Tencent HY4 Preview es de código abierto: 770B MoE, contexto de 1M y un precio que está por debajo de la vanguardia

Tencent HY4 Preview, publicado y de código abierto el 28 de agosto de 2026, es el primer modelo insignia de peso abierto genuinamente competitivo de un laboratorio chino en meses, y su cifra más sorprendente es el precio. Tencent lo ofrece a 6 yuanes (~0,85 USD) por millón de tokens de entrada y 18 yuanes (~2,50 USD) por millón de tokens de salida —aproximadamente una décima parte de lo que un modelo frontera cerrado de primer nivel cobra por la salida—, a la vez que publica un modelo de mezcla de expertos de 770 mil millones de parámetros, de los cuales 49 mil millones están activos por token, con una ventana de contexto que supera el millón de tokens. Es el sucesor del Hy3 de la familia Hunyuan (295B en total, contexto de 256K) y cuadruplica ese contexto mientras más que duplica la capacidad activa. Los pesos se pueden descargar hoy desde Hugging Face, GitHub, ModelScope y GitCode, y el mismo modelo ya está disponible en los productos de Tencent: WorkBuddy, CodeBuddy en sus versiones nacional e internacional, el asistente Yuanbao y la aplicación de espacio de trabajo ima. Para cualquiera que haya visto cómo los modelos de peso abierto se quedaban cortos frente a la frontera en tareas de ingeniería de software, este lanzamiento es el que finalmente hace discutible la brecha —y las advertencias son tan importantes como las cifras. Diez días después, las dos advertencias con más probabilidades de afectar a los usuarios de producción ya eran el objetivo de la primera actualización de Tencent a la versión de vista previa en vivo: el 7 de septiembre implementó una optimización, ya disponible para todos, que según la compañía reduce los pasos de razonamiento del modelo y el consumo de tokens por tarea en trabajos complejos.

El posicionamiento es deliberado. Tencent presenta Tencent HY4 Preview como un modelo de productividad para cuatro ámbitos: ingeniería de software, ofimática y análisis de datos, desarrollo de juegos e investigación científica. El énfasis en la ingeniería es lo que lo distingue de la multitud de modelos generalistas: las notas de la versión destacan la comprensión de tareas de largo alcance, la planificación y la depuración, no la calidad del chat. Ese enfoque se refleja tanto en la lista de integraciones como en la tabla de benchmarks: CodeBuddy integra el modelo en su IDE, WorkBuddy lo integra en flujos de trabajo ofimáticos (Tencent lo demuestra procesando 72 documentos financieros de una sola vez), y los desarrolladores de juegos obtienen hooks de MCP para Unreal Engine 5 y Unity que convierten una sola frase en una demo jugable.

Lo que realmente se lanzó

La hoja de especificaciones merece la pena leerse línea por línea, porque cada línea cambia lo que se le permite hacer a un modelo de peso abierto.

• Arquitectura — Mixture-of-Experts con 770B de parámetros totales y 49B activos por token, una relación de dispersión de aproximadamente 16:1 que mantiene el costo de inferencia en un rango que un equipo pequeño realmente puede permitirse.

• Ventana de contexto: más de 1 millón de tokens, cuatro veces los 256K de Hy3. Las tareas de ingeniería de largo plazo — un repositorio completo en la ventana, una refactorización de múltiples archivos, un lote grande de documentos — se convierten en problemas de una sola solicitud.

• Pesos — Lanzamiento de código abierto bajo Apache 2.0 en Hugging Face, GitHub, ModelScope y GitCode. Se trata de un modelo descargable y autoalojable, no de un adelanto alojado.

• API — disponible en TokenHub de Tencent Cloud, el endpoint alojado del propio proveedor, con un precio de 6 yuanes por millón de tokens de entrada, 18 yuanes por millón de tokens de salida y 0,3 yuanes por millón de tokens para aciertos de caché.

• Integración de productos — WorkBuddy, CodeBuddy (nacional e internacional), Yuanbao e ima, lo que significa que los mismos pesos que Tencent distribuye en sus propias aplicaciones son los que puedes descargar y ejecutar.

Tencent también reporta una cifra de ingeniería de inferencia que rara vez aparece en una nota de lanzamiento: una mejora del 31,8 % en el rendimiento de extremo a extremo gracias a la fusión de operadores y la optimización de la comunicación. Lo que hace que esto sea más que una nota a pie de página en una hoja de especificaciones es que Tencent afirma que Tencent HY4 Preview encontró los cuellos de botella por sí mismo: el modelo analizó su propia pila de inferencia, y se informa que las optimizaciones son estables en distintas longitudes de contexto y niveles de concurrencia. Ese es el tipo de detalle que separa a un modelo que un laboratorio publica como artefacto de investigación de un modelo del que una empresa espera recibir tráfico de producción. En una vista previa que ha sido pública durante menos de dos semanas, también es exactamente el tipo de afirmación que nadie fuera de Tencent ha verificado todavía.

Las puntuaciones que merecen citarse

Cada benchmark que Tencent publicó para Tencent HY4 Preview es reportado por el proveedor: ejecutado en el propio entorno de evaluación de Tencent, no reproducido por ningún laboratorio independiente, y el modelo ha sido público durante menos de dos semanas. Léelos como el techo que Tencent cree haber alcanzado, no como un hecho establecido.

La cifra principal es Terminal Bench 2.1, una prueba de qué tan bien un modelo maneja una terminal real mientras programa. Tencent reporta que Tencent HY4 Preview obtiene 85.4, lo que según la compañía empata con Claude Opus 5 y supera a DeepSeek V4 Pro, y supera a su propio predecesor Hy3 por 14.6 puntos. Ese número único está haciendo mucho trabajo pesado: es la afirmación que coloca a un modelo de pesos abiertos a la par de los modelos cerrados de frontera más caros en una prueba difícil de codificación agéntica, y es la afirmación que más necesita confirmación independiente.

El resto de la tabla interna: DeepSWE, un benchmark de ingeniería de software, salta de 28.0 en Hy3 a 64.3, lo que Tencent describe como "reduciendo gradualmente la brecha" con los modelos de primer nivel. En Toolathlon-Verified, una prueba de llamada de herramientas, obtiene 74.1, lo que Tencent afirma que supera a Qwen 3.8 Max y GPT-5.6 Sol y se acerca a Kimi K3 y Claude Opus 5. En APEX-Agents pass@1 se sitúa en 37.1, muy cerca del 37.2 de Kimi K3. Y en una prueba interna ciega separada, 163 expertos puntuaron 203 tareas de ingeniería con 2.99 sobre 4.00, superando por poco el 2.92 de GLM-5.3 y el 2.94 de Kimi K3.

Dos patrones destacan. Primero, cada cifra sólida corresponde a trabajo de ingeniería agéntica — manejo de terminal, llamada a herramientas, tareas a escala de repositorio — y ninguna a conocimiento genérico o razonamiento, lo cual es consistente con el posicionamiento de productividad, no una coincidencia. Segundo, Tencent tiene cuidado al describir DeepSWE y los demás como reduciendo, no cerrando, brechas. La única afirmación de paridad limpia y comercializable es el empate en Terminal Bench 2.1, y es la afirmación que más vale la pena probar con tu propia carga de trabajo.

Lo que realmente incluye el precio

En cuanto al precio, el lanzamiento deja de ser interesante y empieza a ser disruptivo. Al precio de lista de Tencent, un millón de tokens de entrada cuesta aproximadamente lo que una única llamada API de gama media en algunas plataformas. La cifra de 18 yuanes por millón de tokens de salida (~US$2,50) queda muy por debajo del precio de salida de 25 dólares por millón de un modelo frontera cerrado de primer nivel, y la tasa de acierto de caché de 0,3 yuanes hace que los bucles agénticos largos — en los que el mismo prompt del sistema y los prefijos de conversación se reenvían constantemente — sean inusualmente baratos de ejecutar. La actualización del 7 de septiembre cambia el lado efectivo de esas cuentas: como Tencent factura por token, reducir el número de turnos de razonamiento y los tokens de entrada y salida que consume cada tarea reduce el coste de una tarea completada aunque el precio de lista por token no se haya movido. Los propios benchmarks y comprobaciones human-eval de Tencent son la evidencia de la magnitud de ese ahorro, así que trátalo como información declarada por el proveedor hasta que se mida de forma independiente.

Este es también el único lugar donde la capa de enrutamiento cambia el cálculo. OrcaRouter todavía no enruta Tencent HY4 Preview, así que las formas prácticas de invocarlo hoy son el endpoint TokenHub propio de Tencent Cloud, los productos de Tencent que integran el modelo y los despliegues autoalojados de los pesos abiertos — y, como esos pesos son Apache 2.0, las plataformas de terceros pueden levantar sus propias copias en cualquier momento, algo que conviene recordar al comparar precios entre proveedores. No pretendemos servir lo que no servimos. Pero la disciplina que hace que una bajada de precios importe es la misma en la que se sustenta el resto del catálogo: OrcaRouter transmite los precios de lista de los proveedores con cero margen, así que cuando un proveedor como Tencent fija el precio de un token en 6 yuanes, la cifra que pagas en nuestro lado es 6 yuanes, no una versión del token revendida y con un margen adicional; y el día en que un proveedor cambia un precio, el cambio está activo en nuestro lado ese mismo día. Una API para más de 200 modelos, conmutación automática por error entre proveedores cuando uno falla, y un DSL de enrutamiento para componer modelos: ese es el mecanismo que llevará Tencent HY4 Preview en el momento en que se pueda enrutar, junto con los demás modelos abiertos y cerrados que ya están en el catálogo.

Las partes que no caben en una ficha técnica

Dos afirmaciones en el material de lanzamiento merecen atención por separado porque tratan sobre cómo se construyó el modelo, no sobre qué puntuó.

El primero es el bucle de auto-mejora. Tencent afirma que Tencent HY4 Preview participó en su propia investigación y desarrollo: se utilizó para optimizar los métodos de entrenamiento, la estrategia de datos, los sistemas de evaluación y los operadores subyacentes que lo produjeron. La ganancia de rendimiento del 31,8 % es el resultado público más concreto de ese bucle: Tencent lo atribuye a los cuellos de botella que el modelo identificó en su propia pila de servicio. Ese es un ciclo inicial de auto-mejora recursiva: un modelo que ayuda a diseñar la siguiente versión de sí mismo. No es inusual que un laboratorio fronterizo informe partes de esto, pero un modelo chino de pesos abiertos que describa públicamente el bucle como una capacidad ya implementada es un cambio de nivel en cómo estas versiones hablan de sí mismas.

El segundo es el resultado de matemáticas. Tencent informa de que el modelo mejoró el límite inferior de volumen conocido del problema de Blaschke–Lebesgue — una cuestión abierta de larga data en geometría convexa sobre el cuerpo de ancho constante de volumen mínimo — de 0.380799 a 0.41104, lo que lo sitúa a aproximadamente un 2 % del límite de la conjetura del tetraedro de Meissner. Tencent también informa de una aceleración de 2.0x en una simulación de bicapa de fosfolípidos de 32,512 átomos, reduciéndola a 54.9 milisegundos por paso, en la categoría de investigación científica. Estos son el tipo de resultados que normalmente le valen a un modelo su propio artículo; aquí son viñetas de lanzamiento y, como el resto del material de lanzamiento, son el propio relato de Tencent.

¿Qué falta, honestamente?

Tencent enumera las limitaciones conocidas con claridad, y estas importan para cualquiera que decida qué construir sobre este modelo. No hay entrada visual ni multimodal: Tencent HY4 Preview es un modelo de texto, sin más, por lo que cualquier cosa relacionada con imágenes o vídeo pertenece a otro modelo. Los otros dos comportamientos que Tencent señaló en el lanzamiento — el inicio lento del razonamiento prolongado en tareas complejas y la tendencia a sobreautoverificarse, quemando tokens al revisar trabajo que ya había hecho — eran los que con más probabilidad aparecerían en producción, y son exactamente los que abordó la actualización del 7 de septiembre. Tencent Hunyuan y el equipo de WorkBuddy afirmaron que la versión de vista previa en vivo se había optimizado y desplegado por completo, con menos turnos de razonamiento y un menor consumo de tokens de entrada y salida en tareas complejas con la misma calidad de tarea, verificado mediante un doble pase de métricas de referencia y evaluación humana. Esa es la versión del proveedor — «Tú lo señalaste», abre el anuncio — y nadie fuera de Tencent ha reproducido la medición todavía. También se aplica a la versión que Tencent sirve: la instantánea de pesos abiertos en Hugging Face no ha cambiado desde el 28 de agosto, por lo que una copia autohospedada de los pesos aún muestra el comportamiento original de razonamiento más largo hasta que Tencent actualice el lanzamiento.

Y la ausencia más importante es la verificación independiente de esas nuevas afirmaciones. Todavía no hay ejecuciones de laboratorio de terceros en Tencent HY4 Preview ni entrada en el Artificial Analysis Intelligence Index, por lo que la tabla de puntos de referencia de lanzamiento y el tamaño del ahorro de tokens del 7 de septiembre se basan en las evaluaciones propias de Tencent. La única señal pública de terceros del modelo hasta ahora proviene de votación popular en lugar de medición de laboratorio: los materiales de lanzamiento de Tencent citan un debut en torno al quinto puesto general, y tercero entre los modelos de peso abierto, en la WebDev Arena de LMArena, una tabla de clasificación de preferencias humanas que clasifica la calidad de salida en lugar de la eficiencia de tokens. La prueba ciega de expertos internos es una señal útil sobre cómo los propios revisores de Tencent ven el modelo frente a GLM-5.3 y Kimi K3, pero son los revisores de Tencent en las tareas de Tencent. Todo lo que está más allá de la hoja de especificaciones es una afirmación que espera una comprobación.

¿Quién debería levantar las pesas hoy?

La respuesta honesta es que esta versión se divide claramente en dos audiencias, y la actualización del 7 de septiembre reduce la brecha en la objeción más importante. Si ejecutas cargas de trabajo de ingeniería en tu propia infraestructura y la economía de las API cerradas es lo que te ha estado frenando, Tencent HY4 Preview merece una prueba seria de fin de semana: los pesos están abiertos, la ventana de contexto es a escala de repositorio, y el precio de lista hace que un bucle agéntico largo sea asequible de una manera que un modelo de $25 por millón de tokens de salida nunca logrará. Si usas la versión alojada — a través de WorkBuddy, Yuanbao o la API de TokenHub — también obtienes la optimización del 7 de septiembre de Tencent de menos turnos de razonamiento y menor consumo de tokens por tarea, según Tencent. Si autoalojas la instantánea actual de pesos abiertos, espera el comportamiento original de razonamiento más largo hasta que Tencent publique una versión actualizada. Y si ejecutas chat de producción sensible a la latencia, o cualquier cosa multimodal, o cualquier cosa donde no puedas permitirte un modelo cuyas afirmaciones de eficiencia se basen únicamente en los propios puntos de referencia y evaluaciones humanas del proveedor, la lectura cautelosa sigue aplicándose: la optimización es real según Tencent, pero no ha sido medida de forma independiente.

El camino intermedio práctico es un patrón de enrutamiento: ejecuta el modelo probado en tu ruta crítica y el nuevo a su lado, intercambiando Tencent HY4 Preview en las tareas donde gana su perfil de costos y revirtiendo automáticamente cuando no. Ese es el patrón para el que existe un enrutador: el mismo OrcaRouter que lleva Claude Opus 5, DeepSeek V4 Pro y Gemini 3.1 Pro a los precios de lista de sus proveedores es donde llamarías a Tencent HY4 Preview en cuanto llegue al catálogo. Hasta entonces, los pesos están en GitHub, la versión alojada y optimizada está en Tencent Cloud, y la afirmación de que un modelo de pesos abiertos alcanzó el nivel superior de codificación agéntica por fin tiene un número específico adjunto. El número es de Tencent. La prueba es tuya.