טנסנט HY4 Preview הוא קוד פתוח: 770B MoE, 1M Context, ומחיר שנמוך מהמודלים המובילים

Tencent HY4 Preview, ששוחרר כקוד פתוח ב-28 באוגוסט 2026, הוא דגם הדגל הראשון בעל המשקלים הפתוחים שבאמת תחרותי שיצא ממעבדה סינית מזה חודשים, והמספר המפתיע ביותר בו הוא המחיר. Tencent קובעת את מחירו על 6 יואן (כ-0.85 דולר) למיליון טוקני קלט ו-18 יואן (כ-2.50 דולר) למיליון טוקני פלט — בערך עשירית ממה שמודל חזיתי סגור מהשורה הראשונה גובה עבור פלט — תוך פרסום מודל תערובת מומחים עם 770 מיליארד פרמטרים, מתוכם 49 מיליארד פעילים לכל טוקן, ועם חלון הקשר שעולה על מיליון טוקנים. זהו היורש של Hy3 ממשפחת Hunyuan (295B סך הכול, 256K הקשר), והוא מכפיל את ההקשר פי ארבעה תוך יותר מהכפלת הקיבולת הפעילה. המשקלים זמינים להורדה היום מ-Hugging Face, GitHub, ModelScope ו-GitCode, והמודל עצמו כבר פעיל במוצרים של Tencent: WorkBuddy, CodeBuddy בגרסאות המקומיות והבין-לאומיות, העוזר Yuanbao, ואפליקציית העבודה ima. לכל מי שצפה במודלים בעלי משקלים פתוחים שאינם מגיעים לרמת החזית בעבודות הנדסת תוכנה, זהו השחרור שסוף סוף הופך את הפער לנתון לוויכוח — וההסתייגויות חשובות לא פחות מהמספרים. עשרה ימים לאחר מכן, שתי ההסתייגויות שסביר להניח שיפגעו במשתמשי הייצור היו כבר היעד של השדרוג הראשון של Tencent לגרסת התצוגה המקדימה החיה: ב-7 בספטמבר היא השיקה אופטימיזציה, שפעילה כעת לכולם, שלטענתה מקטינה את סבבי החשיבה של המודל ואת צריכת הטוקנים לכל משימה בעבודה מורכבת.

המיצוב הוא מכוון. טנסנט מציגה את Tencent HY4 Preview כמודל פרודוקטיביות לארבעה תחומים: הנדסת תוכנה, משרדים וניתוח נתונים, פיתוח משחקים ומחקר מדעי. הדגש ההנדסי הוא מה שמבדיל אותו מהמודלים הכלל-תכליתיים — הערות השחרור פותחות בהבנת משימות ארוכות טווח, תכנון וניפוי באגים, לא באיכות צ'אט. המיקוד הזה ניכר ברשימת האינטגרציות בדיוק כמו בטבלת המדדים: CodeBuddy זוכה למודל בסביבת הפיתוח שלו, WorkBuddy מקבל אותו בזרימות עבודה משרדיות (טנסנט מדגימה אותו מעבד 72 מסמכים פיננסיים בבת אחת), ומפתחי משחקים מקבלים חיבורי MCP ל-Unreal Engine 5 ול-Unity, שהופכים משפט בודד לדמו בר-הפעלה.

מה שנשלח בפועל

גיליון המפרט שווה לקרוא שורה אחר שורה, כי כל שורה משנה מה מותר לדגם עם משקלים פתוחים לעשות.

• ארכיטקטורה — תערובת מומחים עם 770B פרמטרים בסך הכול ו-49B פעילים לכל טוקן, יחס דלילות של כ-16:1 שמשאיר את עלות ההסקה בטווח שצוות קטן באמת יכול להרשות לעצמו.

• חלון הקשר — למעלה ממיליון טוקנים, פי ארבעה מה-256K של Hy3. משימות הנדסה ארוכות-טווח — מאגר קוד מלא בחלון, רפקטורינג רב-קבצים, אצוות מסמכים גדולה — הופכות לבעיות של בקשה אחת.

• משקלים — שחרור פתוח תחת Apache 2.0 ב-Hugging Face, GitHub, ModelScope ו-GitCode. זהו מודל להורדה ולאירוח עצמי, לא טיזר מתארח.

• API — זמין ב-TokenHub של Tencent Cloud, נקודת הקצה המאוחסנת של הספק עצמו, במחיר של 6 יואן למיליון אסימוני קלט, 18 יואן למיליון אסימוני פלט, ו-0.3 יואן למיליון אסימונים עבור פגיעות מטמון.

• אינטגרציית מוצר — WorkBuddy, CodeBuddy (מקומי ובינלאומי), Yuanbao ו-ima, כלומר אותן משקולות שטנסנט משלחת באפליקציות שלה הן אלה שתוכלו לשלוף ולהריץ.

טנסנט גם מדווחת על נתון הנדסת הסקה שכמעט ולא מופיע בהערות השקה: שיפור של 31.8% בתפוקה מקצה לקצה, בזכות מיזוג אופרטורים ואופטימיזציית תקשורת. מה שהופך את זה ליותר מהערת שוליים בגיליון מפרטים הוא שטנסנט אומרת ש-Tencent HY4 Preview איתרה את צווארי הבקבוק בעצמה — המודל ניתח את מחסנית ההסקה שלו, והאופטימיזציות מדווחות כיציבות לאורכי קונטקסט ורמות מקביליות שונות. זה סוג הפרטים שמפריד בין מודל שמעבדה משחררת כתוצר מחקרי לבין מודל שחברה מצפה שיעמוד בעומסי ייצור. בתצוגה מקדימה שפומבית פחות משבועיים, זו גם בדיוק הטענה שאיש מחוץ לטנסנט עוד לא אימת.

הציונים ששווה לצטט

כל מדד שטנסנט פרסמה עבור Tencent HY4 Preview מדווח על ידי הספק עצמו — הוא רץ על סביבת ההערכה של טנסנט, לא שוחזר על ידי שום מעבדה עצמאית, והמודל פומבי פחות משבועיים. יש לקרוא אותם כרף שטנסנט מאמינה שהגיעה אליו, ולא כעובדה מבוססת.

נתון הכותרת הוא Terminal Bench 2.1, מבחן שבודק כמה טוב מודל מפעיל טרמינל אמיתי בזמן קידוד. טנסנט מדווחת על Tencent HY4 Preview עם ציון 85.4, שלדבריה משווה לקלוד אופוס 5 ועוקף את DeepSeek V4 Pro, ומנצח את קודמו Hy3 ב-14.6 נקודות. המספר הבודד הזה עושה הרבה עבודה — זו הטענה שמציבה מודל עם משקלים פתוחים בשוויון עם מודלי הקצה הסגורים היקרים ביותר במבחן קידוד אגנטי קשה — וזו הטענה שהכי זקוקה לאישור בלתי תלוי.

שאר הטבלה הפנימית: DeepSWE, מדד להנדסת תוכנה, קופץ מ-28.0 ב-Hy3 ל-64.3, שטנסנט מתארת כ"מצמצם בהדרגה את הפער" מול מודלים מהדרג הראשון. ב-Toolathlon-Verified, מבחן קריאה לכלים, הוא משיג 74.1, שטנסנט אומרת שעולה על Qwen 3.8 Max ו-GPT-5.6 Sol ומתקרב ל-Kimi K3 ול-Claude Opus 5. ב-APEX-Agents pass@1 הוא נוחת על 37.1, במעט מאחורי 37.2 של Kimi K3. ובמבחן עיוור פנימי נפרד, 163 מומחים דירגו 203 משימות הנדסה ב-2.99 מתוך 4.00, כשהוא גובר על 2.92 של GLM-5.3 ועל 2.94 של Kimi K3.

שני דפוסים בולטים. ראשית, כל מספר חזק הוא על עבודת הנדסה סוכנותית — הפעלת מסוף, קריאה לכלים, משימות בקנה מידה של מאגר — ואף אחד לא על ידע או חשיבה כלליים, מה שתואם למיצוב הפרודוקטיביות ולא למקרה. שנית, טנסנט מקפידה לתאר את DeepSWE והאחרות כמצמצמות פערים, לא כסוגרות אותם. טענת השוויון הנקייה והמשווקת היחידה היא השוויון ב-Terminal Bench 2.1, והיא הטענה שהכי כדאי לבדוק עם עומס העבודה שלך.

מה בעצם קונים בתמחור הזה

התמחור הוא הנקודה שבה ההשקה מפסיקה להיות מעניינת ומתחילה להיות משבשת. במחיר המחירון של טנסנט, מיליון אסימוני קלט עולים בערך כמו קריאת API אחת בדרג ביניים בפלטפורמות מסוימות. הנתון של 18 יואן למיליון אסימוני פלט (כ-2.50 דולר) נמצא הרבה מתחת למחיר של 25 דולר למיליון אסימוני פלט במודל חזיתי סגור מוביל, ומחיר פגיעת המטמון של 0.3 יואן הופך לולאות סוכנים ארוכות — שבהן אותה הנחיית מערכת ואותן קידומות שיחה נשלחות שוב ושוב — לזולות במיוחד להרצה. שדרוג ה-7 בספטמבר משנה את הצד האפקטיבי של החישוב הזה: מכיוון שטנסנט מחייבת לפי אסימון, צמצום מספר סבבי החשיבה וצמצום אסימוני הקלט והפלט שכל משימה צורכת מורידים את העלות של משימה שהושלמה, אף שמחיר המחירון לכל אסימון לא השתנה. בדיקות הבנצ'מרק ובדיקות ה-human-eval של טנסנט עצמה הן הראיות לגודל החיסכון הזה, ולכן יש להתייחס אליהן כאל דיווח ספק עד שיימדדו באופן עצמאי.

זו גם הנקודה היחידה שבה שכבת הניתוב משנה את המשוואה. OrcaRouter עדיין לא מנתב את Tencent HY4 Preview, ולכן הדרכים המעשיות לקרוא לו כיום הן נקודת הקצה TokenHub של Tencent Cloud עצמה, מוצרי Tencent שמטמיעים את המודל, ופריסות self-hosted של המשקלים הפתוחים — ומכיוון שהמשקלים האלה מופצים תחת רישיון Apache 2.0, פלטפורמות צד-שלישי יכולות להקים עותקים משלהן בכל עת, מה שכדאי לזכור כשמשווים מחירים בין ספקים. אנחנו לא מתיימרים לשרת את מה שאיננו משרתים. אבל המשמעת שהופכת קיצוץ מחיר למשמעותי היא אותה משמעת שכל יתר הקטלוג פועל על פיה: OrcaRouter מעביר את מחירי המחירון של הספקים ללא כל תוספת, כך שכאשר ספק כמו Tencent מתמחר אסימון ב-6 יואן, המספר שאתם משלמים אצלנו הוא 6 יואן — לא גרסה שנמכרה מחדש עם תוספת מחיר — וביום שספק משנה מחיר, השינוי נכנס אצלנו לתוקף באותו יום. API אחד ל-200+ מודלים, מעבר אוטומטי בין ספקים כשאחד נתקע, ו-DSL לניתוב שמרכיב מודלים — זה המנגנון שיישא את Tencent HY4 Preview ברגע שיהפוך לזמין לניתוב, לצד המודלים הפתוחים והסגורים האחרים שכבר נמצאים בקטלוג.

החלקים שלא נכנסים לגיליון המפרטים

שתי טענות בחומר ההשקה ראויות לתשומת לב נפרדת כי הן נוגעות לאופן שבו נבנה המודל, ולא למה שהוא השיג.

הראשונה היא לולאת השיפור העצמי. Tencent אומרת ש-Tencent HY4 Preview השתתף במחקר ובפיתוח של עצמו — הוא שימש לאופטימיזציה של שיטות האימון, אסטרטגיית הנתונים, מערכות ההערכה והאופרטורים הבסיסיים שהפיקו אותו. רווח התפוקה של 31.8% הוא הפלט הציבורי הקונקרטי ביותר של הלולאה הזו: Tencent מייחסת אותו לצווארי בקבוק שהמודל זיהה במחסנית ההגשה של עצמו. זהו מחזור ראשוני של שיפור עצמי רקורסיבי: מודל שעוזר לתכנן את הגרסה הבאה של עצמו. לא יוצא דופן שמעבדת חזית מדווחת על חלקים מזה, אבל מודל סיני עם משקלים פתוחים שמתאר בפומבי את הלולאה כיכולת שנשלחה לשוק הוא קפיצת מדרגה באופן שבו השחרורים האלה מדברים על עצמם.

השני הוא תוצאת המתמטיקה. Tencent מדווחת שהמודל שיפר את החסם התחתון הידוע לנפח של בעיית Blaschke–Lebesgue — שאלה פתוחה ותיקה בגאומטריה קמורה על גוף בנפח מינימלי ברוחב קבוע — מ-0.380799 ל-0.41104, וקירב אותו לטווח של כ-2% מהחסם של השערת הטטרהדרון של Meissner. Tencent מדווחת גם על האצה של פי 2.0 בסימולציה של דו-שכבה פוספוליפידית עם 32,512 אטומים, שהגיעה ל-54.9 מילישניות לצעד, במסלול המחקר המדעי. אלה סוג תוצאות שבדרך כלל מזכות מודל במאמר משלו; כאן הן נקודות פתיחה, וכמו שאר חומר ההשקה, הן הדיווח העצמי של Tencent.

מה חסר, בכנות

טנסנט מפרטת את המגבלות הידועות בגילוי לב, והן חשובות לכל מי שמחליט מה לבנות על המודל הזה. אין קלט חזותי או מולטימודלי — Tencent HY4 Preview הוא מודל טקסט, נקודה. לכן כל דבר שקשור לתמונות או וידאו שייך למודל אחר. שתי ההתנהגויות האחרות שטנסנט סימנה בהשקה — חשיבה ארוכה עם התחלה איטית במשימות מורכבות ונטייה לאימות־יתר עצמי, ששורפת טוקנים בבדיקה חוזרת של עבודה שכבר נעשתה — היו אלה שסביר שיופיעו בסביבת ייצור, והן בדיוק מה ששדרוג ה־7 בספטמבר נועד לטפל בו. צוותי Tencent Hunyuan ו־WorkBuddy אמרו שהגרסה החיה (live preview) עברה אופטימיזציה והופצה במלואה, עם פחות סבבי חשיבה וצריכה נמוכה יותר של טוקני קלט ופלט במשימות מורכבות, באותה איכות ביצוע, שנבדקה במעבר כפול של מדדי benchmark והערכה אנושית. זהו התיאור של הספק — "אתם סימנתם את זה", כך נפתחת ההכרזה — ואף אחד מחוץ לטנסנט לא שחזר עדיין את המדידה. זה חל גם על הגרסה שטנסנט מגישה: תמונת המצב של המשקולות הפתוחות ב־Hugging Face לא השתנתה מאז 28 באוגוסט, כך שהעתק של המשקולות באירוח עצמי עדיין מציג את התנהגות החשיבה הארוכה המקורית עד שטנסנט מעדכנת את המהדורה.

וההיעדר החשוב ביותר הוא אימות בלתי תלוי של הטענות החדשות האלה. עדיין אין בדיקות מעבדה של צד שלישי ל-Tencent HY4 Preview ואין רישום ב-Artificial Analysis Intelligence Index, כך שטבלת מדדי ההשקה וגודל החיסכון בטוקנים מה-7 בספטמבר נשענים שניהם על הערכות של Tencent עצמה. האות הציבורי היחיד מצד שלישי שהדגם קיבל עד כה הוא הצבעת קהל ולא מדידת מעבדה: חומרי ההשקה של Tencent מצטטים בכורה סביב המקום החמישי הכללי, ושלישי בקרב דגמים בעלי משקלים פתוחים, ב-WebDev Arena של LMArena, לוח דירוג של העדפות אנושיות שמדרג את איכות הפלט ולא את יעילות הטוקנים. המבחן העיוור הפנימי של מומחים הוא אות שימושי לאופן שבו הסוקרים של Tencent רואים את הדגם מול GLM-5.3 ו-Kimi K3, אבל אלה הסוקרים של Tencent על משימות של Tencent. כל מה שמעל לגיליון המפרט הוא טענה שמחכה לבדיקה.

מי צריך למשוך את המשקולות היום

התשובה הכנה היא שהמהדורה הזו מתפצלת בבירור לשתי קבוצות קהל, ושדרוג ה-7 בספטמבר מגשר על ההתנגדות הגדולה ביותר. אם אתה מריץ עומסי עבודה הנדסיים על התשתית שלך, והכלכלה של ממשקי API סגורים היא מה שעצרה אותך עד כה, Tencent HY4 Preview שווה בדיקת סוף שבוע רצינית: המשקולות פתוחות, חלון ההקשר הוא בקנה מידה של מאגר קוד, והמחיר ברשימה הופך לולאת סוכן ארוכה לבת-השגה בדרך שמודל של 25 דולר למיליון פלט לעולם לא יוכל. אם אתה קורא ל-build המאוחסן — דרך WorkBuddy, Yuanbao, או ממשק ה-API של TokenHub — אתה מקבל גם את אופטימיזציית ה-7 בספטמבר של Tencent של פחות סבבי חשיבה וצריכת אסימונים נמוכה יותר למשימה, לפי Tencent. אם אתה מארח בעצמך את תמונת המשקולות הפתוחות הנוכחית, צפה להתנהגות החשיבה הארוכה והמקורית עד ש-Tencent תשחרר גרסה מעודכנת. ואם אתה מריץ צ'אט ייצור רגיש להשהיה, או כל דבר מולטי-מודאלי, או כל דבר שבו אתה לא יכול להרשות לעצמך מודל שטענות היעילות שלו נשענות רק על אמות המידה וההערכות האנושיות של הספק עצמו, הקריאה הזהירה עדיין תקפה — האופטימיזציה אמיתית לפי Tencent, אבל היא לא נמדדה באופן בלתי תלוי.

הנתיב האמצעי המעשי הוא תבנית ניתוב: הפעל את המודל המוכח על הנתיב הקריטי שלך ואת החדש לצידו, תוך החלפה ל-Tencent HY4 Preview במשימות שבהן פרופיל העלות שלו מנצח, וחזרה אוטומטית כשהוא לא מנצח. זו התבנית שלשמה קיים נתב — אותו OrcaRouter שמוביל את Claude Opus 5, DeepSeek V4 Pro ו-Gemini 3.1 Pro במחירי המחירון של הספקים שלהם הוא המקום שבו היית קורא ל-Tencent HY4 Preview ברגע שהוא מגיע לקטלוג. עד אז, המשקולות נמצאות ב-GitHub, הגרסה המאופטימלית המתארחת נמצאת ב-Tencent Cloud, והטענה שמודל בעל משקולות פתוחות הגיע לדרג העליון של קידוד סוכני סוף סוף קיבלה מספר ספציפי. המספר הוא של Tencent. המבחן הוא שלך.