Construa com CometAPIPrecisa de uma API para vários modelos?Teste o fluxo no Playground e depois crie uma chave da API quando o modelo e o custo atenderem ao seu caso de uso.
HY4 é o novo modelo de IA principal da Tencent, lançado em 4 de novembro de 2026, para raciocínio multimodal, programação, uso de computador, pesquisa e fluxos de trabalho profissionais. Ele adiciona visão e interação com GUI à família de modelos Hy e melhora a execução sustentada em documentos, softwares e ferramentas de negócios. A Tencent relata pontuações de 74.9 no DeepSWE v1.1, 75.2 no APEX-Agents v1.1 e 78.9 no OSWorld 2.1 (completo, pontuação parcial), sob suas condições de avaliação publicadas.
Principais destaques
Ganhos reais significativos vs. prévia: +21 pontos no APEX-Agents, grandes aumentos no Terminal-Bench 4.0, AutomationBench, pontuações de especialistas em finanças e métricas em nível de produto.
Classificação independente: #4 em pesos abertos no Vals Index (59.35%), #2 em pesos abertos no Terminal-Bench 4.0 em alguns relatos, competitivo em Finance/Tax Agent.
Visão + uso de computador adicionados pela primeira vez, com treinamento especializado em softwares profissionais (Blender, CAD, etc.).
Revisado para maior clareza, atribuição de fontes e terminologia de API atual.
Preços permanecem altamente competitivos em ~ $0.83/$2.50; a CometAPI frequentemente oferece descontos adicionais (~20%).
Sinais de RSI: Hy4 + Hyra 2.0 já usados para melhorar pipelines de treinamento internos e co-desenvolver modelos abertos (HyCell, HyPDE).
Vale a pena para: agentes de longo horizonte, fluxos de trabalho de finanças/escritório, produtividade multimodal e equipes sensíveis a custo que precisam de forte desempenho com modelos de pesos abertos.
Não é o líder absoluto em todos os rankings difíceis de STEM ou de código puro — ainda fica claramente abaixo dos modelos fechados de topo nesses quesitos.
O que é HY4 e por que isso importa?
HY4, estilizado como Hy4 pela Tencent, é um modelo de IA de uso geral projetado para executar trabalhos complexos em muitas etapas. O anúncio de 4 de novembro da Tencent o posiciona em torno de uma combinação de raciocínio, compreensão visual, ferramentas e execução sustentada.
Essa combinação importa porque tarefas profissionais raramente cabem em uma única pergunta isolada. Um desenvolvedor pode precisar que um agente inspecione um repositório, implemente um recurso, execute testes e revise uma interface. Um analista pode precisar reconciliar declarações, planilhas, gráficos e notas de pesquisa. Um assistente no local de trabalho pode precisar conectar mensagens, documentos, calendários e registros de reuniões.
O lançamento do HY4 foca nesses fluxos de trabalho. A Tencent afirma que aumentou substancialmente o pré-treinamento e o pós-treinamento em relação à versão anterior, com ganhos em seguimento de instruções, compreensão de contexto longo, pesquisa aprofundada e tarefas de longo horizonte.
Arquitetura central (herdada e estendida da prévia)
Mixture-of-Experts esparso: grande contagem total de parâmetros com apenas ~49B ativados por token.
Janela de contexto de 1M tokens para trabalho em escala de repositório e multi-documento.
Gated DeepSeek Sparse Attention + IndexCache para atendimento eficiente de contexto longo.
Identity Hyper-Connections e camada nativa de previsão multi-token (MTP) para decodificação especulativa.
Novo caminho multimodal e espaço de ações de uso de computador (compreensão de tela + controle CLI/GUI), com treinamento direcionado em ferramentas profissionais e fluxos de trabalho entre aplicativos.
Sinais de Recursive Self-Improvement (RSI)
A Tencent relata que o Hy4, emparelhado com o arcabouço Hyra 2.0, otimizou a infraestrutura interna de pré-treinamento para modelos menores da mesma arquitetura e produziu variantes de forma autônoma que superaram as linhas de base oficiais. Dois modelos de base co-desenvolvidos dessa forma (HyCell para representação de célula única e HyPDE para modelagem de campos físicos) estão sendo disponibilizados como código aberto. Este é um dos exemplos públicos mais concretos de um modelo de fronteira contribuindo para seu próprio ciclo de desenvolvimento.
Qual é o desempenho no lançamento completo do HY4?
Visão e uso de computador
HY4 introduz percepção visual, incluindo compreensão de imagem de grão fino e interpretação de gráficos complexos. A Tencent também adiciona uso de computador em interfaces de linha de comando e gráficas, com treinamento direcionado para softwares como Blender e CAD. O lançamento da Tencent descreve fluxos de trabalho que abrangem vários aplicativos.
Estas são capacidades relacionadas, porém distintas. Visão permite que um modelo interprete uma captura de tela ou gráfico. Uso de computador adiciona um ciclo de feedback: inspecionar a interface, escolher uma ação, observar o resultado e ajustar. Requer um aplicativo ao redor que forneça capturas de tela e execute ações; um endpoint de conclusão de texto sozinho não fornece um agente de sistema operacional.
Engenharia de frontend e desenvolvimento de jogos
A Tencent enfatiza interações de UI mais fortes, lógica de negócios, gerenciamento de estado e integração full-stack. Para jogos, trabalhou com desenvolvedores do Tencent Interactive Entertainment Group na implementação de recursos, lógica de gameplay, rastreamento de estado e pipelines de ativos.
O lançamento relata melhoria de 19.1% em GameDev e de 9.8% em GameLogic em relação à versão anterior, e descreve adaptação a Unreal Engine, Unity e Godot. São melhorias relatadas pela Tencent em avaliações nomeadas. Elas não estabelecem uma redução equivalente no tempo de desenvolvimento para todas as equipes.
Para desenvolvedores, o teste relevante é se um agente entrega um recurso funcionando com menos correções: aparência renderizada, interações corretas, estado persistente, código executável e testes passando.
Finanças, trabalho de escritório e assistência pessoal
A Tencent construiu milhares de ambientes financeiros realistas e dezenas de milhares de tarefas cobrindo pesquisa de investimentos, estratégias quantitativas, alocação, finanças corporativas e contabilidade tributária. Sua avaliação envolveu 213 profissionais de finanças, incluindo 153 especialistas de instituições financeiras líderes, em 579 tarefas; mais de 70% dos especialistas tinham mais de cinco anos de experiência.
HY4 obteve 3.04, em comparação com 2.97 para o DeepSeek-V4.1-Flash-1017 e 2.68 para Kimi K3.1 Pro e GLM-5.3. Esses resultados vêm da avaliação da Tencent, e não de uma replicação independente separada.
A Tencent também descreve coedição em tempo real de arquivos Word, Excel e PowerPoint. Por meio do WorkBuddy e do WeCom, o HY4 pode usar o contexto conectado do local de trabalho para preparar briefings, rastrear alterações de projeto, identificar itens de ação e sinalizar prazos. Essas integrações pertencem ao ambiente de produto; elas não são incluídas automaticamente em cada chamada de API do HY4.
Benchmarks de desempenho do HY4: o que os dados mostram?
A comparação a seguir usa o apêndice de benchmarks do lançamento completo do HY4. Todas as entradas são publicadas pela Tencent; onde competidores têm duas pontuações, a tabela usa o novo teste da própria Tencent, marcado com um asterisco no original. Ela não combina o melhor resultado de diferentes execuções.
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, pontuação parcial
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
Avaliações independentes (início de novembro de 2026)
Vals Index: 59.35% (#13 geral, #4 em pesos abertos atrás de Kimi K3.1 Pro, DeepSeek V4.1 Flash, GLM-5.3). Grande melhoria em relação à prévia do Hy4 (~53%). Forte no Terminal-Bench 4.0 (#2 em pesos abertos em alguns relatos), Finance Agent, Tax Agent.
Artificial Analysis Intelligence Index: ~34.6–35 (faixa média sólida, verboso, mais lento que a média por tarefa).
Plotly Data Analytics Bench: 42/43 (98%), entre os modelos mais baratos a atingir esse nível de acurácia.
Dados da comunidade Agent Arena: forte desempenho real em tarefas de longo horizonte; Hy4 rapidamente se tornou o modelo #1 em chinês e está na fronteira de Pareto com custo por tarefa competitivo.
Onde o HY4 parece forte
Os 75.2 no APEX-Agents v1.1 são a maior entrada entre as comparações exibidas. Seus 74.9 no DeepSWE v1.1 também são competitivos com outros modelos nos novos testes da Tencent. Para fluxos de trabalho científicos, 53.6 no TenureTrail lidera os competidores de pesos abertos mostrados, embora os dois modelos proprietários pontuem mais alto.
Essas constatações sustentam testar o HY4 para agentes de negócios, trabalho em repositórios e pesquisa. Elas não suportam uma afirmação universal de “melhor modelo de IA”.
Onde os concorrentes ainda lideram
Os 44.4 no Terminal-Bench 4.0 ficam atrás dos resultados mostrados do Kimi e do Claude. Seus 78.6 no MMMU-Pro também ficam atrás de Kimi, GPT e Claude na tabela. O uso de computador é competitivo, com 78.9 no OSWorld 2.1, mas a métrica é explicitamente uma pontuação parcial, não uma alegação de que 78.9% de trabalhos de desktop arbitrários serão concluídos com sucesso.
A Tencent reconhece uma lacuna restante em relação a sistemas proprietários líderes em matemática de pesquisa, programação de longo horizonte, autoaperfeiçoamento de modelo e VQA avançado.
Por que as configurações de avaliação importam
A configuração da Tencent para o Terminal-Bench 4.0 permite até 500 turnos e timeout de 13 horas, com 16 CPUs e 32 GB de RAM; tarefas dependentes de GPU recebem adicionalmente uma H100. Sua configuração do APEX-Agents permite até 250 etapas. São orçamentos de agente substanciais.
Um modelo avaliado nesse ambiente pode se comportar de maneira diferente em um app web com timeout de 30 segundos. Compare o sucesso da tarefa junto da latência total, custos de ferramentas, uso de tokens e correção humana. Mantenha as versões dos benchmarks visíveis: pontuações do Terminal-Bench 4.0 não devem ser lidas como diretamente intercambiáveis com resultados de versões mais antigas do Terminal-Bench.
Como o HY4 funciona: contexto, raciocínio e execução de agentes
Contexto longo ajuda a conectar informações distribuídas
HY4 com janela de contexto de 1,048,576 tokens, entrada de texto e imagem e saída de texto. Ele lista uma conclusão máxima de 65,536 tokens para sua configuração de provedor de topo. Esses são limites específicos do endpoint; confirme os limites atuais da CometAPI antes de projetar em torno deles.
Contexto longo pode ajudar um agente a conectar informações entre arquivos e rastros de ferramentas. Não garante recordação perfeita, aritmética precisa ou seleção correta de fontes. Um aplicativo bem projetado ainda se beneficia de recuperação, identificadores de documento, resultados de ferramenta concisos e citações explícitas.
Raciocínio e uso de ferramentas formam um ciclo de feedback
Um fluxo de trabalho típico do HY4 combina planejamento com evidência externa: ler a tarefa, solicitar informações, inspecionar um resultado de ferramenta, executar um cálculo ou teste e revisar a saída. O raciocínio do modelo ajuda a selecionar a próxima etapa; o ambiente de execução fornece fatos atuais e verificações.
Por exemplo, um assistente financeiro pode recuperar demonstrações, construir um workbook de avaliação, verificar fórmulas e gerar um relatório. Cada etapa deve preservar referências de origem e distinguir valores relatados de suposições. Um assistente de código pode inspecionar arquivos, alterar código, executar testes e usar falhas para guiar a próxima edição.
Detalhes de arquitetura exigem versionamento cuidadoso
A amplamente citada 770B total parameters and 49B active parameters descreve o backbone MoE do HY4 preview publicado. Seu card do modelo também documenta atenção esparsa, IndexCache, Identity Hyper-Connections e multi-token prediction.
O anúncio do lançamento completo da Tencent diz que detalhes técnicos adicionais acompanharão os pesos e o system card. Até que cheguem, a contagem de camadas da prévia, a configuração de experts e comandos de implantação não devem ser apresentados como especificações confirmadas do HY4 completo. Os fatos estabelecidos do lançamento completo são suas novas capacidades, acesso hospedado e resultados de avaliação publicados.
HY4 e RSI: o que Recursive Self-Improvement realmente significa
De resolver um problema a melhorar a ferramenta
RSI significa recursive self-improvement. No anúncio do Hyra 2.0 de 2 de novembro da Tencent, a ideia é melhorar ferramentas de pesquisa reutilizáveis, pipelines de treinamento e modelos. Ferramentas mais fortes podem ajudar a desenvolver modelos mais fortes, que podem suportar a próxima rodada de desenvolvimento de ferramentas.
O lançamento completo do HY4 dá um exemplo concreto: emparelhado com o Hyra 2.0, o HY4 otimizou a infraestrutura interna de pré-treinamento para modelos menores com a mesma arquitetura e treinou uma variante que superou a linha de base Jev declarada em múltiplos benchmarks. A Tencent também anunciou HyCell e HyPDE, modelos de base para representação de célula única e modelagem de campos físicos co-desenvolvidos com o sistema. Fonte.
Como o Hyra 2.0 organiza a pesquisa
Hyra usa três níveis: Overall, Mission e Worker. Overall coordena objetivos humanos, prioridades e recursos. Missions direcionam esforços de pesquisa mais longos. Workers inspecionam código, executam experimentos, analisam falhas e desafiam hipóteses.
Uma fila de tarefas persistente lida com dependências e limites de recursos. Um Research Board registra evidências e decisões. Review Workers inspecionam resultados de forma independente, enquanto conhecimento compartilhado separa observações de achados reproduzidos e convenções de equipe. A Tencent diz que gastos substanciais de computação e mudanças no conhecimento compartilhado requerem aprovação humana apropriada.
O que RSI faz — e o que não estabelece
Isto é evidência de um fluxo de trabalho estruturado de pesquisa em IA. Não estabelece crescimento de inteligência ilimitado nem mostra que uma conversa hospedada do HY4 altera os pesos subjacentes do endpoint. Prompts melhores, memória persistente, novas ferramentas de software e um novo modelo treinado são diferentes formas de melhoria.
Para desenvolvedores, o padrão útil é iteração mensurável: preservar falhas, melhorar ferramentas, avaliar candidatos em tarefas reservadas e promover mudanças apenas quando a evidência as sustenta. Os 35.2 no PostTrainBench v1.2 e 28.1 no Foundation Model Bench interno da Tencent são indicadores relevantes, mas permanecem específicos da avaliação.
Confiabilidade: o HY4 reduziu alucinações?
A Tencent relata que melhorias direcionadas de busca e verificação reduziram sua taxa interna de alucinação de 15.76% para 5.45%. Isso é uma diminuição de 10.31 pontos percentuais, ou aproximadamente 65.4% de redução relativa, calculada a partir dos números da Tencent. Erros especulativos caíram de 23.1% para 5.6%. Fonte.
Esses resultados dizem respeito às avaliações de finanças e escritório da Tencent. Eles não devem ser generalizados como uma afirmação de que o HY4 alucina apenas 5.45% das vezes em todas as questões.
Há feedback de produto de apoio: a RabyteTech relata 61.63 em 101 tarefas de pesquisa de investimentos, aumento de 12.03 pontos em relação à versão anterior. A Manus relata quase 97% de conclusão em suas tarefas internas de criação e edição de documentos. São depoimentos de parceiros reproduzidos no anúncio da Tencent, com diferentes conjuntos de tarefas e definições; são contexto útil, não pontuações de benchmark intercambiáveis.
Preços do HY4: tarifas oficiais, CometAPI e ofertas de provedores
Comparação de preços atual
A verificação a seguir foi feita em 4 de novembro de 2026. Todas as tarifas são em USD por um milhão de tokens.
Rota de acesso
Entrada sem cache
Saída
Entrada em cache
Referência da página de lançamento da Tencent
$0.834
$2.501
$0.042
Lista hy4 na CometAPI
$0.6672
About $2.00
Not verified on the model page
Metadados da API OpenRouter tencent/hy4
$0.417
$1.2505
$0.021
A CometAPI exibe um desconto de 20% em relação ao preço de referência oficial listado. Os metadados de API ao vivo do OpenRouter mostram uma tarifa mais baixa do que a referência da página de lançamento da Tencent no momento da verificação. Os metadados não estabelecem por quanto tempo essa oferta dura. Essas diferenças tornam essencial a verificação ao vivo no nível do provedor; a CometAPI não deve ser descrita como a rota de menor preço com base nessas evidências.
Estime o custo do seu workload real
Nas tarifas exibidas pela CometAPI, um workload usando 1M tokens de entrada e 250,000 tokens de saída custa aproximadamente:
$0.6672 + (0.25 × $2.00) = $1.1672
Este é um cálculo ilustrativo de tokens. Reexecuções, contabilização de tokens de raciocínio, caching, serviços de ferramentas e termos específicos de conta podem afetar a conta final. Agentes com muita saída podem gastar mais do que o esperado quando inspecionam arquivos repetidamente ou verificam o trabalho.
Compare o custo por tarefa concluída com sucesso. Uma tarifa de token mais baixa pode perder sua vantagem se um modelo precisar de mais tentativas, saídas mais longas ou reparo humano substancial.
Conclusão
Hy4 entrega ganhos de desempenho significativos e mensuráveis em relação à prévia, preservando a precificação agressiva que tornou o lançamento anterior atraente. Rankings independentes confirmam que ele se encontra no topo dos modelos de pesos abertos, com força particular em agentes, finanças e tarefas reais de produtividade. Com novas habilidades de visão e uso de computador, é atualmente uma das opções mais atraentes para equipes sensíveis a custo que precisam de forte capacidade com modelos abertos.
Para a maneira mais simples e flexível de avaliar e implantar ao lado de outros modelos líderes, roteie pela CometAPI. Uma única chave, preços competitivos e comutação contínua a tornam a escolha prática para produção e experimentação em 2026.
FAQs sobre HY4
O que é o Tencent HY4?
HY4 é o modelo de IA principal da Tencent lançado em 4 de novembro de 2026. Ele suporta compreensão visual, uso de computador, raciocínio, programação, pesquisa e tarefas profissionais em múltiplas etapas.
O que mudou em relação à versão anterior?
O HY4 completo adiciona visão e uso de computador e amplia o pré-treinamento e pós-treinamento. A Tencent relata melhorias em compreensão de contexto longo, seguimento de instruções, finanças, trabalho de escritório, desenvolvimento e pesquisa científica.
Quais são as principais pontuações de benchmark do HY4?
A Tencent relata 74.9 no DeepSWE v1.1, 44.4 no Terminal-Bench 4.0, 75.2 no APEX-Agents v1.1, 78.9 no OSWorld 2.1 (pontuação parcial) e 78.6 no MMMU-Pro. Elas usam as condições de avaliação do apêndice do lançamento.
O HY4 tem janela de contexto de 1M tokens?
Os metadados ao vivo do OpenRouter listam 1,048,576 tokens para o HY4. Verifique os limites do endpoint que você usa, incluindo o orçamento combinado de entrada/saída e o comprimento máximo de conclusão.
O HY4 é autoaperfeiçoável?
A Tencent está desenvolvendo fluxos de trabalho de RSI com HY4 e Hyra 2.0 para melhorar ferramentas de pesquisa, infraestrutura e variantes de modelos. Uma conversa hospedada normal não demonstra modificação autônoma dos pesos implantados do HY4.
Quanto custa o HY4 na CometAPI?
A página do modelo verificada lista $0.6672 por 1M tokens de entrada e aproximadamente $2.00 por 1M tokens de saída, com desconto exibido de 20% em relação à referência oficial. Consulte a página de preços em tempo real antes de orçar.
O HY4 é open source e pronto para download?
A Tencent diz que pesos completos do HY4 e um system card estão planejados. Pesos da prévia pública são um lançamento separado. Confirme a disponibilidade real de download do modelo completo e a licença antes de fazer self-hosting.
Posso usar o HY4 pela CometAPI agora?
Sim. A CometAPI lista hy4 como disponível. Use a documentação da API para confirmar acesso de conta, parâmetros, suporte a imagem e limites de taxa, depois execute um workload pequeno antes de escalar.
