Crea con CometAPITi serve una sola API per più modelli?Testa il flusso di lavoro in Playground, poi crea una chiave API quando modello e costo sono adatti al tuo caso d'uso.
HY4 è il nuovo modello AI di punta di Tencent, rilasciato il 4 novembre 2026, pensato per ragionamento multimodale, coding, uso del computer, ricerca e flussi di lavoro professionali. Aggiunge visione e interazione GUI alla famiglia di modelli Hy e migliora l’esecuzione prolungata su documenti, software e strumenti aziendali. Tencent riporta punteggi di 74.9 su DeepSWE v1.1, 75.2 su APEX-Agents v1.1 e 78.9 su OSWorld 2.1 (completo, punteggio parziale), secondo le sue condizioni di valutazione pubblicate.
Punti chiave
Forti miglioramenti reali rispetto al preview: +21 punti su APEX-Agents, importanti aumenti su Terminal-Bench 4.0, AutomationBench, punteggi degli esperti in finanza e metriche a livello di prodotto.
Classifiche indipendenti: #4 open-weight su Vals Index (59.35%), #2 open-weight su Terminal-Bench 4.0 in alcuni report, competitivo su Finance/Tax Agent.
Revisionato per chiarezza, attribuzione delle fonti e terminologia API aggiornata.
Visione + uso del computer aggiunti per la prima volta, con training specializzato su software professionali (Blender, CAD, ecc.).
Prezzi ancora altamente competitivi a ~$0.83/$2.50; CometAPI spesso offre ulteriori sconti (~20%).
Segnali RSI: Hy4 + Hyra 2.0 già usati per migliorare pipeline di training interne e co-sviluppare modelli open (HyCell, HyPDE).
Consigliato per: agenti a lungo orizzonte, flussi di lavoro finance/office, produttività multimodale e team attenti ai costi che necessitano di forti prestazioni open-model.
Non è il leader assoluto in ogni leaderboard STEM difficile o di puro coding — resta un gradino sotto i modelli chiusi di vertice su quei fronti.
Che cos’è HY4 e perché conta?
HY4, stilizzato Hy4 da Tencent, è un modello AI general-purpose progettato per svolgere lavori complessi su molti passaggi. L’annuncio del 4 novembre di Tencent lo posiziona su una combinazione di ragionamento, comprensione visiva, strumenti e esecuzione prolungata.
Questa combinazione è importante perché i compiti professionali raramente si riducono a una singola domanda isolata. Uno sviluppatore può aver bisogno di un agente che ispezioni un repository, implementi una feature, esegua test e riveda una UI. Un analista può aver bisogno di riconciliare filing, fogli di calcolo, grafici e note di ricerca. Un assistente aziendale può dover collegare messaggi, documenti, calendari e registri riunioni.
Il rilascio di HY4 si concentra su questi flussi. Tencent afferma di aver aumentato sostanzialmente sia il pre-training sia il post-training rispetto alla versione precedente, con miglioramenti in aderenza alle istruzioni, comprensione di contesti lunghi, ricerca approfondita e compiti a lungo orizzonte.
Architettura di base (ereditata ed estesa dall’anteprima)
Mixture-of-Experts sparsa: conteggio totale di parametri elevato, con solo ~49B attivati per token.
Finestra di contesto da 1M token per lavori su scala repository e multi-documento.
Gated DeepSeek Sparse Attention + IndexCache per un serving efficiente su contesti lunghi.
Identity Hyper-Connections e layer di native multi-token prediction (MTP) per decoding speculativo.
Nuovo percorso multimodale e spazio d’azione per l’uso del computer (comprensione dello schermo + controllo CLI/GUI), con training mirato su strumenti professionali e flussi cross-applicazione.
Segnali di Recursive Self-Improvement (RSI)
Tencent riporta che Hy4, abbinato al framework Hyra 2.0, ha ottimizzato l’infrastruttura di pre-training interna per modelli più piccoli con la stessa architettura e ha prodotto varianti che hanno superato le baseline ufficiali. Due modelli di fondazione co-sviluppati in questo modo (HyCell per la rappresentazione single-cell e HyPDE per la modellazione di campi fisici) saranno open-source. Questo è uno degli esempi pubblici più concreti di un modello di frontiera che contribuisce al proprio ciclo di sviluppo.
Quali prestazioni nella versione completa di HY4?
Visione e uso del computer
HY4 introduce percezione visiva, inclusa comprensione fine-grained di immagini e interpretazione di grafici complessi. Tencent aggiunge anche l’uso del computer su interfacce a riga di comando e grafiche, con training mirato per software come Blender e CAD. Il rilascio di Tencent descrive flussi di lavoro che attraversano più applicazioni.
Queste capacità sono correlate ma distinte. Vision permette a un modello di interpretare uno screenshot o un grafico. L’uso del computer aggiunge un ciclo di feedback: ispeziona l’interfaccia, sceglie un’azione, osserva il risultato e si adatta. Richiede un’applicazione circostante che fornisca screenshot ed esegua azioni; un endpoint di text completion da solo non fornisce un agente di sistema operativo.
Ingegneria frontend e sviluppo di videogiochi
Tencent enfatizza interazioni UI più solide, logica di business, gestione dello stato e integrazione full-stack. Per i giochi, ha collaborato con sviluppatori di Tencent Interactive Entertainment Group su implementazione di feature, logica di gameplay, tracciamento dello stato e pipeline degli asset.
Il rilascio riporta +19.1% su GameDev e +9.8% su GameLogic rispetto alla versione precedente, e descrive l’adattamento a Unreal Engine, Unity e Godot. Questi sono miglioramenti riportati da Tencent su valutazioni denominate. Non stabiliscono un’equivalente riduzione dei tempi di sviluppo per ogni team.
Per gli sviluppatori, il test rilevante è se un agente consegna una feature funzionante con meno correzioni: resa visiva, interazioni corrette, stato persistente, codice eseguibile e test superati.
Finanza, lavoro d’ufficio e assistenza personale
Tencent ha costruito migliaia di workspace finanziari realistici e decine di migliaia di task su ricerca d’investimento, strategie quantitative, allocazione, finanza aziendale e contabilità fiscale. La sua valutazione ha coinvolto 213 professionisti della finanza, inclusi 153 esperti di istituzioni finanziarie leader, su 579 task; oltre il 70% degli esperti aveva più di cinque anni di esperienza.
HY4 ha ottenuto 3.04, rispetto a 2.97 per DeepSeek-V4.1-Flash-1017 e 2.68 ciascuno per Kimi K3.1 Pro e GLM-5.3. Questi risultati provengono dalla valutazione di Tencent, non da una replica indipendente separata.
Tencent descrive anche co-editing in tempo reale di file Word, Excel e PowerPoint. Tramite WorkBuddy e WeCom, HY4 può usare il contesto collegato del workplace per preparare brief, tracciare cambiamenti di progetto, identificare azioni e segnalare scadenze. Queste integrazioni appartengono all’ambiente di prodotto; non sono incluse automaticamente in ogni chiamata API di HY4.
Benchmark di prestazione di HY4: cosa mostrano i dati?
Il confronto seguente utilizza l’appendice dei benchmark della versione completa di HY4. Tutte le voci sono pubblicate da Tencent; dove i concorrenti hanno due punteggi, la tabella usa il retest di Tencent, contrassegnato con un asterisco nell’originale. Non combina il miglior risultato da run diverse.
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, completo, punteggio parziale
78.9
—
68.4
79.6
75.2
81.8
MMMU-Pro
78.6
—
76.7
83.4
84.9
88.2
TenureTrail, interno
53.6
46.0
50.1
51.3
57.6
59.0
Valutazioni indipendenti (inizio novembre 2026)
Vals Index: 59.35% (#13 complessivo, #4 open-weight dietro Kimi K3.1 Pro, DeepSeek V4.1 Flash, GLM-5.3). Grande miglioramento rispetto al preview di Hy4 (~53%). Forte su Terminal-Bench 4.0 (#2 open-weight in alcuni report), Finance Agent, Tax Agent.
Artificial Analysis Intelligence Index: ~34.6–35 (solido livello medio, prolisso, più lento della media per task).
Plotly Data Analytics Bench: 42/43 (98%), tra i modelli più economici per raggiungere quel livello di accuratezza.
Dati della community Agent Arena: forte performance reale su orizzonti lunghi; Hy4 è rapidamente diventato il modello cinese #1 e sta sul fronte di Pareto con costo per task competitivo.
Dove HY4 sembra forte
Il 75.2 su APEX-Agents v1.1 è la voce più alta tra i confronti mostrati. Il 74.9 su DeepSWE v1.1 è anch’esso competitivo con gli altri modelli nei retest di Tencent. Per i flussi scientifici, 53.6 su TenureTrail guida i concorrenti open mostrati, sebbene i due modelli proprietari ottengano punteggi più alti.
Questi riscontri supportano il test di HY4 per agenti business, lavoro su repository e ricerca. Non supportano una tesi universale di “miglior modello AI”.
Dove i concorrenti sono ancora avanti
Il 44.4 su Terminal-Bench 4.0 è inferiore ai risultati di Kimi e Claude mostrati. Il 78.6 su MMMU-Pro è anche sotto Kimi, GPT e Claude nella tabella. L’uso del computer è competitivo, con 78.9 su OSWorld 2.1, ma la metrica è esplicitamente un punteggio parziale, non l’affermazione che il 78.9% di lavori desktop arbitrari si completerà con successo.
Tencent riconosce un gap residuo rispetto ai sistemi proprietari leader su matematica di ricerca, coding a lungo orizzonte, self-improvement del modello e advanced visual question answering.
Perché le impostazioni di valutazione contano
La configurazione di Tencent per Terminal-Bench 4.0 consente fino a 500 turni e un timeout di 13 ore, con 16 CPU e 32 GB di RAM; i task dipendenti da GPU ricevono inoltre una H100. La configurazione di APEX-Agents consente fino a 250 step. Sono budget sostanziali per agenti.
Un modello valutato in quell’ambiente può comportarsi diversamente in una web app con timeout di 30 secondi. Confronta il successo dei task insieme a latenza totale, costi degli strumenti, uso di token e correzioni umane. Mantieni visibili le versioni dei benchmark: i punteggi di Terminal-Bench 4.0 non va letti come direttamente intercambiabili con risultati di Terminal-Bench più vecchi.
Come funziona HY4: contesto, ragionamento ed esecuzione da agente
Il contesto lungo aiuta a collegare informazioni distribuite
HY4 con una finestra di contesto da 1,048,576 token, input testo-immagine e output testuale. Elenca una completion massima di 65,536 token per la configurazione del provider di vertice. Questi sono limiti specifici dell’endpoint; conferma i limiti attuali di CometAPI prima di progettare attorno ad essi.
Il contesto lungo può aiutare un agente a collegare informazioni tra file e tracce degli strumenti. Non garantisce richiamo perfetto, aritmetica accurata o selezione corretta delle fonti. Un’app ben progettata beneficia comunque di retrieval, identificatori dei documenti, risultati degli strumenti concisi e citazioni esplicite.
Il ragionamento e l’uso degli strumenti formano un ciclo di feedback
Un tipico flusso HY4 combina pianificazione con evidenza esterna: leggere il compito, richiedere informazioni, ispezionare il risultato di uno strumento, eseguire un calcolo o test e rivedere l’output. Il ragionamento del modello aiuta a selezionare il prossimo passo; l’ambiente di esecuzione fornisce fatti correnti e verifiche.
Ad esempio, un assistente finanziario può recuperare rendiconti, costruire un workbook di valutazione, controllare formule e generare un report. Ogni fase dovrebbe preservare i riferimenti alle fonti e distinguere valori riportati da assunzioni. Un assistente di coding può ispezionare file, modificare codice, eseguire test e usare i fallimenti per guidare la prossima modifica.
I dettagli di architettura richiedono attenzione al versioning
Le ampiamente citate770B di parametri totali e 49B di parametri attivi descrivono il backbone MoE pubblicato dell’anteprima di HY4. La sua model card documenta anche sparse attention, IndexCache, identity Hyper-Connections e multi-token prediction.
L’annuncio della versione completa di Tencent afferma che dettagli tecnici aggiuntivi accompagneranno i pesi e la system card. Finché non arriveranno, i conteggi dei layer del preview, la configurazione degli expert e i comandi di deployment non dovrebbero essere presentati come specifiche confermate della versione completa di HY4. I fatti accertati del rilascio completo sono le nuove capacità, l’accesso hosted e i risultati di valutazione pubblicati.
HY4 e RSI: cosa significa davvero Recursive Self-Improvement
Dal risolvere un problema al migliorare lo strumento
RSI sta per recursive self-improvement. Nell’annuncio del 2 novembre su Hyra 2.0, l’idea è migliorare strumenti di ricerca riutilizzabili, pipeline di training e modelli. Strumenti più forti possono aiutare a sviluppare modelli più forti, che possono supportare il round successivo di sviluppo degli strumenti.
Il rilascio completo di HY4 fornisce un esempio concreto: abbinato a Hyra 2.0, HY4 ha ottimizzato l’infrastruttura di pre-training interna per modelli più piccoli con la stessa architettura e ha addestrato una variante che ha superato la baseline dichiarata Jev su più benchmark. Tencent ha anche annunciato HyCell e HyPDE, modelli di fondazione per la rappresentazione single-cell e la modellazione di campi fisici co-sviluppati con il sistema. Fonte.
Come Hyra 2.0 organizza la ricerca
Hyra usa tre livelli: Overall, Mission e Worker. Overall coordina obiettivi umani, priorità e risorse. Le Mission dirigono sforzi di ricerca più lunghi. I Worker ispezionano codice, eseguono esperimenti, analizzano fallimenti e mettono in discussione ipotesi.
Una coda di attività persistente gestisce dipendenze e limiti di risorse. Una Research Board registra evidenze e decisioni. I Review Worker ispezionano i risultati in modo indipendente, mentre la conoscenza condivisa separa osservazioni da riscontri riprodotti e convenzioni del team. Tencent afferma che spese di calcolo sostanziali e modifiche alla conoscenza condivisa richiedono un’adeguata approvazione umana.
Cosa RSI stabilisce — e cosa non stabilisce
Questa è evidenza di un flusso di lavoro di ricerca AI strutturato. Non stabilisce una crescita illimitata dell’intelligenza né mostra che una conversazione hosted con HY4 cambi i pesi sottostanti dell’endpoint. Prompt migliorati, memoria persistente, nuovi strumenti software e un modello appena addestrato sono forme diverse di miglioramento.
Per gli sviluppatori, il pattern utile è l’iterazione misurabile: preservare i fallimenti, migliorare gli strumenti, valutare i candidati su task held-out e promuovere i cambiamenti solo quando l’evidenza li supporta. Il 35.2 su PostTrainBench v1.2 e 28.1 suTencent’s internal Foundation Model Bench sono indicatori rilevanti, ma restano specifici alla valutazione.
Affidabilità: HY4 ha ridotto le allucinazioni?
Tencent riporta che miglioramenti mirati a ricerca e verifica hanno ridotto il suo tasso di allucinazione interno da 15.76% a 5.45%. È una diminuzione di 10.31 punti percentuali, o circa 65.4% di riduzione relativa, calcolata dalle cifre di Tencent. Gli errori speculativi sono scesi da 23.1% a 5.6%. Fonte.
Questi risultati riguardano le valutazioni di finanza e office di Tencent. Non vanno generalizzati in un’affermazione che HY4 allucina solo il 5.45% delle volte su tutte le domande.
Ci sono feedback di prodotto di supporto: RabyteTech riporta 61.63 su 101 task di investment-research, +12.03 punti rispetto alla versione precedente. Manus riporta quasi 97% di completamento sui suoi task interni di creazione e modifica di documenti. Queste sono testimonianze di partner riprodotte nell’annuncio di Tencent, con set di task e definizioni differenti; sono contesto utile piuttosto che punteggi di benchmark intercambiabili.
Prezzi di HY4: tariffe ufficiali, CometAPI e offerte dei provider
Confronto prezzi attuale
L’istantanea seguente è stata verificata il 4 novembre 2026. Tutte le tariffe sono in USD per un milione di token.
Percorso di accesso
Input non in cache
Output
Input in cache
Tencent release-page reference
$0.834
$2.501
$0.042
CometAPI hy4 listing
$0.6672
About $2.00
Not verified on the model page
OpenRouter tencent/hy4 API metadata
$0.417
$1.2505
$0.021
CometAPI mostra uno sconto del 20% rispetto al prezzo di riferimento ufficiale elencato. I metadati live dell’API di OpenRouter mostrano un prezzo inferiore rispetto al riferimento della release page di Tencent al momento della verifica. I metadati non stabiliscono la durata dell’offerta. Queste differenze rendono essenziale la verifica live a livello di provider; su queste evidenze non si dovrebbe descrivere CometAPI come il percorso al prezzo più basso.
Stima del costo del tuo carico di lavoro effettivo
Alle tariffe visualizzate di CometAPI, un carico di lavoro che usa 1M token di input e 250,000 token di output costa circa:
$0.6672 + (0.25 × $2.00) = $1.1672
Questo è un calcolo di token illustrativo. Retry, conteggio dei token di ragionamento, caching, servizi degli strumenti e termini specifici dell’account possono influenzare il conto finale. Agenti con output pesante possono spendere più del previsto quando ispezionano ripetutamente file o verificano il lavoro.
Confronta il costo per task completato con successo. Una tariffa per token più bassa può perdere il vantaggio se un modello richiede più tentativi, output più lunghi o riparazioni umane sostanziali.
Conclusione
Hy4 offre miglioramenti significativi e misurabili rispetto al suo preview, mantenendo la politica di prezzi aggressiva che rendeva attraente la versione precedente. Classifiche indipendenti confermano che si colloca nel top tier dei modelli open-weight, con particolare forza su agenti, finanza e compiti di produttività reali. Combinato con nuove capacità di visione e uso del computer, è attualmente una delle opzioni più convincenti per team attenti ai costi che necessitano di un forte modello open.
Per il modo più semplice e flessibile di valutarlo e distribuirlo insieme ad altri modelli leader, instrada tramite CometAPI. Un’unica key, prezzi competitivi e switching senza soluzione di continuità lo rendono la scelta pratica per la produzione e la sperimentazione nel 2026.
FAQ su HY4
Che cos’è Tencent HY4?
HY4 è il modello AI di punta di Tencent rilasciato il 4 novembre 2026. Supporta comprensione visiva, uso del computer, ragionamento, coding, ricerca e task professionali multi-step.
Cosa è cambiato rispetto alla versione precedente?
La versione completa di HY4 aggiunge visione e uso del computer e scala pre-training e post-training. Tencent riporta miglioramenti in comprensione di contesti lunghi, aderenza alle istruzioni, finanza, lavoro d’ufficio, sviluppo e ricerca scientifica.
Quali sono i principali punteggi di benchmark di HY4?
Tencent riporta 74.9 su DeepSWE v1.1, 44.4 su Terminal-Bench 4.0, 75.2 su APEX-Agents v1.1, 78.9 su OSWorld 2.1 punteggio parziale e 78.6 su MMMU-Pro. Questi usano le condizioni di valutazione dell’appendice del rilascio.
HY4 ha una finestra di contesto da 1M token?
I metadati live di OpenRouter elencano 1,048,576 token per HY4. Controlla i limiti dell’endpoint che utilizzi, inclusi il budget combinato input/output e la lunghezza massima della completion.
HY4 è auto-migliorante?
Tencent sta sviluppando workflow RSI con HY4 e Hyra 2.0 per migliorare strumenti di ricerca, infrastruttura e varianti di modello. Una normale conversazione hosted non dimostra modifiche autonome dei pesi distribuiti di HY4.
Quanto costa HY4 su CometAPI?
La pagina del modello verificata elenca $0.6672 per 1M token di input e circa $2.00 per 1M token di output, con uno sconto visualizzato del 20% rispetto al riferimento ufficiale. Consulta la pagina prezzi live prima di fare budgeting.
HY4 è open source e pronto per il download?
Tencent afferma che sono previsti pesi completi e una system card. I pesi dell’anteprima pubblica sono un rilascio separato. Conferma la reale disponibilità al download e la licenza del modello completo prima dell’hosting autonomo.
Posso usare HY4 tramite CometAPI ora?
Sì. CometAPI elenca hy4 come disponibile. Usa la sua documentazione API per confermare accesso all’account, parametri, supporto immagini e rate limit, quindi esegui un carico di lavoro ridotto prima di scalare.
