Technische specificaties van Tencent Hy4 Preview
| Specificatie | Geverifieerde informatie |
|---|---|
| Model-ID | hy4-preview |
| Provider | Tencent Hunyuan |
| Releasedatum | 28 augustus 2026 |
| Architectuur | Mixture-of-Experts (MoE) |
| Totaal aantal backbone-parameters | 770B |
| Geactiveerde backbone-parameters | 49B per token |
| Lagen | 78 |
| Verborgen dimensie | 6,144 |
| Attention | Gated DeepSeek Sparse Attention (Gated DSA) |
| Attention-heads | 64 |
| Gerouteerde experts | 256 |
| Gedeelde experts | 1 |
| Geactiveerde gerouteerde experts | 8 per token |
| Contextvenster | 1,048,576 tokens (1M) |
| Maximale API-invoer | 960,000 tokens |
| Maximale API-uitvoer | 64,000 tokens |
| Woordenschatgrootte | 120,832 |
| Modeltype | Instruct |
| Gequantiseerde variant | Hy4-preview-FP8 |
| Licentie | Apache 2.0 |
De architectuurcijfers hierboven beschrijven de backbone; de modelkaart van Tencent beschrijft een extra native MTP-laag voor speculatieve decodering. Het 1M-contextvenster van de API is niet hetzelfde als de maximale invoerlimiet van 960K.
Wat is Tencent Hy4 Preview?
Tencent Hy4 Preview is een groot taalmodel met open gewichten, ontwikkeld door het Hunyuan-team van Tencent. Het werd uitgebracht op 28 augustus 2026 en is een vroege versie van de Hy4-generatie, geoptimaliseerd voor productiviteitswerk in de echte wereld: software-engineering, agent-gestuurde taakuitvoering, kantoor- en financiële analyse, gameontwikkeling en wetenschappelijk onderzoek.
Hy4 Preview gebruikt een Mixture-of-Experts-architectuur met in totaal 770 miljard backbone-parameters en 49 miljard geactiveerde parameters per token. De attention-stapel gebruikt Gated DeepSeek Sparse Attention (Gated DSA) met IndexCache voor hergebruik van sparse-indexen tussen lagen. Het model gebruikt ook identity Hyper-Connections (iHC) in het residuele pad. Er is een native multi-token-prediction (MTP)-laag opgenomen voor speculatieve decodering.
Tencent heeft modelgewichten, een FP8-gequantiseerde variant en implementatierichtlijnen voor vLLM en SGLang vrijgegeven. De modelkaart specificeert de Apache 2.0-licentie.
Belangrijkste functies van Tencent Hy4 Preview
- Context van een miljoen tokens: Het contextvenster van 1,048,576 tokens is bedoeld voor grote codebases, omvangrijk technisch materiaal en informatie die over meerdere documenten is verspreid. Tencent Cloud vermeldt een maximale invoer van 960,000 tokens en een maximale uitvoer van 64,000 tokens.
- Langetermijn software-engineering: Tencent benadrukt codebegrip, planning, debugging en verificatie bij uitgebreide ontwikkelingstaken, inclusief front-endimplementatie en iteratie.
- Agent-gestuurde taakuitvoering: Het model is gepositioneerd voor complexe taken die planning en toolgebruik omvatten. De gepubliceerde serving-recepten bevatten tool-call-parsing en automatische configuratie van toolkeuze.
- Kantoor- en analytische workflows: Tencent beschrijft het maken van documenten, spreadsheets en presentaties, data-analyse, vergelijkingen en werk aan financiële modellen.
- Wetenschappelijke en technische redenering: Tencent rapporteert werk in AI-onderzoek en -ontwikkeling, moleculaire dynamica, vastestoffysica en fundamentele wiskunde.
- Open implementatieopties: Ontwikkelaars kunnen de onder Apache 2.0 gelicentieerde gewichten, de FP8-variant en de vLLM- of SGLang-implementatierecepten van Tencent gebruiken.
Benchmarkprestaties van Tencent Hy4 Preview
Tencent rapporteert een blinde interne evaluatie waarin 163 interne experts output beoordeelden op 203 engineeringtaken. Hy4 Preview kreeg een gemiddelde score van 2.99/4.00, vergeleken met 2.92/4.00 voor GLM 5.3 en 2.94/4.00 voor Kimi K3.
| Model | Gemiddelde score | Onderlinge uitkomst met Hy4 Preview |
|---|---|---|
| Tencent Hy4 Preview | 2.99/4.00 | Referentiemodel |
| GLM 5.3 | 2.92/4.00 | 46.8% overwinningen, 12.8% gelijke spelen, 40.4% verliezen |
| Kimi K3 | 2.94/4.00 | 51.2% overwinningen, 7.9% gelijke spelen, 40.9% verliezen |
Dit zijn resultaten van Tencent's interne, door mensen beoordeelde engineeringevaluatie, niet van een gestandaardiseerd openbaar benchmarkleaderboard. Ze moeten niet worden gezien als bewijs dat Hy4 Preview op elke codeer-, redeneer- of algemene benchmark de leiding neemt. De beschikbare tekst van de modelkaart biedt geen volledige machineleesbare tabel met gestandaardiseerde benchmarkcijfers, dus hier worden er geen afgeleid.
Hoe Hy4 Preview zich verhoudt tot GLM 5.3 en Kimi K3
Het meest direct vergelijkbare gepubliceerde bewijs is Tencent's evaluatie met 203 engineeringtaken. Hy4 Preview scoorde 2.99/4.00, iets boven GLM 5.3 met 2.92 en Kimi K3 met 2.94. De vergelijking is nuttig om Tencent's interne resultaten voor engineeringworkflows te begrijpen, maar het is geen onafhankelijke evaluatie en bewijst geen superioriteit op niet-gerelateerde workloads.
Kies Hy4 Preview wanneer implementatie met open gewichten, een context van een miljoen tokens en op productiviteit gerichte agent-workflows centrale vereisten zijn. Vergelijk GLM 5.3 en Kimi K3 op uw eigen representatieve taken voordat u een productiemodel selecteert; hun architectuur- en contextspecificaties worden hier niet weergegeven omdat ze voor deze vergelijking niet vanuit gelijkwaardige primaire bronnen zijn geverifieerd.
Bekende beperkingen
Tencent beschrijft Hy4 Preview als een vroege iteratie met ruimte voor verbetering in zowel pre-training als post-training. Gepubliceerde bekende issues zijn onder meer dat het langer dan nodig redeneert bij complexe taken en een neiging heeft om zijn eigen werk te veel te verifiëren. Dit gedrag kan de latentie en de lengte van de uitvoer verhogen. Teams moeten taaksucces, latentie, correctheid van tool-calls en het totale tokenverbruik toetsen aan hun eigen acceptatiecriteria voordat ze naar productie gaan.
Representatieve gebruiksscenario’s
- Software-engineering op repository-schaal: Bronbestanden en issuegeschiedenis analyseren, wijzigingen over meerdere bestanden plannen, debuggen en patches verifiëren.
- Agent-gestuurde ontwikkelworkflows: Meerstaps coderingstaken coördineren en tool-ondersteunde uitvoering, met autorisatie en validatie aan applicatiezijde.
- Bedrijfsanalyse: Informatie over documenten heen consolideren en rapporten, spreadsheets en presentaties opbouwen.
- Financiële modellering: Helpen bij vergelijkingen, data-analyse en workflows voor financiële modellen, met onafhankelijke validatie van berekeningen.
- Gameprototyping: Speelbare prototypes genereren en iteratief verfijnen met een game-engine-workflow.
- Ondersteuning bij wetenschappelijk onderzoek: Technische literatuur verkennen, analyses formuleren en werk ondersteunen op gebieden die Tencent identificeert, zoals moleculaire dynamica en fundamentele wiskunde.