Solutions Choose your path
For individuals Build, learn, and create with simple usage-based access. For business Scale teams, billing, governance, and model workflows. More English 繁體中文 日本語 한국어 Français Deutsch Español Italiano Português Русский العربية ไทย Tiếng Việt Bahasa Indonesia Bahasa Melayu Türkçe Polski Nederlands Danish Norsk Қазақ اردو
เริ่มต้นฟรี เริ่มต้นฟรี
500+ AI Model API, All In One API.
Just In CometAPI © 2026 CometAPI · All rights reserved
Home Blog HY 4 Performance: เวอร์ชันเต็มคุ้มค่าหรือไม่? ai-model / งานวิจัย CometAPI
HY 4 Performance: เวอร์ชันเต็มคุ้มค่าหรือไม่? สำรวจการเปิดตัวเดือนพฤศจิกายน 2026 ของ Tencent HY4: ความสามารถด้านภาพ, การใช้งานคอมพิวเตอร์, RSI, เบนช์มาร์ก, ราคา และการเข้าถึง API ผ่าน CometAPI
Anna ทีมวิจัยโมเดล AI และ API สำรวจการเปิดตัวเดือนพฤศจิกายน 2026 ของ Tencent HY4: ความสามารถด้านภาพ, การใช้งานคอมพิวเตอร์, RSI, เบนช์มาร์ก, ราคา และการเข้าถึง API ผ่าน CometAPI
ใช้สรุปนี้เพื่อดูคำตอบอย่างรวดเร็ว แล้วอ่านคู่มือเพื่อดูบริบท ตัวอย่าง และรายละเอียดการใช้งาน
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)TL;DR
HY4 คือโมเดล AI แฟลกชิปตัวใหม่ของ Tencent เปิดตัวเมื่อ 4 พฤศจิกายน 2026 สำหรับการให้เหตุผลแบบมัลติโหมด การเขียนโค้ด การใช้งานคอมพิวเตอร์ งานวิจัย และเวิร์กโฟลว์ระดับมืออาชีพ มันเพิ่มความสามารถด้านการมองเห็นและการโต้ตอบกับ GUI ให้กับตระกูลโมเดล Hy และยกระดับการดำเนินงานต่อเนื่องข้ามเอกสาร ซอฟต์แวร์ และเครื่องมือทางธุรกิจ Tencent รายงานคะแนน 74.9 บน DeepSWE v1.1 , 75.2 บน APEX-Agents v1.1 , และ 78.9 บน OSWorld 2.1 (full, partial score) ภายใต้เงื่อนไขการประเมินที่เผยแพร่
ประเด็นสำคัญ
การเติบโตในโลกจริงเมื่อเทียบกับรุ่นพรีวิว: +21 คะแนนบน APEX-Agents, การยกระดับอย่างมากบน Terminal-Bench 4.0, AutomationBench, คะแนนผู้เชี่ยวชาญด้านการเงิน และเมตริกระดับผลิตภัณฑ์
การจัดอันดับอิสระ: #4 open-weight บน Vals Index (59.35%), #2 open-weight บน Terminal-Bench 4.0 ในรายงานบางฉบับ แข่งขันได้ใน Finance/Tax Agent
เรียนรู้ต่อ
เชื่อมโยงบทความนี้กับการตัดสินใจถัดไป ดูทุกหัวข้อ ตรวจสอบความชัดเจน การอ้างอิงแหล่งที่มา และคำศัพท์ API ปัจจุบันแล้ว
เพิ่มวิสัยทัศน์ + การใช้งานคอมพิวเตอร์เป็นครั้งแรก พร้อมการฝึกเฉพาะทางบนซอฟต์แวร์มืออาชีพ (Blender, CAD ฯลฯ)
ราคาแข่งขันได้มากเช่นเดิมที่ประมาณ ~$0.83/$2.50; CometAPI มักมีส่วนลดเพิ่มเติม (~20%)
สัญญาณ RSI: Hy4 + Hyra 2.0 ถูกใช้แล้วในการปรับปรุงสายการฝึกภายในและร่วมพัฒนาโมเดลเปิด (HyCell, HyPDE)
คุ้มค่าสำหรับ: เอเจนต์ระยะยาว เวิร์กโฟลว์การเงิน/สำนักงาน ผลิตภาพแบบมัลติโหมด และทีมที่อ่อนไหวต่อค่าใช้จ่ายซึ่งต้องการประสิทธิภาพจากโมเดล open ที่แข็งแกร่ง
ไม่ใช่ผู้นำสูงสุดในทุกลีดเดอร์บอร์ด STEM ที่ยากหรือการเขียนโค้ดล้วน — ยังต่ำกว่ารุ่นปิดระดับบนสุดอย่างชัดเจนในบางด้าน
HY4 คืออะไร และเหตุใดจึงสำคัญ? HY4 ซึ่งสะกดว่า Hy4 โดย Tencent เป็นโมเดล AI อเนกประสงค์ที่ออกแบบมาเพื่อทำงานซับซ้อนหลายขั้นตอน ประกาศของ Tencent เมื่อ 4 พฤศจิกายน จัดวางตำแหน่งไว้รอบการผสมผสานของการให้เหตุผล ความเข้าใจเชิงภาพ เครื่องมือ และการดำเนินงานต่อเนื่อง
การผสมผสานนี้สำคัญเพราะงานมืออาชีพมักไม่ใช่คำถามโดดเดี่ยว นักพัฒนาอาจต้องการเอเจนต์เพื่อตรวจดู repository, ลงมือทำฟีเจอร์, รันเทสต์ และปรับ UI นักวิเคราะห์อาจต้องการให้ปรับกระทบแบบฟอร์ม สเปรดชีต ชาร์ต และบันทึกวิจัย ผู้ช่วยในที่ทำงานอาจต้องเชื่อมต่อข้อความ เอกสาร ปฏิทิน และบันทึกการประชุม
การเปิดตัว HY4 มุ่งเน้นเวิร์กโฟลว์เหล่านี้ Tencent ระบุว่าได้เพิ่มทั้ง pre-training และ post-training อย่างมากเมื่อเทียบกับเวอร์ชันก่อนหน้า โดยได้ประโยชน์ในด้านการทำตามคำสั่ง การเข้าใจบริบทยาว การวิจัยเชิงลึก และงานระยะยาว
สถาปัตยกรรมแกนหลัก (สืบทอดและขยายจากพรีวิว)
Sparse Mixture-of-Experts: จำนวนพารามิเตอร์รวมใหญ่ โดยเปิดใช้งานเพียงประมาณ ~49B ต่อโทเคน
หน้าต่างบริบท 1M โทเคน สำหรับงานระดับ repository และหลายเอกสาร
Gated DeepSeek Sparse Attention + IndexCache เพื่อการให้บริการบริบทยาวอย่างมีประสิทธิภาพ
Identity Hyper-Connections และชั้น native multi-token prediction (MTP) สำหรับ speculative decoding
เส้นทางมัลติโหมดใหม่และพื้นที่การกระทำสำหรับการใช้งานคอมพิวเตอร์ (การเข้าใจหน้าจอ + การควบคุม CLI/GUI) พร้อมการฝึกแบบเจาะจงบนเครื่องมือมืออาชีพและเวิร์กโฟลว์ข้ามแอป
สัญญาณ Recursive Self-Improvement (RSI)
ประสิทธิภาพใน Full HY4 Release เป็นอย่างไร?
วิสัยทัศน์และการใช้งานคอมพิวเตอร์ HY4 แนะนำความเข้าใจภาพ รวมถึงความเข้าใจภาพละเอียดและการตีความชาร์ตที่ซับซ้อน Tencent ยังเพิ่มการใช้งานคอมพิวเตอร์ทั้งผ่าน CLI และ GUI โดยฝึกแบบเจาะจงกับซอฟต์แวร์อย่าง Blender และ CAD การเปิดตัวของ Tencent อธิบายเวิร์กโฟลว์ที่ครอบคลุมหลายแอปพลิเคชัน
ความสามารถเหล่านี้เกี่ยวเนื่องกันแต่ต่างกัน วิสัยทัศน์ช่วยให้โมเดลตีความภาพหน้าจอหรือชาร์ต การใช้งานคอมพิวเตอร์เพิ่มลูปป้อนกลับ: ตรวจอินเทอร์เฟซ เลือกการกระทำ สังเกตผล และปรับ ต้องใช้แอปพลิเคชันรอบข้างที่จัดภาพหน้าจอและดำเนินการคำสั่ง จุดปลายการเติมข้อความเพียงอย่างเดียวไม่ใช่เอเจนต์ระบบปฏิบัติการ
วิศวกรรม Frontend และการพัฒนาเกม Tencent เน้นการโต้ตอบ UI ที่แข็งแกร่งขึ้น ตรรกะธุรกิจ การจัดการ state และการบูรณาการแบบ full-stack สำหรับเกม ได้ร่วมงานกับนักพัฒนาจาก Tencent Interactive Entertainment Group ในการทำฟีเจอร์ ตรรกะการเล่น การติดตาม state และสายพานลำเลียง asset
รายงานการปรับปรุง 19.1% บน GameDev และ 9.8% บน GameLogic เมื่อเทียบกับเวอร์ชันก่อน และอธิบายการปรับให้เข้ากับ Unreal Engine, Unity และ Godot เหล่านี้เป็นการปรับปรุงที่ Tencent รายงานบนการประเมินที่ตั้งชื่อไว้ ไม่ได้ยืนยันว่าทุกทีมจะลดเวลาในการพัฒนาในระดับเท่ากัน
สำหรับนักพัฒนา การทดสอบที่เกี่ยวข้องคือเอเจนต์สามารถส่งมอบฟีเจอร์ที่ทำงานได้ด้วยการแก้น้อยลงหรือไม่: การเรนเดอร์ถูกต้อง การโต้ตอบถูกต้อง รักษา state โค้ดรันได้ และเทสต์ผ่าน
การเงิน งานสำนักงาน และผู้ช่วยส่วนตัว Tencent สร้าง workspace ด้านการเงินหลายพันชุดและงานหลายหมื่นครอบคลุมงานวิจัยการลงทุน กลยุทธ์เชิงปริมาณ การจัดสรร การเงินองค์กร และภาษี การประเมินของบริษัทเกี่ยวข้องกับ ผู้เชี่ยวชาญการเงิน 213 คน รวมถึง ผู้เชี่ยวชาญ 153 คนจากสถาบันการเงินชั้นนำ ครอบคลุม 579 งาน ; มากกว่า 70% ของผู้เชี่ยวชาญมีประสบการณ์เกินห้าปี
HY4 ได้คะแนน 3.04 เมื่อเทียบกับ 2.97 สำหรับ DeepSeek-V4.1-Flash-1017 และ 2.68 สำหรับ Kimi K3.1 Pro และ GLM-5.3 ผลลัพธ์เหล่านี้มาจากการประเมินของ Tencent เอง ไม่ใช่การทำซ้ำอิสระ
Tencent ยังอธิบายการร่วมแก้ไขไฟล์ Word, Excel และ PowerPoint แบบเรียลไทม์ ผ่าน WorkBuddy และ WeCom HY4 สามารถใช้บริบทในที่ทำงานที่เชื่อมต่อเพื่อเตรียมสรุป ติดตามการเปลี่ยนแปลงโปรเจ็กต์ ระบุรายการดำเนินการ และแจ้งเตือนกำหนดเวลา การเชื่อมต่อเหล่านี้เป็นส่วนของสภาพแวดล้อมผลิตภัณฑ์ ไม่ได้รวมโดยอัตโนมัติในทุกการเรียก API ของ HY4
เกณฑ์มาตรฐานประสิทธิภาพ HY4: ข้อมูลบอกอะไร? การเปรียบเทียบต่อไปนี้ใช้ ภาคผนวกเกณฑ์มาตรฐานของการเปิดตัว HY4 ฉบับเต็ม ทุกรายการเผยแพร่โดย Tencent ; เมื่อคู่แข่งมีสองคะแนน ตารางใช้การทดสอบซ้ำของ Tencent เอง ซึ่งทำเครื่องหมายด้วยดอกจันในต้นฉบับ ไม่ผสมผลลัพธ์ที่ดีที่สุดจากหลายการรัน
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
การประเมินอิสระ (ต้นพฤศจิกายน 2026)
Vals Index: 59.35% (#13 โดยรวม, #4 open-weight รองจาก Kimi K3.1 Pro, DeepSeek V4.1 Flash, GLM-5.3) ดีขึ้นจากพรีวิวของ Hy4 ราว ~53% แข็งแกร่งบน Terminal-Bench 4.0 (#2 open-weight ในบางรายงาน), Finance Agent, Tax Agent
Artificial Analysis Intelligence Index: ~34.6–35 (ระดับกลางที่มั่นคง อธิบายเยอะ ช้ากว่าค่าเฉลี่ยต่อภารกิจ)
Plotly Data Analytics Bench: 42/43 (98%) เป็นหนึ่งในโมเดลราคาถูกที่สุดที่ไปถึงระดับความแม่นยำนั้น
ข้อมูลชุมชน Agent Arena: ประสิทธิภาพระยะยาวของผู้ใช้จริงแข็งแกร่ง Hy4 กลายเป็นโมเดลภาษาจีนอันดับ #1 อย่างรวดเร็ว และอยู่บน Pareto frontier ที่มีต้นทุนต่อภารกิจแข่งขันได้
จุดที่ HY4 ดูแข็งแกร่ง คะแนน 75.2 บน APEX-Agents v1.1 เป็นรายการสูงสุดในตารางที่แสดง 74.9 บน DeepSWE v1.1 ก็แข่งขันได้เมื่อเทียบกับโมเดลอื่นในการทดสอบซ้ำของ Tencent สำหรับเวิร์กโฟลว์ทางวิทยาศาสตร์ 53.6 บน TenureTrail นำหน้าคู่แข่ง open-model ที่แสดง แม้โมเดล proprietary สองรุ่นจะได้คะแนนสูงกว่า
ข้อค้นพบเหล่านี้สนับสนุนการทดสอบ HY4 สำหรับเอเจนต์ธุรกิจ งาน repository และงานวิจัย แต่ไม่ได้สนับสนุนข้ออ้าง “โมเดล AI ที่ดีที่สุด” แบบครอบจักรวาล
จุดที่คู่แข่งยังนำอยู่ คะแนน 44.4 บน Terminal-Bench 4.0 ของ HY4 ตามหลังผลลัพธ์ของ Kimi และ Claude ที่แสดง 78.6 บน MMMU-Pro ก็ตามหลัง Kimi, GPT และ Claude เช่นกัน การใช้งานคอมพิวเตอร์แข่งขันได้ โดยมี 78.9 บน OSWorld 2.1 แต่เมตริกระบุชัดเจนว่าเป็น คะแนนบางส่วน ไม่ได้อ้างว่าระดับความสำเร็จ 78.9% บนงานเดสก์ท็อปใดๆ
Tencent ยอมรับว่ายังมีช่องว่างกับระบบ proprietary ชั้นนำในด้านคณิตศาสตร์วิจัย งานโค้ดระยะยาว การปรับปรุงโมเดลด้วยตนเอง และการตอบคำถามเชิงภาพขั้นสูง
เหตุใดการตั้งค่าการประเมินจึงสำคัญ การตั้งค่า Terminal-Bench 4.0 ของ Tencent อนุญาตสูงสุด 500 เทิร์น และ timeout 13 ชั่วโมง พร้อม 16 CPU และ RAM 32 GB; งานที่พึ่ง GPU จะได้รับ H100 เพิ่มเติม การตั้งค่า APEX-Agents อนุญาตสูงสุด 250 ขั้นตอน นี่เป็นงบประมาณเอเจนต์ที่มาก
โมเดลที่ประเมินในสภาพแวดล้อมดังกล่าวอาจมีพฤติกรรมต่างจากเว็บแอปที่ timeout 30 วินาที เปรียบเทียบความสำเร็จของงานควบคู่กับเวลาแฝงรวม ค่าใช้เครื่องมือ การใช้โทเคน และการแก้ไขโดยมนุษย์ เก็บเวอร์ชันเกณฑ์ให้ชัดเจน: คะแนน Terminal-Bench 4.0 ไม่ควรถูกอ่านแทนที่กันกับผลลัพธ์ของเวอร์ชันเก่า
HY4 ทำงานอย่างไร: บริบท การให้เหตุผล และการดำเนินการของเอเจนต์
บริบทยาวช่วยเชื่อมข้อมูลที่กระจาย HY4 มีหน้าต่างบริบท 1,048,576 โทเคน รับอินพุตทั้งข้อความและภาพ และให้เอาต์พุตเป็นข้อความ ระบุการเติมข้อความสูงสุด 65,536 โทเคน สำหรับการตั้งค่าสูงสุดของผู้ให้บริการ จุดจำกัดเหล่านี้เฉพาะเอ็นด์พอยต์; ตรวจสอบขีดจำกัดปัจจุบันของ CometAPI ก่อนออกแบบ
บริบทยาวช่วยเอเจนต์เชื่อมข้อมูลข้ามไฟล์และร่องรอยเครื่องมือ แต่มิได้การันตีการจำที่สมบูรณ์แบบ คณิตที่แม่นยำ หรือการเลือกแหล่งข้อมูลถูกต้อง แอปที่ออกแบบดีจะยังได้ประโยชน์จากการเรียกค้น ตัวระบุเอกสาร ผลลัพธ์เครื่องมือที่กระชับ และการอ้างอิงที่ชัดเจน
การให้เหตุผลและการใช้เครื่องมือก่อเป็นลูปป้อนกลับ เวิร์กโฟลว์ HY4 ทั่วไปผสานการวางแผนกับหลักฐานภายนอก: อ่านภารกิจ ขอข้อมูล ตรวจผลเครื่องมือ รันการคำนวณหรือเทสต์ และแก้ไขเอาต์พุต การให้เหตุผลช่วยเลือกขั้นตอนถัดไป ขณะที่สภาพแวดล้อมการดำเนินการจัดหาข้อเท็จจริงปัจจุบันและการตรวจสอบ
ตัวอย่างเช่น ผู้ช่วยการเงินสามารถดึงรายการเดินบัญชี สร้างเวิร์กบุ๊กประเมินมูลค่า ตรวจสูตร และสร้างรายงาน แต่ละขั้นควรรักษาการอ้างอิงแหล่งที่มาและแยกค่าที่รายงานออกจากสมมติฐาน ผู้ช่วยการเขียนโค้ดสามารถตรวจไฟล์ แก้โค้ด รันเทสต์ และใช้ความล้มเหลวเพื่อชี้นำการแก้ครั้งถัดไป
รายละเอียดสถาปัตยกรรมต้องระวังเวอร์ชัน คำอ้างที่แพร่หลาย 770B total parameters และ 49B active parameters อธิบายแกน MoE ที่เผยแพร่ของ HY4 พรีวิว การ์ดโมเดลยังบันทึก sparse attention, IndexCache, identity Hyper-Connections และ multi-token prediction
ประกาศเต็มของ Tencent ระบุว่าจะมีรายละเอียดเทคนิคเพิ่มเติมพร้อมน้ำหนักและ system card จนกว่าจะมาถึง อย่านำจำนวนเลเยอร์ การกำหนดค่า expert และคำสั่งปรับใช้ของพรีวิวไปแสดงเป็นสเปคยืนยันของ HY4 ฉบับเต็ม ข้อเท็จจริงที่ยืนยันแล้วคือความสามารถใหม่ การเข้าถึงแบบโฮสต์ และผลการประเมินที่เผยแพร่
HY4 และ RSI: ความหมายที่แท้จริงของ Recursive Self-Improvement
จากการแก้ปัญหาสู่การปรับปรุงเครื่องมือ RSI ย่อมาจาก recursive self-improvement ในประกาศ Hyra 2.0 เมื่อ 2 พฤศจิกายน ของ Tencent แนวคิดคือการปรับปรุงเครื่องมือวิจัยที่ใช้ซ้ำ สายการฝึก และโมเดล เครื่องมือที่แข็งแกร่งขึ้นช่วยพัฒนาโมเดลที่แข็งแกร่งขึ้น ซึ่งสนับสนุนรอบต่อไปของการพัฒนาเครื่องมือ
การเปิดตัว HY4 ฉบับเต็มให้ตัวอย่างที่เป็นรูปธรรม: เมื่อจับคู่กับ Hyra 2.0 HY4 ปรับโครงสร้างพื้นฐาน pre-training ภายในสำหรับโมเดลขนาดเล็กที่มีสถาปัตยกรรมเดียวกัน และฝึกเวอร์ชันที่เกิน baseline Jev ในหลายเกณฑ์ Tencent ยังประกาศ HyCell และ HyPDE โมเดลฐานสำหรับการแทนค่าเซลล์เดี่ยวและการสร้างแบบจำลองสนามฟิสิกส์ที่ร่วมพัฒนากับระบบ ที่มา
Hyra 2.0 จัดงานวิจัยอย่างไร Hyra ใช้สามระดับ: Overall , Mission , และ Worker Overall ประสานเป้าหมายมนุษย์ ลำดับความสำคัญ และทรัพยากร Mission กำกับความพยายามวิจัยที่ยาวกว่า Worker ตรวจโค้ด รันการทดลอง วิเคราะห์ความล้มเหลว และท้าทายสมมติฐาน
คิวงานถาวร จัดการการพึ่งพาและข้อจำกัดทรัพยากร กระดานวิจัยบันทึกหลักฐานและการตัดสินใจ Review Workers ตรวจผลลัพธ์โดยอิสระ ขณะที่ความรู้ร่วมแยกการสังเกตจากสิ่งที่ทำซ้ำได้และธรรมเนียมทีม Tencent ระบุว่าการใช้คอมพิวต์จำนวนมากและการเปลี่ยนแปลงความรู้ร่วมต้องได้รับการอนุมัติที่เหมาะสมจากมนุษย์
สิ่งที่ RSI แสดง—และไม่ได้แสดง นี่เป็นหลักฐานของเวิร์กโฟลว์วิจัย AI ที่มีโครงสร้าง ไม่ได้ยืนยันการเติบโตของสติปัญญาอย่างไม่จำกัด หรือแสดงว่าบทสนทนา HY4 แบบโฮสต์เปลี่ยนน้ำหนักโมเดลพื้นฐานของเอ็นด์พอยต์ การปรับปรุงพรอมต์ หน่วยความจำถาวร เครื่องมือซอฟต์แวร์ใหม่ และโมเดลที่ฝึกใหม่ เป็นรูปแบบของการปรับปรุงที่ต่างกัน
สำหรับนักพัฒนา รูปแบบที่ใช้งานได้คือการวนซ้ำที่วัดผลได้: เก็บความล้มเหลว ปรับปรุงเครื่องมือ ประเมินตัวเลือกบนงานที่กันไว้ และโปรโมตการเปลี่ยนแปลงเมื่อหลักฐานรองรับ HY4 ได้ 35.2 บน PostTrainBench v1.2 และ 28.1 บน Tencent’s internal Foundation Model Bench
ความน่าเชื่อถือ: HY4 ลดการหลอนหรือไม่? Tencent รายงานว่าการปรับปรุงการค้นหาและการตรวจสอบแบบเจาะจง ลดอัตรา hallucination ภายในจาก 15.76% เหลือ 5.45% นั่นคือ ลดลง 10.31 จุดเปอร์เซ็นต์ หรือประมาณ ลดเชิงสัมพัทธ์ 65.4% คำนวณจากตัวเลขของ Tencent ข้อผิดพลาดเชิงคาดการณ์ลดจาก 23.1% เหลือ 5.6% ที่มา
ผลลัพธ์เหล่านี้เกี่ยวข้องกับการประเมินด้านการเงินและสำนักงานของ Tencent ไม่ควรถูกเหมารวมว่า HY4 หลอนเพียง 5.45% ในทุกคำถาม
มีข้อสนับสนุนจากผลิตภัณฑ์: RabyteTech รายงาน 61.63 บนงานวิจัยการลงทุน 101 งาน เพิ่มขึ้น 12.03 คะแนนเหนือเวอร์ชันก่อน Manus รายงานอัตราสำเร็จเกือบ 97% บนงานภายในสำหรับการสร้างและแก้ไขเอกสาร เหล่านี้เป็นคำรับรองคู่ค้าที่ยกมาจากประกาศของ Tencent มีชุดงานและนิยามต่างกัน จึงเป็นบริบทที่เป็นประโยชน์มากกว่าคะแนนเกณฑ์ที่เปรียบเทียบกันได้โดยตรง
การเปรียบเทียบราคาปัจจุบัน สแน็ปช็อตต่อไปนี้ตรวจเมื่อ 4 พฤศจิกายน 2026 อัตราทั้งหมดเป็น USD ต่อ หนึ่งล้านโทเคน
อ้างอิงหน้าปล่อยของ Tencent $0.834 $2.501 $0.042 รายการ CometAPI hy4 $0.6672 ประมาณ $2.00 ไม่ยืนยันบนหน้าโมเดล เมทาดาต้า API ของ OpenRouter tencent/hy4 $0.417 $1.2505 $0.021
CometAPI แสดง ส่วนลด 20% เมื่อเทียบกับราคามาตรฐานที่ระบุ อัตราเมทาดาต้าแบบสดของ OpenRouter ต่ำกว่าการอ้างอิงหน้าปล่อยของ Tencent ณ เวลาที่ตรวจ เมทาดาต้าไม่ได้ยืนยันระยะเวลาข้อเสนอ ความต่างเหล่านี้ทำให้การตรวจสอบระดับผู้ให้บริการแบบสดเป็นสิ่งสำคัญ; จากหลักฐานนี้ไม่ควรบรรยายว่า CometAPI เป็นช่องทางราคาต่ำสุด
ประมาณต้นทุนเวิร์กโหลดจริงของคุณ ที่อัตราที่ CometAPI แสดง เวิร์กโหลดที่ใช้ อินพุต 1M โทเคน และเอาต์พุต 250,000 โทเคน มีต้นทุนประมาณ:
$0.6672 + (0.25 × $2.00) = $1.1672
นี่เป็นการคำนวณโทเคนเชิงสาธิต การลองใหม่ การนับโทเคนสำหรับการให้เหตุผล การแคช บริการเครื่องมือ และเงื่อนไขเฉพาะบัญชี อาจกระทบค่าใช้จ่ายสุดท้าย เอเจนต์ที่เอาต์พุตหนักอาจใช้จ่ายเกินคาดเมื่อพวกเขาตรวจไฟล์ซ้ำหรือยืนยันงาน
เปรียบเทียบ ต้นทุนต่อภารกิจที่สำเร็จ อัตราโทเคนที่ต่ำกว่าอาจสูญเสียความได้เปรียบหากโมเดลต้องพยายามมากขึ้น เอาต์พุตยาวขึ้น หรือการซ่อมแซมโดยมนุษย์มาก
บทสรุป Hy4 มอบการยกระดับประสิทธิภาพที่มีนัยสำคัญและวัดผลได้เหนือพรีวิว ขณะยังคงไว้ซึ่งราคาที่ก้าวร้าวซึ่งทำให้รุ่นก่อนน่าสนใจ การจัดอันดับอิสระยืนยันว่ามันอยู่ในกลุ่มบนสุดของโมเดล open-weight โดยเฉพาะอย่างยิ่งในเอเจนต์ การเงิน และงานผลิตภาพจริง เมื่อรวมกับความสามารถใหม่ด้านวิสัยทัศน์และการใช้งานคอมพิวเตอร์ ปัจจุบันมันเป็นหนึ่งในตัวเลือกที่น่าสนใจที่สุดสำหรับทีมที่ใส่ใจต้นทุนและต้องการความสามารถของโมเดล open ที่แข็งแกร่ง
สำหรับวิธีที่ง่ายที่สุดและยืดหยุ่นที่สุดในการประเมินและปรับใช้มันเคียงข้างโมเดลชั้นนำอื่นๆ ให้ใช้ CometAPI คีย์เดียว ราคาแข่งขันได้ และการสลับที่ราบรื่น ทำให้เป็นตัวเลือกที่ใช้งานจริงสำหรับการผลิตและการทดลองในปี 2026
คำถามที่พบบ่อยเกี่ยวกับ HY4
HY4 ของ Tencent คืออะไร? HY4 คือโมเดล AI แฟลกชิปของ Tencent เปิดตัวเมื่อ 4 พฤศจิกายน 2026 รองรับความเข้าใจเชิงภาพ การใช้งานคอมพิวเตอร์ การให้เหตุผล การเขียนโค้ด งานวิจัย และงานมืออาชีพหลายขั้นตอน
มีอะไรเปลี่ยนจากเวอร์ชันก่อน? HY4 ฉบับเต็มเพิ่มวิสัยทัศน์และการใช้งานคอมพิวเตอร์ และขยายทั้ง pre-training และ post-training Tencent รายงานการปรับปรุงในการเข้าใจบริบทยาว การทำตามคำสั่ง การเงิน งานสำนักงาน การพัฒนา และงานวิจัยวิทยาศาสตร์
คะแนนหลักของ HY4 คืออะไร? Tencent รายงาน 74.9 บน DeepSWE v1.1 , 44.4 บน Terminal-Bench 4.0 , 75.2 บน APEX-Agents v1.1 , 78.9 บน OSWorld 2.1 partial score , และ 78.6 บน MMMU-Pro โดยใช้เงื่อนไขการประเมินในภาคผนวกของการเปิดตัว
HY4 มีหน้าต่างบริบท 1M โทเคนหรือไม่? เมทาดาต้าแบบสดของ OpenRouter ระบุ 1,048,576 โทเคน สำหรับ HY4 ตรวจสอบขีดจำกัดของเอ็นด์พอยต์ที่คุณใช้ รวมถึงงบประมาณอินพุต/เอาต์พุตรวมและความยาวการเติมสูงสุด
HY4 ปรับปรุงตัวเองได้หรือไม่? Tencent กำลังพัฒนาเวิร์กโฟลว์ RSI ด้วย HY4 และ Hyra 2.0 เพื่อปรับปรุงเครื่องมือวิจัย โครงสร้างพื้นฐาน และเวอร์ชันโมเดล บทสนทนาโฮสต์ปกติไม่ได้แสดงการแก้ไขน้ำหนักที่ปรับใช้ของ HY4 โดยอัตโนมัติ
หน้ารายการโมเดลที่ตรวจพบระบุ $0.6672 ต่อ 1M โทเคนสำหรับอินพุต และประมาณ $2.00 ต่อ 1M โทเคนสำหรับเอาต์พุต พร้อมส่วนลด 20% เมื่อเทียบกับอ้างอิงทางการ ตรวจสอบ หน้าแสดงราคาสด ก่อนตั้งงบ
HY4 เป็นโอเพ่นซอร์สและพร้อมดาวน์โหลดหรือยัง? Tencent ระบุว่าจะมีน้ำหนักเต็มและ system card เผยแพร่ ส่วนพรีวิวเป็นคนละรุ่น ยืนยันความพร้อมดาวน์โหลดจริงและไลเซนส์ก่อนโฮสต์เอง
ได้ CometAPI แสดง hy4 ว่าพร้อมใช้งาน ใช้เอกสาร API ของแพลตฟอร์มเพื่อยืนยันสิทธิ์การเข้าถึง พารามิเตอร์ การรองรับภาพ และเรตลิมิต แล้วรันเวิร์กโหลดเล็กก่อนสCALEขึ้น
