HY4는 멀티모달 추론, 코딩, 컴퓨터 사용, 연구, 전문 워크플로우를 위해 2026년 11월 4일에 출시된 Tencent의 신규 플래그십 AI 모델입니다. Hy 모델 제품군에 비전과 GUI 상호작용을 추가하고, 문서·소프트웨어·비즈니스 도구 전반에서 지속 실행을 개선합니다. Tencent는 공표된 평가 조건 하에서 DeepSWE v1.1에서 74.9, APEX-Agents v1.1에서 75.2, OSWorld 2.1(전체, 부분 점수)에서 78.9를 보고했습니다.
핵심 포인트
현실 과제 성능이 프리뷰 대비 크게 개선: APEX-Agents에서 +21포인트, Terminal-Bench 4.0, AutomationBench, 금융 전문가 점수, 제품 수준 지표에서 큰 폭 상승.
독립 순위: Vals Index 59.35%(전체 #13, 오픈 웨이트 #4), 일부 보고서에서 Terminal-Bench 4.0 오픈 웨이트 #2, Finance/Tax Agent에서 경쟁력.
처음으로 비전 + 컴퓨터 사용을 추가하고, 전문 소프트웨어(Blender, CAD 등)에 특화된 학습을 수행.
가격은 여전히 매우 경쟁력 있음: 약 ~$0.83/$2.50; CometAPI는 추가 할인(약 20%)을 자주 제공.
RSI 시그널: Hy4 + Hyra 2.0이 내부 학습 파이프라인 개선과 오픈 모델(HyCell, HyPDE) 공동 개발에 이미 활용.
추천 대상: 장기 지평 에이전트, 금융/오피스 워크플로우, 멀티모달 생산성, 강력한 오픈 모델 성능을 필요로 하는 비용 민감 팀.
모든 어려운 STEM 또는 순수 코딩 리더보드에서 절대 선도자는 아님 — 최상위 폐쇄형 모델 대비 한 단계 낮음은 여전.
HY4란 무엇이며 왜 중요한가?
HY4는 Tencent 표기로 Hy4이며, 다단계에 걸친 복잡한 작업을 수행하도록 설계된 범용 AI 모델입니다. Tencent의 11월 4일 발표는 이를 추론, 시각 이해, 도구, 지속 실행의 결합으로 포지셔닝합니다.
이 결합은 전문 과제가 한 가지 질문으로 고립되지 않기 때문에 중요합니다. 예컨대 개발자는 리포지토리를 점검하고, 기능을 구현하고, 테스트를 실행하며, UI를 수정하는 에이전트를 원할 수 있습니다. 분석가는 공시, 스프레드시트, 차트, 연구 노트를 대조해야 할 수 있습니다. 직장 비서라면 메시지, 문서, 캘린더, 회의 기록을 연결해야 할지도 모릅니다.
HY4의 출시 초점은 이러한 워크플로우입니다. Tencent는 이전 버전 대비 사전 학습과 사후 학습을 대폭 강화해, 지시 따르기, 긴 컨텍스트 이해, 심층 연구, 장기 지평 작업에서 개선이 있었다고 밝혔습니다.
핵심 아키텍처(프리뷰에서 계승·확장)
희소 Mixture-of-Experts: 총 파라미터 수는 크지만 토큰당 활성화는 ~49B.
리포지토리 규모 및 다문서 작업을 위한 1M-token 컨텍스트 창.
효율적인 긴 컨텍스트 서빙을 위한 Gated DeepSeek Sparse Attention + IndexCache.
추정 디코딩을 위한 Identity Hyper-Connections와 네이티브 다중 토큰 예측(MTP) 레이어.
새로운 멀티모달 경로와 컴퓨터 사용 액션 공간(화면 이해 + CLI/GUI 제어), 전문 도구와 크로스 애플리케이션 워크플로우에 대한 표적 학습.
재귀적 자기개선(RSI) 시그널
Tencent는 Hy4가 Hyra 2.0 하네스와 결합되어, 동일 아키텍처의 더 작은 모델들을 위한 내부 사전 학습 인프라를 최적화하고, 공식 기준선을 능가하는 변형을 자율적으로 생성했다고 보고합니다. 이 방식으로 공동 개발된 두 개의 파운데이션 모델(HyCell: 단일세포 표현, HyPDE: 물리 필드 모델링)이 오픈소스로 공개될 예정입니다. 이는 프런티어 모델이 자체 개발 루프에 기여한 보다 구체적인 공개 사례 중 하나입니다.
정식 HY4 릴리스의 성능은?
비전과 컴퓨터 사용
HY4는 미세 수준의 이미지 이해와 복잡한 차트 해석을 포함한 시각 인지를 도입했습니다. 또한 Tencent는 명령줄 인터페이스와 그래픽 인터페이스 전반의 컴퓨터 사용을 추가했으며, Blender와 CAD 같은 소프트웨어에 대한 표적 학습을 실시했습니다. Tencent의 릴리스는 여러 애플리케이션에 걸친 워크플로우를 설명합니다.
이는 관련되어 있지만 별개의 능력입니다. 비전은 모델이 스크린샷이나 차트를 해석하게 합니다. 컴퓨터 사용은 피드백 루프를 추가합니다: 인터페이스를 점검하고, 액션을 선택하며, 결과를 관찰하고, 조정합니다. 이를 위해서는 스크린샷을 제공하고 액션을 실행하는 주변 애플리케이션이 필요하며, 텍스트 완성 엔드포인트만으로는 운영체제 에이전트를 제공하지 않습니다.
프런트엔드 엔지니어링과 게임 개발
Tencent는 UI 상호작용, 비즈니스 로직, 상태 관리, 풀스택 통합을 강화했다고 강조합니다. 게임의 경우 Tencent Interactive Entertainment Group 개발자들과 함께 기능 구현, 게임플레이 로직, 상태 추적, 에셋 파이프라인에 주력했습니다.
릴리스는 이전 버전 대비 GameDev에서 19.1%, GameLogic에서 9.8% 개선을 보고하며, Unreal Engine, Unity, Godot에의 적응을 설명합니다. 이는 명명된 평가에 대한 Tencent의 보고된 개선이며, 모든 팀에 동일한 개발 시간 단축을 보장하진 않습니다.
개발자에게 중요한 시험은 에이전트가 더 적은 수정으로 작동하는 기능을 제공하는가입니다: 렌더링된 외관, 올바른 상호작용, 지속 상태, 실행 가능한 코드, 테스트 통과 여부.
금융, 오피스 작업, 개인 보조
Tencent는 투자 연구, 정량 전략, 배분, 기업 재무, 세무 회계를 포괄하는 수천 개의 현실적 금융 작업공간과 수만 개의 과제를 구축했습니다. 평가에는 579개 과제에 대해 213명의 금융 전문가(이 중 153명은 선도 금융기관의 전문가)가 참여했습니다; 70% 이상이 5년 이상의 경력을 보유했습니다.
HY4는 3.04를 기록했으며, DeepSeek-V4.1-Flash-1017는 2.97, Kimi K3.1 Pro와 GLM-5.3는 각각 2.68이었습니다. 이 결과는 Tencent의 평가에서 나온 것이며, 별도의 독립적 재현은 아닙니다.
Tencent는 Word, Excel, PowerPoint 파일의 실시간 공동 편집도 설명합니다. WorkBuddy와 WeCom을 통해 HY4는 연결된 업무 맥락을 사용하여 브리프를 준비하고, 프로젝트 변화를 추적하며, 액션 아이템을 식별하고, 마감일을 표시할 수 있습니다. 이러한 통합은 제품 환경에 속하며, 모든 HY4 API 호출에 자동으로 포함되는 것은 아닙니다.
HY4 성능 벤치마크: 데이터가 보여주는 것은?
다음 비교는 정식 HY4 릴리스의 벤치마크 부록을 사용합니다. 모든 항목은 Tencent가 게시했습니다; 경쟁사에 두 개의 점수가 있는 경우, 표에는 원문에서 별표로 표시된 Tencent의 재측정 결과를 사용합니다. 서로 다른 실행에서 최고 결과를 조합하지는 않습니다.
벤치마크
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, 전체, 부분 점수
78.9
—
68.4
79.6
75.2
81.8
MMMU-Pro
78.6
—
76.7
83.4
84.9
88.2
TenureTrail, 내부
53.6
46.0
50.1
51.3
57.6
59.0
독립 평가(2026년 11월 초 기준)
Vals Index: 59.35%(전체 #13, 오픈 웨이트 #4; Kimi K3.1 Pro, DeepSeek V4.1 Flash, GLM-5.3 뒤). Hy4 프리뷰의 ~53%에서 큰 폭 개선. Terminal-Bench 4.0에서 강함(일부 보고서에서 오픈 웨이트 #2), Finance Agent, Tax Agent에서 강세.
Plotly Data Analytics Bench: 42/43(98%), 그 정확도 수준에 도달한 모델 중 비용이 가장 낮은 축에 속함.
Agent Arena 커뮤니티 데이터: 실제 사용자 장기 지평 성능이 강함; Hy4는 빠르게 #1 중국어 모델이 되었고, 과제당 비용이 경쟁력 있는 파레토 전선에 위치.
HY4가 강점을 보이는 영역
HY4의 APEX-Agents v1.1 75.2는 표시된 비교 중 최상위입니다. DeepSWE v1.1 74.9도 Tencent의 재측정에서 다른 모델들과 경쟁력이 있습니다. 과학 워크플로우에서는 TenureTrail 53.6이 표시된 오픈 모델 경쟁자들 중 선도이며, 두 개의 독점 모델은 더 높습니다.
이러한 결과는 비즈니스 에이전트, 리포지토리 작업, 연구에서 HY4를 테스트할 근거를 제공합니다. 보편적 “최고의 AI 모델” 주장에 대한 근거는 아닙니다.
여전히 경쟁자가 우위인 영역
HY4의 Terminal-Bench 4.0 44.4는 표시된 Kimi와 Claude 결과에 뒤처집니다. MMMU-Pro 78.6도 표의 Kimi, GPT, Claude보다 낮습니다. 컴퓨터 사용은 OSWorld 2.1에서 78.9로 경쟁력이 있지만, 이 지표는 명시적으로 부분 점수이며 임의의 데스크톱 작업의 78.9%가 성공한다는 주장과 동일하지 않습니다.
Tencent는 연구 수학, 장기 지평 코딩, 모델 자기개선, 고급 시각 질의응답에서 선도적인 폐쇄형 시스템과의 격차가 남아 있음을 인정합니다.
평가 설정이 중요한 이유
Tencent의 Terminal-Bench 4.0 설정은 최대 500회 대화(turns)와 13시간 타임아웃을 허용하며, 16 CPU와 32 GB RAM을 사용합니다; GPU 의존 과제는 추가로 H100을 받습니다. APEX-Agents 설정은 최대 250스텝을 허용합니다. 이는 상당한 에이전트 예산입니다.
그런 환경에서 평가된 모델은 30초 타임아웃의 웹앱에서와 다르게 동작할 수 있습니다. 총 지연, 도구 비용, 토큰 사용, 인간 수정과 함께 과제 성공을 비교하십시오. 벤치마크 버전을 명시적으로 유지하십시오: Terminal-Bench 4.0 점수는 이전 Terminal-Bench 결과와 직접적으로 상호 대체적으로 읽히면 안 됩니다.
HY4 작동 방식: 컨텍스트, 추론, 에이전트 실행
긴 컨텍스트는 분산된 정보를 연결하는 데 도움
HY4는 1,048,576-token 컨텍스트 창, 텍스트+이미지 입력, 텍스트 출력을 지원합니다. 최상위 제공자 구성에서 최대 65,536 토큰의 completion을 나열합니다. 이는 엔드포인트별 제한이므로, 설계 전에 CometAPI의 최신 제한을 확인하십시오.
긴 컨텍스트는 에이전트가 파일과 도구 트레이스 전반의 정보를 연결하는 데 도움을 줄 수 있습니다. 그러나 완벽한 회상, 정확한 산술, 올바른 소스 선택을 보장하지는 않습니다. 잘 설계된 애플리케이션은 여전히 검색, 문서 식별자, 간결한 도구 결과, 명시적 인용에서 이점을 얻습니다.
추론과 도구 사용은 피드백 루프를 이룬다
일반적인 HY4 워크플로우는 계획과 외부 증거를 결합합니다: 과제를 읽고, 정보를 요청하고, 도구 결과를 점검하고, 계산이나 테스트를 실행하고, 출력을 수정합니다. 모델의 추론은 다음 단계를 선택하는 데 도움을 주고, 실행 환경은 최신 사실과 검증을 제공합니다.
예를 들어 금융 보조는 명세서를 검색하고, 가치평가 워크북을 작성하며, 수식을 점검하고, 보고서를 생성할 수 있습니다. 각 단계는 소스 참조를 보존하고, 보고된 값과 가정을 구분해야 합니다. 코딩 보조는 파일을 점검하고, 코드를 변경하며, 테스트를 실행하고, 실패를 다음 수정의 길잡이로 활용할 수 있습니다.
아키텍처 세부사항은 신중한 버전 관리가 필요
널리 인용되는 770B total parameters와 49B active parameters는 HY4 프리뷰에 공개된 MoE 백본을 설명합니다. 모델 카드에는 희소 어텐션, IndexCache, identity Hyper-Connections, 다중 토큰 예측도 문서화되어 있습니다.
Tencent의 정식 릴리스 발표는 가중치와 시스템 카드와 함께 추가 기술 세부사항이 제공될 것이라고 말합니다. 그것들이 도착하기 전까지는, 프리뷰의 레이어 수, 전문가 구성, 배포 명령을 정식 HY4의 확정 사양으로 제시해서는 안 됩니다. 확립된 정식 릴리스 사실은 새로운 기능, 호스팅 액세스, 공개된 평가 결과입니다.
HY4와 RSI: 재귀적 자기개선의 실제 의미
문제 해결에서 도구 개선으로
RSI는 recursive self-improvement의 약자입니다. Tencent의 11월 2일 Hyra 2.0 발표에서, 이는 재사용 가능한 연구 도구, 학습 파이프라인, 모델을 개선하는 것을 의미합니다. 더 강한 도구는 더 강한 모델 개발을 돕고, 이는 다음 라운드의 도구 개발을 지원할 수 있습니다.
정식 HY4 릴리스는 구체적인 예를 제시합니다: Hyra 2.0과 결합된 HY4는 동일 아키텍처의 더 작은 모델들을 위한 내부 사전 학습 인프라를 최적화했으며, 명시된 Jev 기준선을 여러 벤치마크에서 넘는 변형을 학습했습니다. Tencent는 또한 HyCell과 HyPDE를 발표했는데, 이는 시스템과 공동 개발된 단일세포 표현 및 물리 필드 모델링용 파운데이션 모델입니다. 출처.
Hyra 2.0은 연구를 어떻게 조직하는가
Hyra는 Overall, Mission, Worker의 세 수준을 사용합니다. Overall은 인간 목표, 우선순위, 자원을 조정합니다. Missions는 더 긴 연구 노력을 지시합니다. Workers는 코드를 점검하고, 실험을 실행하고, 실패를 분석하며, 가설에 도전합니다.
영속적인 작업 큐는 의존성과 자원 한계를 처리합니다. Research Board는 증거와 결정을 기록합니다. Review Workers는 결과를 독립적으로 점검하며, 공유 지식은 관찰을 재현된 발견과 팀 관례와 분리합니다. Tencent는 상당한 연산 지출과 공유 지식 변경에는 적절한 인간 승인이 필요하다고 말합니다.
RSI가 보여주는 것과 보여주지 않는 것
이는 구조화된 AI 연구 워크플로우의 증거입니다. 이는 무제한 지능 성장이나 호스팅된 HY4 대화가 엔드포인트의 기본 가중치를 변경한다는 것을 입증하지는 않습니다. 개선된 프롬프트, 영속 메모리, 새로운 소프트웨어 도구, 새로 학습된 모델은 서로 다른 형태의 개선입니다.
개발자에게 유용한 패턴은 측정 가능한 반복입니다: 실패를 보존하고, 도구를 개선하며, 홀드아웃 과제에서 후보를 평가하고, 증거가 이를 지지할 때만 변경을 승격하십시오. HY4의 PostTrainBench v1.2에서 35.2와 Tencent 내부 Foundation Model Bench에서 28.1은 관련 지표지만, 여전히 평가별입니다.
신뢰성: HY4는 환각을 줄였나?
Tencent는 표적 검색과 검증 개선을 통해 내부 환각률을 **15.76%에서 5.45%**로 낮췄다고 보고합니다. 이는 10.31포인트 감소이며, Tencent 수치에서 계산하면 약 65.4% 상대적 감소입니다. 추정 오류는 **23.1%에서 5.6%**로 감소했습니다. 출처.
이 결과는 Tencent의 금융 및 오피스 평가에 관한 것입니다. 이를 모든 질문에서 HY4가 5.45%만 환각한다고 일반화해서는 안 됩니다.
제품 피드백도 있습니다: RabyteTech는 101개 투자 연구 과제에서 61.63을 보고했으며, 이전 버전 대비 12.03포인트 상승입니다. Manus는 내부 문서 생성 및 편집 과제에서 거의 97% 완료율을 보고했습니다. 이는 Tencent 발표에 재현된 파트너 사례로, 과제 집합과 정의가 다릅니다; 맥락으로는 유용하나 상호 대체 가능한 벤치마크 점수는 아닙니다.
HY4 가격: 공식 요율, CometAPI, 제공업체 제안
현재 가격 비교
다음 스냅샷은 2026년 11월 4일에 확인했습니다. 모든 요율은 백만 토큰당 USD입니다.
액세스 경로
비캐시 입력
출력
캐시된 입력
Tencent 릴리스 페이지 참조
$0.834
$2.501
$0.042
CometAPI hy4 목록
$0.6672
약 $2.00
모델 페이지에서 검증되지 않음
OpenRouter tencent/hy4 API 메타데이터
$0.417
$1.2505
$0.021
CometAPI는 자사 게시 공식 참조 가격 대비 20% 할인을 표시합니다. OpenRouter의 라이브 API 메타데이터는 확인 시점에 Tencent 릴리스 페이지 참조보다 낮은 요율을 보여줍니다. 해당 메타데이터가 그 제안의 지속 기간을 보장하지는 않습니다. 이러한 차이는 제공업체별 실시간 확인의 중요성을 보여줍니다; 이 근거만으로 CometAPI를 최저가 경로라고 설명해서는 안 됩니다.
실제 워크로드 비용 추정
CometAPI에 표시된 요율에서, 1M 입력 토큰과 250,000 출력 토큰을 사용하는 워크로드는 대략 다음과 같은 비용이 듭니다:
$0.6672 + (0.25 × $2.00) = $1.1672
이는 예시적인 토큰 계산입니다. 재시도, 추론 토큰 집계, 캐싱, 도구 서비스, 계정별 조건은 최종 비용에 영향을 줄 수 있습니다. 출력 비중이 높은 에이전트는 파일을 반복 점검하거나 작업을 검증할 때 예상보다 더 많은 비용을 쓸 수 있습니다.
성공적으로 완료된 과제당 비용을 비교하십시오. 모델이 더 많은 시도, 더 긴 출력, 상당한 인간 수정을 필요로 한다면 낮은 토큰 요율의 이점은 사라질 수 있습니다.
결론
Hy4는 이전 프리뷰 대비 의미 있고 측정 가능한 성능 향상을 제공하면서, 이전 릴리스를 매력적으로 만들었던 공격적인 가격을 유지합니다. 독립 순위는 Hy4가 오픈 웨이트 모델의 최상위권에 위치하며, 특히 에이전트, 금융, 실제 생산성 과제에서 강하다는 것을 확인합니다. 새로운 비전과 컴퓨터 사용 능력과 결합되어, 강력한 오픈 모델 역량을 필요로 하는 비용 민감 팀에게 현재 가장 설득력 있는 선택지 중 하나입니다.
가장 간단하고 유연하게 다른 선도 모델과 함께 평가·배포하려면 CometAPI를 경유하십시오. 하나의 키, 경쟁력 있는 가격, 원활한 전환으로 2026년 프로덕션과 실험에 실용적인 선택입니다.
HY4에 대한 FAQ
Tencent HY4란?
HY4는 2026년 11월 4일에 출시된 Tencent의 플래그십 AI 모델입니다. 시각 이해, 컴퓨터 사용, 추론, 코딩, 연구, 다단계 전문 과제를 지원합니다.
이전 버전에서 무엇이 바뀌었나?
정식 HY4는 비전과 컴퓨터 사용을 추가하고, 사전 학습과 사후 학습을 확장했습니다. 긴 컨텍스트 이해, 지시 따르기, 금융, 오피스 작업, 개발, 과학 연구에서 개선이 보고되었습니다.
HY4의 주요 벤치마크 점수는?
Tencent는 DeepSWE v1.1에서 74.9, Terminal-Bench 4.0에서 44.4, APEX-Agents v1.1에서 75.2, OSWorld 2.1 부분 점수에서 78.9, MMMU-Pro에서 78.6을 보고합니다. 릴리스 부록의 평가 조건을 사용합니다.
HY4는 1M-토큰 컨텍스트 창을 갖고 있나?
OpenRouter의 라이브 메타데이터는 HY4에 대해 1,048,576 토큰을 나열합니다. 사용하는 엔드포인트의 제한(입출력 합산 예산과 최대 completion 길이 포함)을 확인하십시오.
HY4는 스스로 개선하나?
Tencent는 HY4와 Hyra 2.0으로 RSI 워크플로우를 개발하여 연구 도구, 인프라, 모델 변형을 개선하고 있습니다. 일반적인 호스팅 대화는 HY4 배포 가중치의 자율적 수정이 아님을 보여줍니다.
HY4는 CometAPI에서 얼마인가?
확인된 모델 페이지는 백만 입력 토큰당 $0.6672, 백만 출력 토큰당 약 $2.00을 표시하며, 공식 참조 대비 20% 할인을 보여줍니다. 예산 수립 전 라이브 가격 페이지를 확인하십시오.
HY4는 오픈소스이며 다운로드 준비가 되었나?
Tencent는 정식 HY4 가중치와 시스템 카드가 계획되어 있다고 말합니다. 공개 프리뷰 가중치는 별도의 릴리스입니다. 셀프 호스팅 전에 정식 모델의 실제 다운로드 가능성과 라이선스를 확인하십시오.
지금 CometAPI를 통해 HY4를 사용할 수 있나?
예. CometAPI는 hy4를 사용 가능으로 표시합니다. 계정 접근, 파라미터, 이미지 지원, 속도 제한을 문서에서 확인한 후, 스케일링 전에 소규모 워크로드를 실행하십시오.
