Hy 4 API

Specifiche tecniche di Tencent Hy4 Preview

I valori architetturali sopra descrivono il backbone; la scheda del modello di Tencent descrive un ulteriore livello nativo MTP per la decodifica speculativa. La finestra di contesto da 1M dell'API non coincide con il limite massimo di input di 960K.

Che cos’è Tencent Hy4 Preview?

Tencent Hy4 Preview è un modello linguistico di grandi dimensioni a pesi aperti sviluppato dal team Hunyuan di Tencent. Rilasciato il 28 agosto 2026, è una versione iniziale della generazione Hy4 ed è ottimizzato per il lavoro di produttività nel mondo reale: ingegneria del software, esecuzione di compiti con agenti, analisi d’ufficio e finanziaria, sviluppo di giochi e ricerca scientifica.

Hy4 Preview utilizza un’architettura Mixture-of-Experts con 770 miliardi di parametri totali del backbone e 49 miliardi di parametri attivati per token. Lo stack di attenzione impiega la Gated DeepSeek Sparse Attention (Gated DSA) con IndexCache per il riuso cross-layer degli indici sparsi. Il modello utilizza anche identity Hyper-Connections (iHC) nel percorso residuo. È incluso un livello nativo di predizione multi-token (MTP) per la decodifica speculativa.

Tencent ha rilasciato i pesi del modello, una variante quantizzata FP8 e indicazioni di deployment per vLLM e SGLang. La scheda del modello specifica la licenza Apache 2.0.

Caratteristiche principali di Tencent Hy4 Preview

• Contesto da un milione di token: La finestra di contesto da 1,048,576 token è pensata per grandi codebase, materiale tecnico esteso e informazioni distribuite su più documenti. Tencent Cloud indica un input massimo di 960,000 token e un output massimo di 64,000 token.
• Ingegneria del software a lungo termine: Tencent evidenzia comprensione del codice, pianificazione, debugging e verifica su attività di sviluppo estese, inclusa l’implementazione e l’iterazione del front-end.
• Esecuzione di compiti con agenti: Il modello è posizionato per compiti complessi che coinvolgono pianificazione e uso di strumenti. Le ricette di serving pubblicate includono il parsing delle chiamate agli strumenti e la configurazione della scelta automatica degli strumenti.
• Flussi di lavoro d’ufficio e analitici: Tencent descrive creazione di documenti, fogli di calcolo e presentazioni, analisi dei dati, equazioni e lavoro su modelli finanziari.
• Ragionamento scientifico e tecnico: Tencent riporta attività in ambiti quali ricerca e sviluppo in AI, dinamica molecolare, fisica della materia condensata e matematica fondamentale.
• Opzioni di deployment aperte: Gli sviluppatori possono usare i pesi con licenza Apache 2.0, la variante FP8 e le ricette di deployment con vLLM o SGLang.

Prestazioni nei benchmark di Tencent Hy4 Preview

Tencent riporta una valutazione interna in cieco in cui 163 esperti interni hanno valutato gli output su 203 compiti di ingegneria. Hy4 Preview ha ricevuto un punteggio medio di 2,99/4,00, rispetto a 2,92/4,00 per GLM 5.3 e 2,94/4,00 per Kimi K3.

Questi sono risultati della valutazione interna di Tencent, basata su giudizi umani per compiti di ingegneria, non un benchmark pubblico standardizzato. Non devono essere considerati come prova che Hy4 Preview sia leader in ogni benchmark di coding, ragionamento o uso generale. Il testo della scheda del modello disponibile non fornisce una tabella completa e machine-readable di punteggi standardizzati sui benchmark, quindi qui non se ne deducono.

Confronto tra Hy4 Preview, GLM 5.3 e Kimi K3

L’evidenza pubblicata più direttamente comparabile è la valutazione su 203 compiti di ingegneria di Tencent. Hy4 Preview ha ottenuto 2,99/4,00, leggermente sopra GLM 5.3 a 2,92 e Kimi K3 a 2,94. Il confronto è utile per comprendere i risultati dei flussi di lavoro ingegneristici interni di Tencent, ma non è una valutazione indipendente e non stabilisce superiorità su carichi di lavoro non correlati.

Scegliere Hy4 Preview quando la distribuzione a pesi aperti, un contesto da un milione di token e workflow basati su agenti orientati alla produttività sono requisiti centrali. Confrontate GLM 5.3 e Kimi K3 sui vostri compiti rappresentativi prima di selezionare un modello in produzione; le loro specifiche di architettura e di contesto non sono riprodotte qui perché non sono state verificate da fonti primarie equivalenti per questo confronto.

Limitazioni note

Tencent descrive Hy4 Preview come un’iterazione iniziale con margini di miglioramento sia nel pre-training sia nel post-training. Le problematiche note pubblicate includono il dedicare più tempo del necessario al ragionamento su compiti complessi e una tendenza a sovra-verificare il proprio lavoro. Questi comportamenti possono aumentare la latenza e la lunghezza dell’output. I team dovrebbero testare il successo dei compiti, la latenza, la correttezza delle chiamate agli strumenti e il consumo totale di token rispetto ai propri criteri di accettazione prima del deployment in produzione.

Casi d’uso rappresentativi

1. Ingegneria del software a scala di repository: analizzare i file sorgente e lo storico delle issue, pianificare modifiche multi-file, fare debugging e verificare le patch.
2. Flussi di lavoro di sviluppo con agenti: coordinare compiti di coding multi-step ed esecuzione assistita da strumenti, con autorizzazione e convalida lato applicazione.
3. Analisi aziendale: consolidare informazioni tra documenti e creare report, fogli di calcolo e presentazioni.
4. Modellazione finanziaria: assistere con equazioni, analisi dei dati e flussi di lavoro di modelli finanziari, con convalida indipendente dei calcoli.
5. Prototipazione di giochi: generare e perfezionare iterativamente prototipi giocabili con un workflow su motore di gioco.
6. Assistenza alla ricerca scientifica: esplorare la letteratura tecnica, formulare analisi e supportare lavori in aree identificate da Tencent come dinamica molecolare e matematica fondamentale.