Buduj z CometAPIPotrzebujesz jednego API dla wielu modeli?Przetestuj proces w Playground, a potem utwórz klucz API, gdy model i koszt pasują do Twojego zastosowania.
HY4 to nowy flagowy model AI firmy Tencent, wydany 4 listopada 2026 r., przeznaczony do multimodalnego rozumowania, programowania, użycia komputera, badań oraz profesjonalnych przepływów pracy. Dodaje percepcję wizualną i interakcję z GUI do rodziny modeli Hy oraz poprawia długotrwałą realizację zadań w dokumentach, oprogramowaniu i narzędziach biznesowych. Tencent podaje wyniki: 74.9 na DeepSWE v1.1, 75.2 na APEX-Agents v1.1 oraz 78.9 na OSWorld 2.1 (pełny, wynik częściowy), w swoich opublikowanych warunkach oceny.
Najważniejsze wnioski
Silne zyski w realnym świecie względem wersji preview: +21 punktów na APEX-Agents, duże wzrosty na Terminal-Bench 4.0, AutomationBench, w ocenach ekspertów finansowych oraz metrykach na poziomie produktu.
Niezależny ranking: #4 open-weight w Vals Index (59.35%), #2 open-weight na Terminal-Bench 4.0 w niektórych raportach, konkurencyjny na Finance/Tax Agent.
Po raz pierwszy dodano wizję i użycie komputera, ze specjalistycznym treningiem na oprogramowaniu profesjonalnym (Blender, CAD itd.).
Sprawdzone pod kątem przejrzystości, atrybucji źródeł i aktualnej terminologii API.
Ceny pozostają bardzo konkurencyjne na poziomie ~$0.83/$2.50; CometAPI często oferuje dalsze zniżki (~20%).
Sygnały RSI: Hy4 + Hyra 2.0 są już używane do ulepszania wewnętrznych pipeline’ów szkoleniowych i współtworzenia modeli open (HyCell, HyPDE).
Warto rozważyć dla: agentów o długim horyzoncie, finansów/pracy biurowej, multimodalnej produktywności oraz zespołów wrażliwych na koszty, które potrzebują mocnej wydajności modeli open.
Nie jest absolutnym liderem na każdym trudnym leaderboardzie STEM lub czysto programistycznym — wciąż wyraźnie poniżej najlepszych modeli zamkniętych w tych obszarach.
Czym jest HY4 i dlaczego to ważne?
HY4, stylizowany jako Hy4 przez Tencent, to ogólnego zastosowania model AI zaprojektowany do wykonywania złożonych prac w wielu krokach. Ogłoszenie z 4 listopada pozycjonuje go na skrzyżowaniu rozumowania, rozumienia wizualnego, narzędzi i długotrwałej realizacji.
To ważne, ponieważ zadania profesjonalne rzadko mieszczą się w jednym, odizolowanym pytaniu. Programista może potrzebować agenta, który przejrzy repozytorium, wdroży funkcję, uruchomi testy i poprawi UI. Analityk może potrzebować uzgodnić zgłoszenia, arkusze, wykresy i notatki badawcze. Asystent w pracy może potrzebować połączyć wiadomości, dokumenty, kalendarze i protokoły spotkań.
Wydanie HY4 koncentruje się na takich przepływach pracy. Tencent twierdzi, że znacząco zwiększył zarówno pretraining, jak i post-training względem wcześniejszej wersji, zyskając w zakresie podążania za instrukcjami, zrozumienia długiego kontekstu, głębokich badań i zadań o długim horyzoncie.
Główna architektura (odziedziczona i rozszerzona względem wersji preview)
Rzadka mieszanka ekspertów (Sparse Mixture-of-Experts): duża łączna liczba parametrów przy ~49B aktywnych na token.
Okno kontekstu 1M tokenów do pracy na poziomie repozytoriów i wielu dokumentów.
Identity Hyper-Connections oraz natywna warstwa przewidywania wielotokenowego (MTP) dla spekulatywnego dekodowania.
Nowa ścieżka multimodalna i przestrzeń akcji dla użycia komputera (rozumienie ekranu + kontrola CLI/GUI), z ukierunkowanym treningiem na narzędziach profesjonalnych i przepływach międzyaplikacyjnych.
Sygnały rekurencyjnego samodoskonalenia (RSI)
Tencent raportuje, że Hy4, sparowany z harness’em Hyra 2.0, zoptymalizował wewnętrzną infrastrukturę pretrainingu dla mniejszych modeli o tej samej architekturze i autonomicznie wytworzył warianty przewyższające oficjalne benchmarki bazowe. Dwa modele bazowe współtworzone w ten sposób (HyCell do reprezentacji jednokomórkowej i HyPDE do modelowania pól fizycznych) są otwierane. To jeden z bardziej konkretnych publicznych przykładów modelu z czołówki, który przyczynia się do własnej pętli rozwoju.
Jaka jest wydajność pełnej wersji HY4?
Wizja i użycie komputera
HY4 wprowadza percepcję wizualną, w tym szczegółowe rozumienie obrazów i interpretację złożonych wykresów. Tencent dodaje także użycie komputera w interfejsach wiersza poleceń oraz graficznych, z ukierunkowanym treningiem na oprogramowaniu takim jak Blender i CAD. Wydanie Tencent opisuje przepływy pracy obejmujące wiele aplikacji.
To powiązane, ale odmienne możliwości. Wizja pozwala modelowi zinterpretować zrzut ekranu lub wykres. Użycie komputera dodaje pętlę sprzężenia zwrotnego: inspekcja interfejsu, wybór akcji, obserwacja wyniku i dostosowanie. Wymaga otaczającej aplikacji, która dostarcza zrzuty ekranu i wykonuje działania; samo zakończenie tekstowe nie zapewnia agenta systemowego.
Inżynieria frontendu i tworzenie gier
Tencent podkreśla mocniejsze interakcje UI, logikę biznesową, zarządzanie stanem i integrację full-stack. W przypadku gier współpracował z deweloperami z Tencent Interactive Entertainment Group nad implementacją funkcji, logiką rozgrywki, śledzeniem stanu i pipeline’ami assetów.
Wydanie raportuje 19.1% poprawę na GameDev i 9.8% na GameLogic względem wcześniejszej wersji oraz opisuje adaptację do Unreal Engine, Unity i Godot. To wyniki raportowane przez Tencent na nazwanych ewaluacjach. Nie stanowią one równoważnego skrócenia czasu developmentu dla każdego zespołu.
Dla programistów testem jest to, czy agent dostarcza działającą funkcję z mniejszą liczbą poprawek: właściwy rendering, poprawne interakcje, trwały stan, wykonywalny kod i zdane testy.
Finanse, praca biurowa i asysta osobista
Tencent zbudował tysiące realistycznych środowisk finansowych i dziesiątki tysięcy zadań obejmujących research inwestycyjny, strategie ilościowe, alokację, finanse korporacyjne i rachunkowość podatkową. Ewaluacja objęła 213 profesjonalistów finansowych, w tym 153 ekspertów z wiodących instytucji finansowych, na 579 zadaniach; Ponad 70% ekspertów miało ponad pięcioletnie doświadczenie.
HY4 uzyskał 3.04, w porównaniu do 2.97 dla DeepSeek-V4.1-Flash-1017 i 2.68 dla Kimi K3.1 Pro oraz GLM-5.3. To wyniki pochodzące z ewaluacji Tencent, a nie niezależnej replikacji.
Tencent opisuje też współedycję w czasie rzeczywistym plików Word, Excel i PowerPoint. Przez WorkBuddy i WeCom HY4 może używać połączonych kontekstów środowiska pracy, by przygotowywać briefy, śledzić zmiany w projektach, identyfikować elementy akcji i sygnalizować terminy. Te integracje należą do środowiska produktowego; nie są automatycznie dostępne w każdym wywołaniu API HY4.
Benchmarki wydajności HY4: co pokazują dane?
Poniższe porównanie korzysta z aneksu benchmarkowego pełnego wydania HY4. Wszystkie wpisy pochodzą od Tencent; tam, gdzie konkurenci mają dwie oceny, tabela używa retestu Tencent, oznaczonego gwiazdką w oryginale. Nie łączy najlepszych wyników z różnych uruchomień.
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, full, partial score
78.9
—
68.4
79.6
75.2
81.8
MMMU-Pro
78.6
—
76.7
83.4
84.9
88.2
TenureTrail, internal
53.6
46.0
50.1
51.3
57.6
59.0
Niezależne ewaluacje (na początek listopada 2026)
Vals Index: 59.35% (#13 ogółem, #4 open-weight za Kimi K3.1 Pro, DeepSeek V4.1 Flash, GLM-5.3). Duża poprawa względem ~53% w Hy4 preview. Mocny wynik na Terminal-Bench 4.0 (#2 open-weight w niektórych raportach), Finance Agent, Tax Agent.
Artificial Analysis Intelligence Index: ~34.6–35 (solidny środek stawki, rozwlekły, wolniejszy niż przeciętnie na zadanie).
Plotly Data Analytics Bench: 42/43 (98%), jeden z najtańszych modeli osiągających ten poziom dokładności.
Dane społeczności Agent Arena: mocna wydajność w długim horyzoncie u realnych użytkowników; Hy4 szybko stał się modelem #1 w języku chińskim i plasuje się na froncie Pareto przy konkurencyjnym koszcie na zadanie.
Gdzie HY4 wypada mocno
75.2 na APEX-Agents v1.1 to najwyższy wpis wśród pokazanych porównań. 74.9 na DeepSWE v1.1 jest również konkurencyjne wobec innych modeli w retestach Tencent. Dla workflowów naukowych 53.6 na TenureTrail prowadzi wśród pokazanych konkurentów open, choć dwa modele proprietarne uzyskują wyższe wyniki.
To wspiera testy HY4 dla agentów biznesowych, pracy na repozytoriach i badań. Nie jest to podstawa dla uniwersalnego twierdzenia „najlepszy model AI”.
Gdzie konkurenci wciąż prowadzą
44.4 na Terminal-Bench 4.0 jest poniżej pokazanych wyników Kimi i Claude. 78.6 na MMMU-Pro także poniżej Kimi, GPT i Claude w tabeli. Użycie komputera jest konkurencyjne, z 78.9 na OSWorld 2.1, ale metryka jest wyraźnie wynikiem częściowym, a nie twierdzeniem, że 78.9% dowolnych zadań desktopowych zakończy się sukcesem.
Tencent przyznaje, że utrzymuje się luka względem czołowych systemów proprietarnych w matematyce badawczej, długohoryzontalnym programowaniu, samodoskonaleniu modeli i zaawansowanym wizualnym QA.
Dlaczego ustawienia ewaluacji mają znaczenie
Konfiguracja Tencent dla Terminal-Bench 4.0 pozwala na do 500 tur i limit 13 godzin, z 16 CPU i 32 GB RAM; zadania wymagające GPU dodatkowo otrzymują H100. Konfiguracja APEX-Agents pozwala na do 250 kroków. To znaczące budżety agenta.
Model oceniany w takim środowisku może zachowywać się inaczej w aplikacji webowej z limitem 30 sekund. Porównuj sukces zadań wraz z całkowitą latencją, kosztami narzędzi, użyciem tokenów i zakresem korekt człowieka. Zachowaj widoczne wersje benchmarków: wyniki Terminal-Bench 4.0 nie są bezpośrednio wymienne ze starszymi wydaniami Terminal-Bench.
Jak działa HY4: kontekst, rozumowanie i wykonanie agenta
Długi kontekst pomaga łączyć rozproszone informacje
HY4 z oknem kontekstu 1,048,576 tokenów, wejściem tekst+obraz i wyjściem tekstowym. Podaje maksymalne zakończenie 65,536 tokenów dla swojej konfiguracji u topowego dostawcy. To limity specyficzne dla endpointu; potwierdź aktualne limity CometAPI przed projektowaniem wokół nich.
Długi kontekst może pomóc agentowi łączyć informacje między plikami i śladami narzędzi. Nie gwarantuje perfekcyjnej pamięci, poprawnej arytmetyki ani właściwego doboru źródeł. Dobrze zaprojektowana aplikacja wciąż korzysta z retriewalu, identyfikatorów dokumentów, zwięzłych wyników narzędzi i jawnych cytatów.
Rozumowanie i użycie narzędzi tworzą pętlę sprzężenia
Typowy workflow HY4 łączy planowanie z zewnętrznymi dowodami: odczytaj zadanie, zażądaj informacji, sprawdź wynik narzędzia, uruchom obliczenie lub test i popraw wynik. Rozumowanie modelu pomaga wybrać następny krok; środowisko wykonawcze dostarcza aktualne fakty i weryfikacje.
Na przykład asystent finansowy może pobrać wyciągi, zbudować arkusz wyceny, sprawdzić formuły i wygenerować raport. Każdy etap powinien zachowywać odniesienia do źródeł i odróżniać wartości raportowane od założeń. Asystent programistyczny może przejrzeć pliki, zmienić kod, uruchomić testy i wykorzystać błędy, by poprowadzić kolejną poprawkę.
Szczegóły architektury wymagają ostrożnego wersjonowania
The widely quoted 770B total parameters and 49B active parameters opisują opublikowany kręgosłup MoE HY4 preview. Karta modelu dokumentuje także rzadszą atencję, IndexCache, Identity Hyper-Connections i multi-token prediction.
Ogłoszenie pełnego wydania Tencent mówi, że dodatkowe szczegóły techniczne będą towarzyszyć wagom i karcie systemowej. Do czasu ich publikacji, liczby warstw wersji preview, konfiguracja ekspertów i komendy wdrożeniowe nie powinny być przedstawiane jako potwierdzone specyfikacje pełnego HY4. Potwierdzone fakty pełnego wydania to nowe możliwości, dostęp hostowany i opublikowane wyniki ewaluacji.
HY4 i RSI: co naprawdę oznacza rekurencyjne samodoskonalenie
Od rozwiązania problemu do ulepszenia narzędzia
RSI oznacza rekurencyjne samodoskonalenie. W ogłoszeniu Hyra 2.0 z 2 listopada chodzi o ulepszanie wielokrotnego użytku narzędzi badawczych, pipeline’ów treningowych i modeli. Silniejsze narzędzia mogą pomagać rozwijać silniejsze modele, które mogą wspierać kolejną rundę rozwoju narzędzi.
Pełne wydanie HY4 daje konkretny przykład: w parze z Hyra 2.0 HY4 zoptymalizował wewnętrzną infrastrukturę pretrainingu dla mniejszych modeli o tej samej architekturze i wyszkolił wariant, który przewyższył wskazany baseline Jev na wielu benchmarkach. Tencent ogłosił także HyCell i HyPDE, modele bazowe do reprezentacji jednokomórkowej i modelowania pól fizycznych współtworzone z systemem. Źródło.
Jak Hyra 2.0 organizuje badania
Hyra używa trzech poziomów: Overall, Mission i Worker. Overall koordynuje cele ludzi, priorytety i zasoby. Missions kierują dłuższymi wysiłkami badawczymi. Workers przeglądają kod, uruchamiają eksperymenty, analizują porażki i kwestionują hipotezy.
Trwała kolejka zadań obsługuje zależności i ograniczenia zasobów. Research Board rejestruje dowody i decyzje. Review Workers niezależnie sprawdzają wyniki, natomiast wspólna wiedza oddziela obserwacje od odtworzonych wyników i konwencji zespołowych. Tencent mówi, że znaczne wydatki na obliczenia i zmiany we wspólnej wiedzy wymagają odpowiedniej aprobaty ludzkiej.
Co RSI potwierdza — a czego nie
To dowód uporządkowanego workflowu badań AI. Nie potwierdza nieograniczonego wzrostu inteligencji ani nie pokazuje, że hostowana rozmowa HY4 zmienia bazowe wagi endpointu. Ulepszone prompty, trwała pamięć, nowe narzędzia software’owe i nowo wytrenowany model to różne formy ulepszenia.
Dla deweloperów użyteczny wzorzec to mierzalna iteracja: zachowuj porażki, ulepszaj narzędzia, oceniaj kandydatów na wydzielonych zadaniach i promuj zmiany tylko wtedy, gdy dowody to wspierają. Wyniki HY4 35.2 na PostTrainBench v1.2 i 28.1 nawewnętrznym Foundation Model Bench Tencent są istotnymi wskaźnikami, ale pozostają specyficzne dla ewaluacji.
Niezawodność: czy HY4 ograniczył halucynacje?
Tencent raportuje, że ukierunkowane ulepszenia wyszukiwania i weryfikacji obniżyły wewnętrzny wskaźnik halucynacji z 15.76% do 5.45%. To spadek o 10.31 punktu procentowego, lub około 65.4% względnej redukcji, wyliczony na podstawie danych Tencent. Błędy spekulatywne spadły z 23.1% do 5.6%. Źródło.
Te wyniki dotyczą ewaluacji finansowych i biurowych Tencent. Nie należy ich generalizować do twierdzenia, że HY4 halucynuje tylko w 5.45% przypadków we wszystkich pytaniach.
Istnieje wspierający feedback produktowy: RabyteTech raportuje 61.63 na 101 zadaniach researchu inwestycyjnego, o 12.03 punktu wyżej niż wcześniejsza wersja. Manus raportuje niemal 97% ukończeń na wewnętrznych zadaniach tworzenia i edycji dokumentów. To referencje partnerów odtworzone w ogłoszeniu Tencent, z różnymi zestawami zadań i definicjami; są użytecznym kontekstem, a nie zamiennymi wynikami benchmarków.
Cennik HY4: oficjalne stawki, CometAPI i oferty dostawców
Aktualne porównanie cen
Poniższy snapshot sprawdzono 4 listopada 2026 r. Wszystkie stawki w USD za jeden milion tokenów.
Trasa dostępu
Wejście bez cache
Wyjście
Wejście cache
Odniesienie ze strony wydania Tencent
$0.834
$2.501
$0.042
Lista CometAPI hy4
$0.6672
Około $2.00
Niezweryfikowane na stronie modelu
Metadane API OpenRouter tencent/hy4
$0.417
$1.2505
$0.021
CometAPI wyświetla 20% zniżki względem wskazanej oficjalnej stawki referencyjnej. Metadane API OpenRouter w czasie rzeczywistym pokazują niższą stawkę niż odniesienie na stronie wydania Tencent w momencie sprawdzenia. Metadane nie przesądzają, jak długo potrwa ta oferta. Te różnice sprawiają, że weryfikacja na poziomie dostawcy w czasie rzeczywistym jest kluczowa; na tej podstawie nie należy opisywać CometAPI jako najtańszej trasy.
Oszacuj koszt rzeczywistego obciążenia
Przy wyświetlonych stawkach CometAPI, obciążenie używające 1M tokenów wejściowych i 250,000 tokenów wyjściowych kosztuje około:
$0.6672 + (0.25 × $2.00) = $1.1672
To ilustracyjna kalkulacja tokenów. Retrye, rozliczanie tokenów rozumowania, caching, usługi narzędziowe i warunki specyficzne dla konta mogą wpływać na końcowy rachunek. Agenci generujący dużo wyjścia mogą wydawać więcej niż oczekiwano, gdy wielokrotnie przeglądają pliki lub weryfikują pracę.
Porównuj koszt na pomyślnie ukończone zadanie. Niższa stawka tokenowa może stracić przewagę, jeśli model wymaga więcej prób, dłuższych wyjść lub znacznych napraw ręcznych.
Konkluzja
Hy4 dostarcza wymierne, mierzalne zyski względem wersji preview, zachowując agresywne ceny, które czyniły wcześniejsze wydanie atrakcyjnym. Niezależne rankingi potwierdzają, że znajduje się w topowej grupie modeli open-weight, ze szczególną siłą w agentach, finansach i realnych zadaniach produktywności. W połączeniu z nowymi możliwościami wizji i użycia komputera, jest obecnie jednym z najbardziej przekonujących wyborów dla zespołów wrażliwych na koszty, które potrzebują mocnych możliwości modelu open.
Najprostszym i najbardziej elastycznym sposobem oceny i wdrożenia obok innych czołowych modeli jest skorzystanie z CometAPI. Jeden klucz, konkurencyjne ceny i płynne przełączanie czynią to praktycznym wyborem dla produkcji i eksperymentów w 2026 r.
FAQ dotyczące HY4
Czym jest Tencent HY4?
HY4 to flagowy model AI firmy Tencent, wydany 4 listopada 2026 r. Obsługuje rozumienie wizualne, użycie komputera, rozumowanie, programowanie, badania i wieloetapowe zadania profesjonalne.
Co się zmieniło względem wcześniejszej wersji?
Pełny HY4 dodaje wizję i użycie komputera oraz skalę pretrainingu i post-trainingu. Tencent raportuje ulepszenia w zrozumieniu długiego kontekstu, podążaniu za instrukcjami, finansach, pracy biurowej, developmentcie i badaniach naukowych.
Jakie są główne wyniki benchmarków HY4?
Tencent podaje 74.9 na DeepSWE v1.1, 44.4 na Terminal-Bench 4.0, 75.2 na APEX-Agents v1.1, 78.9 na OSWorld 2.1 wynik częściowy oraz 78.6 na MMMU-Pro. Te liczby wykorzystują warunki ewaluacji z aneksu wydania.
Czy HY4 ma okno kontekstu 1M tokenów?
Metadane na żywo OpenRouter podają 1,048,576 tokenów dla HY4. Sprawdź limity endpointu, którego używasz, w tym łączny budżet wejście/wyjście i maksymalną długość zakończenia.
Czy HY4 jest samodoskonalący się?
Tencent rozwija workflowy RSI z HY4 i Hyra 2.0, aby ulepszać narzędzia badawcze, infrastrukturę i warianty modeli. Zwykła hostowana rozmowa nie dowodzi autonomicznej modyfikacji wdrożonych wag HY4.
Ile kosztuje HY4 na CometAPI?
Na sprawdzonej stronie modelu widnieje $0.6672 za 1M tokenów wejściowych i około $2.00 za 1M tokenów wyjściowych, z wyświetlaną 20% zniżką względem oficjalnego odniesienia. Skonsultuj stronę z cenami na żywo przed budżetowaniem.
Czy HY4 jest open source i gotowy do pobrania?
Tencent mówi, że planuje pełne wagi HY4 i kartę systemu. Publiczne wagi preview to oddzielne wydanie. Potwierdź rzeczywistą dostępność pełnego modelu do pobrania i licencję przed samodzielnym hostingiem.
Czy mogę używać HY4 przez CometAPI już teraz?
Tak. CometAPI listuje hy4 jako dostępny. Skorzystaj z dokumentacji API, aby potwierdzić dostęp do konta, parametry, wsparcie obrazów i limity szybkości, a następnie uruchom małe obciążenie przed skalowaniem.
