Tencent выпустила Hy4 с пониманием изображений и расширенными возможностями для агентов

Hy4 получила возможность понимать изображения, которой не было у предыдущих флагманских моделей серии. Ей можно передать фото, скриншот интерфейса или изображение из учебника и поставить задачу с опорой на увиденное. Для работы с кодом это меняет формат запроса: вместо подробного описания расположения элементов пользователь может показать нужный участок страницы. Tencent также заявляет об улучшениях в следовании инструкциям и выполнении длинных задач по сравнению с Hy4 preview.

В тесте по переделке сайта Hy4 изучила HTML исходной страницы и сверялась со скриншотами двух сайтов: того, который требовалось изменить, и выбранного образца. После трёх-четырёх раундов обратной связи она подготовила вариант, который устроил тестировщика. В такой работе код даёт модели структуру страницы, а изображение помогает оценить пропорции и оформление, которые сложно точно задать одной текстовой инструкцией.

Другой тест проходил в Blender. По двумерному изображению пингвина Hy4 за 17 минут собрала первую версию 3D-модели с местом под экран; затем потребовалось ещё шесть раундов правок. Модель добавила отверстия для USB-C, динамика и микрофона, хотя их не просили сделать. При этом форму одного глаза она несколько раз воспроизвела неверно и исправила лишь после увеличения исходной картинки. Пример показывает, зачем при работе с визуальным референсом нужен просмотр промежуточного результата человеком.

Hy4 доступна через Tencent Cloud и OpenRouter, а также в продуктах Tencent, включая CodeBuddy и WorkBuddy. Компания сохранила цену API на уровне Hy4 preview, планирует открыть веса модели и выпустить более быстрый вариант Hy4 flash. Tencent сообщила о поддержке экосистемы со стороны сообществ vLLM и SGLang. Планы по открытию весов и выпуску flash пока остаются планами, поэтому оценивать их как уже доступные варианты развёртывания рано.

Tencent привела результаты собственных оценок Hy4 в задачах агентного программирования, поиска и работы с документами, а также сообщила об увеличении пропускной способности обучения на 20,1% после оптимизации инфраструктуры с помощью модели. Компания признаёт, что на сложных внутренних тестах Hy4 пока уступает ведущим закрытым моделям. Для пользователей полезнее разделять эти заявления и наблюдаемые сценарии: опубликованный практический тест подробно показывает как удачные правки интерфейса, так и трудности с точностью 3D-модели.