AI Radar
Tencent выпустила предварительную версию флагманской модели Hy4 с открытыми весами: смесь экспертов на 770 млрд параметров поддерживает контекст до миллиона токенов. Модель ориентирована на продолжительные задачи программирования, работу с инструментами, документами и исследовательские сценарии.
При внушительном общем размере Hy4-preview задействует для обработки каждого токена около 49 млрд параметров — это архитектура Mixture of Experts, где активируется лишь часть специализированных блоков. По сравнению с Hy3 выросли и полный размер модели — с 295 до 770 млрд параметров, и число активных параметров — с 21 до 49 млрд, а заявленное контекстное окно расширилось с 256 тысяч до одного миллиона токенов. Для длинного контекста Tencent использовала Gated DeepSeek Sparse Attention и IndexCache: разреженное внимание сокращает объём вычислений, а индексы релевантных фрагментов можно повторно использовать между слоями.
Главная ставка сделана не на короткие ответы, а на длительную агентную работу. В тестах внутри WorkBuddy модель сначала проверяла окружение и составляла план, затем писала код, запускала проверки и самостоятельно исправляла найденные ошибки. В одном из опытов Hy4-preview около часа собирала многофайловую 3D-игру с открытым миром: реализовала смену погоды и времени суток, звук, сбор ресурсов, питание и строительство, а результат проверяла через визуальные инструменты и управление персонажем. Получился проект размером примерно 10 МБ с работающими базовыми механиками — показательный, хотя и не стандартизированный тест, проведённый в инфраструктуре Tencent.
Похожий подход проявился в офисных заданиях. При подборе оборудования для трёх переговорных модель не стала сразу сравнивать найденные цены, а уточнила состав бюджета, используемую платформу видеосвязи и предпочтительный формат подключения. В задании по подготовке презентации из финансового отчёта она проверяла цифры через суммы сегментов, сравнение с базовыми значениями и бухгалтерские равенства; так модель обнаружила, что в черновике использовала неверный знаменатель для расчёта маржи, и исправила результат до выдачи файла. Отдельный демонстрационный сценарий включал проверку счетов по 72 документам и поиск действующих требований в трёх наборах правил.
Tencent также показывает Hy4-preview как исследовательского агента. В эксперименте по оптимизации инфраструктуры модель анализировала узкие места системы инференса и последовательно меняла слияние операторов и коммуникации, добившись заявленного роста сквозной пропускной способности на 31,8% относительно исходной конфигурации. В другом сценарии Hy4 координировала несколько сессий Codex, оценивала результаты и меняла направление поиска; по данным компании, такая схема превзошла одиночную сессию Codex на восьми проверках. Эти результаты пока следует воспринимать как данные Tencent, а не как полностью независимое сравнение в одинаковой среде.
Весовые файлы опубликованы под Apache 2.0 и доступны через Hugging Face, GitHub и ModelScope. Облачный доступ появился в Tencent Cloud TokenHub и OpenRouter, а пользовательские интерфейсы — в WorkBuddy/CodeBuddy, Yuanbao и ima. API стоит 6 юаней за миллион входных и 18 юаней за миллион выходных токенов; попадание входа в кеш тарифицируется по 0,3 юаня за миллион токенов. Открытые веса не делают локальное развёртывание лёгким: модель на 770 млрд параметров требует серьёзной многопроцессорной инфраструктуры, даже несмотря на активацию лишь 49 млрд параметров на токен.
Hy4-preview даёт разработчикам открыто лицензированную модель для длинных агентных задач, в которых нужно удерживать большой объём кода и документов, вызывать инструменты и исправлять ошибки по ходу работы. Однако полный локальный запуск останется задачей для крупной инфраструктуры, поэтому для большинства команд практичнее будут API или управляемые сервисы. Миллионное окно также не гарантирует безошибочного использования всей истории — качество поиска нужных фрагментов и управления состоянием всё равно нужно проверять на собственных задачах.
DSML editors review the selection. AI helps deduplicate signals and draft the text; the published edition remains an editorial product, not a feed of individual channels.
