Tencent Hy4 Preview teknik özellikleri
| Özellik | Doğrulanmış bilgi |
|---|---|
| Model ID | hy4-preview |
| Sağlayıcı | Tencent Hunyuan |
| Yayın tarihi | 28 Ağustos 2026 |
| Mimari | Uzman Karışımı (MoE) |
| Toplam omurga parametreleri | 770B |
| Etkin omurga parametreleri | belirteç başına 49B |
| Katmanlar | 78 |
| Gizli boyut | 6,144 |
| Dikkat | Gated DeepSeek Sparse Attention (Gated DSA) |
| Dikkat başları | 64 |
| Yönlendirilen uzmanlar | 256 |
| Paylaşılan uzmanlar | 1 |
| Etkin yönlendirilen uzmanlar | belirteç başına 8 |
| Bağlam penceresi | 1,048,576 belirteç (1M) |
| Maksimum API girişi | 960,000 belirteç |
| Maksimum API çıktısı | 64,000 belirteç |
| Sözlük boyutu | 120,832 |
| Model türü | Instruct |
| Kuantize varyant | Hy4-preview-FP8 |
| Lisans | Apache 2.0 |
Yukarıdaki mimari rakamlar omurgayı tanımlar; Tencent’in model kartı, spekülatif kod çözme için ek bir yerel MTP katmanını açıklar. API’nin 1M bağlam penceresi, 960K maksimum girdi sınırıyla aynı değildir.
Tencent Hy4 Preview nedir?
Tencent Hy4 Preview, Tencent’in Hunyuan ekibi tarafından geliştirilen açık ağırlıklı bir büyük dil modelidir. 28 Ağustos 2026’da yayımlanan bu model, Hy4 neslinin erken bir sürümü olup gerçek dünyadaki üretkenlik çalışmalarına optimize edilmiştir: yazılım mühendisliği, ajan tabanlı görev yürütme, ofis ve finansal analiz, oyun geliştirme ve bilimsel araştırma.
Hy4 Preview, toplamda 770 milyar omurga parametresi ve belirteç başına 49 milyar etkin parametre ile bir Uzman Karışımı mimarisi kullanır. Dikkat yığını, katmanlar arası seyrek indeks yeniden kullanımı için IndexCache ile Gated DeepSeek Sparse Attention (Gated DSA) kullanır. Model, artık yolunda identity Hyper-Connections (iHC) da kullanır. Spekülatif kod çözme için yerel bir multi-token prediction (MTP) katmanı dahildir.
Tencent; model ağırlıklarını, bir FP8 kuantize varyantını ve vLLM ile SGLang için konuşlandırma yönergelerini yayımladı. Model kartında Apache 2.0 lisansı belirtilmiştir.
Tencent Hy4 Preview’ün başlıca özellikleri
- Milyon belirteçlik bağlam: 1,048,576 belirteçlik bağlam penceresi, büyük kod tabanları, uzun teknik materyal ve birden çok belgeye dağıtılmış bilgiler için tasarlanmıştır. Tencent Cloud, maksimum girdiyi 960,000 belirteç ve maksimum çıktıyı 64,000 belirteç olarak listeler.
- Uzun vadeli yazılım mühendisliği: Tencent; ön uç uygulama ve yineleme dahil, genişletilmiş geliştirme görevleri boyunca kod anlama, planlama, hata ayıklama ve doğrulamayı vurgular.
- Ajan tabanlı görev yürütme: Model, planlama ve araç kullanımı içeren karmaşık görevler için konumlandırılmıştır. Yayınlanan servis tarifleri, araç çağrısı ayrıştırma ve otomatik araç seçimi yapılandırmasını içerir.
- Ofis ve analitik iş akışları: Belgeler, hesap tabloları ve sunum oluşturma; veri analizi, denklemler ve finansal model çalışmaları.
- Bilimsel ve teknik akıl yürütme: Tencent; yapay zeka Ar-Ge’si, moleküler dinamik, yoğun madde fiziği ve temel matematik alanlarında çalışmaları rapor eder.
- Açık konuşlandırma seçenekleri: Geliştiriciler Apache-2.0 lisanslı ağırlıkları, FP8 varyantını ve Tencent’in vLLM veya SGLang konuşlandırma tariflerini kullanabilir.
Tencent Hy4 Preview’ün kıyas ölçütü performansı
Tencent, 163 kurum içi uzmanın 203 mühendislik görevindeki çıktıları değerlendirdiği kör bir iç değerlendirme bildiriyor. Hy4 Preview, GLM 5.3 için 2.92/4.00 ve Kimi K3 için 2.94/4.00 ile karşılaştırıldığında 2.99/4.00 ortalama puan aldı.
| Model | Ortalama puan | Hy4 Preview bire bir karşılaştırma sonucu |
|---|---|---|
| Tencent Hy4 Preview | 2.99/4.00 | Referans model |
| GLM 5.3 | 2.92/4.00 | %46.8 galibiyet, %12.8 beraberlik, %40.4 mağlubiyet |
| Kimi K3 | 2.94/4.00 | %51.2 galibiyet, %7.9 beraberlik, %40.9 mağlubiyet |
Bunlar, Tencent’in iç insan değerlendirmesine dayalı mühendislik değerlendirmesi sonuçlarıdır; standartlaştırılmış bir kamu kıyas lider panosu değildir. Hy4 Preview’ün her kodlama, akıl yürütme veya genel amaçlı kıyas ölçütünde önde olduğuna dair bir kanıt olarak değerlendirilmemelidir. Kullanılabilir model kartı metni, standartlaştırılmış kıyas puanlarının tam, makinece okunabilir bir tablosunu sağlamaz; bu nedenle burada hiçbir çıkarım yapılmamıştır.
Hy4 Preview, GLM 5.3 ve Kimi K3 ile nasıl karşılaştırılır
En doğrudan karşılaştırılabilir yayımlanmış kanıt, Tencent’in 203 görevlik mühendislik değerlendirmesidir. Hy4 Preview 2.99/4.00 puan alarak, GLM 5.3’ün 2.92’si ve Kimi K3’ün 2.94’ünün biraz üzerinde yer aldı. Bu karşılaştırma, Tencent’in iç mühendislik iş akışları sonuçlarını anlamak için faydalıdır; ancak bağımsız bir değerlendirme değildir ve ilişkili olmayan iş yüklerinde üstünlüğü kanıtlamaz.
Açık ağırlıklı konuşlandırma, milyon belirteçlik bağlam ve verimlilik odaklı ajan iş akışları temel gereksinimler olduğunda Hy4 Preview’ü seçin. Üretim modelini seçmeden önce GLM 5.3 ve Kimi K3’ü kendi temsil niteliğindeki görevlerinizde karşılaştırın; mimari ve bağlam özellikleri bu karşılaştırma için eşdeğer birincil kaynaklardan doğrulanmadığı için burada yeniden üretilmemiştir.
Bilinen sınırlamalar
Tencent, Hy4 Preview’ü hem ön eğitim hem de son eğitimde iyileştirme payı olan erken bir yineleme olarak tanımlar. Yayımlanan bilinen sorunlar arasında, karmaşık görevlerde gereğinden uzun süre akıl yürütmesi ve kendi çıktısını aşırı doğrulama eğilimi yer alır. Bu davranışlar gecikmeyi ve çıktı uzunluğunu artırabilir. Ekipler, üretim konuşlandırmasından önce görev başarısını, gecikmeyi, araç çağrısı doğruluğunu ve toplam belirteç kullanımını kendi kabul kriterlerine göre test etmelidir.
Temsili kullanım durumları
- Depo ölçeğinde yazılım mühendisliği: Kaynak dosyaları ve sorun geçmişini analiz etmek, çok dosyalı değişiklikleri planlamak, hata ayıklamak ve yamaları doğrulamak.
- Ajan tabanlı geliştirme iş akışları: Uygulama tarafı yetkilendirme ve doğrulama ile çok adımlı kodlama görevlerini ve araç destekli yürütmeyi koordine etmek.
- İş analizi: Belgeler genelinde bilgileri birleştirmek ve raporlar, hesap tabloları ve sunumlar oluşturmak.
- Finansal modelleme: Denklemler, veri analizi ve finansal model iş akışlarında yardımcı olmak; hesaplamaların bağımsız doğrulanmasıyla.
- Oyun prototipleme: Oyun motoru iş akışıyla oynanabilir prototipler üretmek ve yinelemeli olarak iyileştirmek.
- Bilimsel araştırma desteği: Teknik literatürü incelemek, analizler oluşturmak ve Tencent’in belirttiği moleküler dinamik ve temel matematik gibi alanlardaki çalışmaları desteklemek.