Konfirmasikan ketersediaan unduhan model penuh dan lisensinya sebelum self-hosting.
Can I Use HY4 Through CometAPI Now?
Ya. CometAPI mencantumkan hy4 sebagai tersedia. Gunakan dokumentasi API untuk mengonfirmasi akses akun, parameter, dukungan gambar, dan rate limit, lalu jalankan beban kerja kecil sebelum melakukan skala.