Tencent Hy4 Mencapai GA dengan Visi dan Penggunaan Komputer — dan Tanpa Tabel Benchmark

Tencent Hy4 tersedia secara umum pada 4 November 2026, dan ini adalah model pertama dalam lini Hunyuan yang dapat membaca gambar dan mengoperasikan desktop. Yang tidak disertakan Tencent bersamanya adalah bukti seperti yang membuat Tencent Hy4 Preview laris pada Agustus: tidak ada baris Terminal-Bench, tidak ada baris SWE-bench, tidak ada kartu model. Peluncurannya justru mengedepankan rangkaian tugas internal, panel keuangan berisi 213 pakar, dan perbandingan tingkat halusinasi. Model Hy paling cakap hingga saat ini juga, pada hari peluncurannya, merupakan yang paling sedikit didokumentasikan.

Itu bukan argumen untuk mengabaikannya. Skor terbitan pratinjau tetap merupakan proksi terbaik yang tersedia untuk keluarga model ini, Tencent mengatakan build GA mengunggulinya pada beban kerja yang menjadi target pelatihannya, dan harganya tidak berubah. Namun hal itu mengubah cara Anda harus membaca pengumuman tersebut: sebagai klaim kemampuan dengan tanggal pengiriman, bukan sebagai rilis yang telah diukur. Artikel ini memisahkan tiga hal yang sebenarnya dikirimkan Tencent — visi, penggunaan komputer, dan rantai pemikiran yang lebih murah — dari tiga hal yang dijanjikan tetapi belum disampaikan.

Apa yang sebenarnya baru di build GA?

Tencent menjelaskan tiga tambahan, dan hanya dua yang pertama terlihat oleh pengguna pada hari pertama.

Visi. Hy4 kini menangani pemrosesan gambar yang sangat terperinci, analisis bagan yang kompleks, dan penalaran matematis atas diagram, dengan menggabungkan persepsi, penalaran, dan pemanggilan alat. Demo Tencent adalah foto udara 2,8 gigapiksel yang di dalamnya model menemukan komponen atap berukuran dua meter — sebuah tugas yang sama-sama merupakan demonstrasi jendela konteks dan visi, karena gambar harus dibagi menjadi ubin dan dilacak tanpa kehilangan kueri. Anggap demo ini sebagai ilustrasi vendor; tidak ada tolok ukur visual terbitan yang disertakan padanya.

Penggunaan komputer. Model ini dapat mengoperasikan layar melalui mouse dan keyboard serta dapat memadukan baris perintah dengan antarmuka grafis. Tencent menyatakan pihaknya melatihnya secara khusus untuk Blender, CAD, dan tugas lintas aplikasi berjangka panjang, serta bahwa model ini berjalan di sandbox yang dibangun di atas Agent Runtime Tencent Cloud dengan beberapa ratus aplikasi terpasang. Ini adalah tambahan yang lebih berdampak, karena untuk pertama kalinya lini Hy mengklaim kemampuan agensi atas desktop, bukan sekadar atas skema alat.

Rantai pemikiran yang lebih singkat. Pratinjau ini dirilis dengan dua cacat yang diakui: ia bernalar lebih lama dari yang diperlukan pada tugas-tugas sulit dan memverifikasi ulang pekerjaannya sendiri secara berlebihan. Tencent menyatakan bahwa versi GA meningkatkan efisiensi rantai pemikiran dan kemampuan mengikuti instruksi, serta pemahaman dokumen panjang dan riset mendalam. Klaim itu dapat diuji dengan cara yang tidak bisa dilakukan oleh demo visi — jumlah token per tugas dapat diukur — tetapi Tencent tidak menerbitkan angka token sebelum dan sesudahnya.

Badan di baliknya tidak berubah, setidaknya di atas kertas. Pengumuman GA tidak menyebutkan ulang parameter atau panjang konteks; angka yang beredar adalah milik versi preview, 770B parameter total dengan 49B diaktifkan per token dan jendela konteks 1,048,576 token. Karena Tencent belum menerbitkan deskripsi arsitektur baru, pembacaan yang wajar adalah bahwa ini adalah tulang punggung yang sama dengan pre-training dan post-training yang jauh lebih banyak di atasnya, ditambah encoder visi apa pun yang dibutuhkan jalur multimodal — sebuah komponen yang belum dijelaskan Tencent.

Angka-angka yang memang dipublikasikan Tencent, dan seberapa berharga angka-angka itu

Tidak satu pun dari ini yang independen, dan tidak satu pun merupakan tolok ukur publik yang terstandardisasi. Ini adalah rangkaian tugas dan panel ahli milik Tencent sendiri, yang membuatnya berguna untuk menunjukkan arah dan lemah untuk pemeringkatan.

• Pengembangan game — Tencent melaporkan +19.1% pada suite GameDev dan +9.8% pada GameLogic dibandingkan pratinjau. Keduanya merupakan suite internal tanpa jumlah item yang dipublikasikan.

• Keuangan, panel ahli — 213 ahli, 153 di antaranya dari luar Tencent, sekitar 70% memiliki pengalaman lima tahun atau lebih, menilai 579 tugas keuangan nyata. Hy4 memperoleh rata-rata 3,04 dibandingkan Kimi K3.1 Pro 2,68, GLM-5.3 2,68, dan DeepSeek V4.1 Flash 1017 2,97. Tencent menyimpulkan bahwa model ini adalah yang pertama di antara model terbuka pada panel ini.

• Halusinasi — penurunan yang dinyatakan dari 15,76% menjadi 5,45%, dengan kesalahan terkait tebakan turun dari 23,1% menjadi 5,6%. Metodologi tidak dipublikasikan; anggap besarnya perbaikan sebagai klaim, bukan pengukuran.

• Beban kerja penelitian — evaluasi IRAB dari 讯兔科技 dikutip sebesar +12,03 poin persentase di atas pratinjau, dan skor BioExperimentBench milik Tencent sendiri adalah 30,4 dari 100. Angka terakhir itu patut direnungkan: itu adalah satu-satunya skor absolut dalam rilis yang tidak menyanjung, dan itu menunjukkan bahwa pekerjaan biologi masih awal.

• Efisiensi pelatihan — Tencent menyatakan bahwa model tersebut ikut serta dalam mengoptimalkan pipeline pelatihannya sendiri, sehingga meningkatkan throughput end-to-end sebesar 20,1%. Ini adalah pernyataan tentang klaster Tencent, bukan tentang model yang akan Anda panggil.

Tidak adanya tabel Agustus adalah bagian yang mencolok. Saat versi pratinjau dirilis, Tencent menerbitkan Terminal-Bench 2.1 pada 85,4, DeepSWE pada 64,3, SWE-bench Pro pada 65,7, Toolathlon-Verified pada 74,1, dan APEX-Agents pada 37,1 — baris-baris yang membuatnya kredibel di mata orang-orang yang tidak memercayai skor panel buta. Postingan GA tidak memperbarui satu pun dari angka-angka itu. Apakah itu karena angkanya meningkat kurang dari yang dibutuhkan pemasaran, atau karena perusahaan menyimpannya untuk kartu sistem yang telah dijanjikannya, tidak diketahui. Sampai salah satunya muncul, posisi yang jujur adalah bahwa build GA tidak memiliki bukti publik yang sebanding.

Harga tidak berubah, dan diskonnya lebih besar daripada harganya.

Tencent mempertahankan daftar harga versi pratinjau. Pada endpoint Singapura, tarifnya adalah $0,834 per juta token masukan, $2,501 per juta token keluaran, dan $0,042 per juta cache hit; pada daftar harga daratan Tiongkok, tarifnya ¥6, ¥18, dan ¥0,3. Model yang lebih mumpuni dengan harga yang tidak berubah adalah cara yang tepat untuk merilis penerus, dan ini sepenuhnya menghilangkan harga dari keputusan peningkatan.

Pengumuman dari daratan utama menambahkan rangkaian promosi di atasnya, dan syarat-syaratnya penting karena masing-masing kedaluwarsa pada waktu yang berbeda:

Panggilan API Standar dengan diskon 50% hingga 31 Desember 2026, sehingga harga daftar efektifnya sekitar $0,417 untuk input dan $1,25 untuk output selama periode ini berlaku.

• Langganan Token Plan diskon 75% hingga 18 November 2026.

Kuota gratis di dalam WorkBuddy dan CodeBuddy hingga 12 November 2026.

Itu adalah tarif promosi dengan tanggal berakhir, bukan harga daftar, dan diumumkan untuk pasar Tiongkok daratan. Anggarkan berdasarkan $0.834 dan $2.501 dan anggap diskonnya sebagai keuntungan tambahan. Tarif cache adalah yang berdampak berlipat: pada $0.042 per juta, membaca ulang dokumen besar pada setiap putaran loop agen lebih murah di Hy4 daripada di Hy3 milik Tencent sendiri, yang mengenakan $0.059. Model yang biayanya empat setengah kali lebih tinggi per token input baru justru lebih murah per token yang di-cache.

Bobotnya masih sebuah janji.

Inilah bagian yang menentukan apakah rilis ini berarti bagi siapa pun yang tidak ingin menyewa inferensi.

Tencent Hy4 Preview dirilis di bawah Apache 2.0 dengan bobot lengkap, varian FP8, serta resep vLLM dan SGLang yang siap pakai. Siapa pun dapat mengunduhnya hari ini. Untuk versi GA, Tencent hanya menyatakan bahwa pihaknya berencana membuka bobot model dan menerbitkan kartu sistem dengan evaluasi keselamatan yang lebih lengkap, dengan dukungan ekosistem dari komunitas vLLM dan SGLang serta Inferact. Tidak ada tanggal, tidak ada lisensi, tidak ada repositori. Pemeriksaan terhadap organisasi Hugging Face Tencent pada hari peluncuran menemukan versi preview dan checkpoint FP8-nya, dan tidak ada repositori GA.

Itu adalah keterbatasan nyata, bukan sekadar formalitas. Model mixture-of-experts berparameter 770B bukanlah sesuatu yang di-hosting sendiri oleh sebagian besar tim — checkpoint FP8-nya di atas 700GB, dan untuk menyajikannya dibutuhkan klaster multi-node. Namun lisensilah yang menentukan apakah sebuah perusahaan dapat melakukan fine-tuning, distilasi, atau menjalankan model di lingkungan teregulasi, dan sampai lisensi itu ada, build GA hanya tersedia via API. Tencent juga telah menandai Hy4 Flash akan segera hadir, yang ditujukan untuk biaya dan kecepatan, yaitu model yang sebenarnya paling diinginkan sebagian besar tim untuk pekerjaan bervolume tinggi.

Apa yang dapat Anda jalankan hari ini

Katalog OrcaRouter memuat tencent/hy3 dan tencent/hy4-preview, termasuk tier gratis untuk preview tersebut yang dibatasi laju, dan build GA tidak tercantum pada saat penulisan ini. Itu patut dikatakan secara gamblang alih-alih menyiratkan sebaliknya: model yang dibahas artikel ini belum dapat dirutekan di sini.

Apa yang diberikan pratinjau kepada Anda adalah cara untuk membuat keputusan sebelum GA tiba. Keduanya berbagi backbone dan harga, jadi beban kerja yang gagal pada pratinjau karena alasan visi atau kontrol desktop adalah beban kerja yang membutuhkan GA; beban kerja yang gagal pada kualitas penalaran adalah beban kerja yang klaim efisiensi GA-nya layak diuji. Jalankan pratinjau terhadap tugas yang Anda kerjakan minggu lalu, ukur token per tugas yang diselesaikan alih-alih token per panggilan, dan Anda akan mendapatkan estimasi nilai GA yang lebih baik daripada yang diberikan panel keuangan.

Saat GA masuk ke katalog, itu akan menjadi perubahan string model pada kunci yang sama, bukan kontrak kedua, dan slice berbobot dengan failover otomatis kembali ke preview adalah cara murah untuk mencobanya tanpa mempertaruhkan jalur produksi pada build yang baru dirilis pagi ini. Model penetapan harga pass-through berarti harga daftar Tencent adalah yang Anda bayar, jadi tarif promosi, bila berlaku, juga berlaku di sini.

Apa yang harus ditonton

Tiga hal akan menjawab pertanyaan yang masih terbuka setelah peluncuran ini. Yang pertama adalah tanggal bobot dan lisensi — itulah yang membedakan model terbuka dari model yang hanya berlabel terbuka. Yang kedua adalah evaluasi independen: setiap angka dalam artikel ini berasal dari Tencent, dan tabel pratinjau berusia delapan bulan dipakai sebagai proksi karena tidak ada yang lain. Yang ketiga adalah Hy4 Flash, karena saudara yang lebih murah dan lebih cepat dengan kemampuan yang sama akan mengubah perhitungan routing lebih besar daripada model unggulan.

Sampai saat itu, deskripsi yang tepat mengenai Tencent Hy4 bersifat sempit dan akurat: model API yang tersedia secara umum dengan kemampuan visi dan penggunaan komputer, dihargai sama persis dengan versi preview-nya, dijual berdasarkan bukti dari vendor, dan menunggu dokumen yang akan membuatnya terbuka.