Впервые в линейке модель научили анализировать и понимать изображения, работать с компьютером через GUI и CLI.
На момент написания новости, 6 ноября, веса и System card все еще не опубликованы, но мы уже знаем, что особое внимание в документации будет уделено кибербезопасности. Hy4 уже доступна через облачный API TokenHub.
От превью к релизу
Предварительная версия Hy4 вышла 28 августа, а полноценный релиз состоялся спустя чуть более двух месяцев. За это время Tencent смогла существенно расширить возможности модели, уделив особое внимание мультимодальности, работе с инструментами и решению многоуровневых задач — все для того чтобы в будущем побороться за первенство гонке агентов.
Главная новинка модели Hy4 — способность взаимодействовать с компьютером через командную строку и графический интерфейс. Hy4 научили работать со сложными приложениями по типу Blender и CAD. Модель анализирует содержимое экрана, определяет необходимые действия и выполняет их, а также оценивает полученный результат.
Изменения затронули и качество выполнения задач. Относительно предварительной версии результат в испытании GameDev вырос на 19,1%, в GameLogic — на 9,8%, а в финансовом испытании iRaB — на 12,03 процентного пункта. Компания также сообщает о снижении доли фактических ошибок с 12,95% до 7,2%.
На данном скриншоте можно увидеть папку ChatGPT, которая, скорее всего, «совершенно случайно» оказалась на ПК.
Кибербезопасность в обучении ограничили только защитными сценариями — поиском и устранением уязвимостей. В октябре Moonshot также ограничила свою Kimi K3.1 Pro в сфере кибербезопасности. На рынке открытых моделей назревает новая тенденция по защите моделей. Быть может опыт американских партнеров перенимается и на востоке.
Что нам известно о модели сейчас
В собственных испытаниях модель получила 83,18 балла в WorkBuddy при доле успешно выполненных заданий 96,15%. Дополнительно были представлены результаты финансового испытания. Решив 579 реальных профессиональных задач в сфере финансов, Hy4 получила 3,04 балла.
Далее идет DeepSeek-V4.1-Flash-1017 с 2,97 баллами и Kimi K3.1 Pro с 2,68 баллами. GLM-5.3 занял последнее место в тестировании с результатом в 2,68 балла.
В бенчмарках от Tencent по сравнению с другими моделями Hy4 показывает неоднозначные результаты. Она убедительно смотрится в задачах взаимодействия с компьютером, например в бенче OSWorld 2.1 модель набрала 79,9 балла, приблизившись к результатам Kimi K3.1 Pro и GPT-6.1.
Но в бенчах на проверку программирования результаты мягко скажем сдержанные. В ProgramBench — 30,8 балла, в FrontierCode 2.0 — 31 балл. В Terminal Bench 4.0 показатель составил 44,4 балла. При этом в Terminal Bench Science 0.1 модель набрала лишь 18,8 балла, заметно уступив ряду конкурентов.
Способность управлять компьютером еще не означает эффективно и полноценно справляться с задачами высокого уровня.
Hy4 для self hosted — стоит ли рассматривать такой вариант
Пока окончательный вывод делать рано — веса и условия их распространения еще не опубликованы. Можно лишь сказать, что предварительная версия распространяется по модели Apache 2.0, разрешающей коммерческое использование и изменение модели. Если условия сохранятся, модель можно рассмотреть компаниям и пользователям.
Hy4 требует 770 млрд параметров, из которых активны 49 млрд. Такая конфигурация меньше по сравнению с той же Kimi, но потребует несколько серверных ускорителей и больших объемов памяти. Самостоятельное развертывание будет актуально только для тестов модели.
Перспективы Hy4
Hy4 одна из догоняющих моделей, и не стоит ждать от нее чудес. Одновременно компания готовит более экономичную версию Hy4 Flash. Tencent идет в ногу со временем, когда все крупные игроки стараются повысить качество моделей и в то же время снизить их стоимость.
