Tencent HY4 Preview Kini Open-Source: MoE 770B, Konteks 1M, dan Harga yang Lebih Murah dari Model Frontier

Tencent HY4 Preview, dirilis dan dibuka sumbernya pada 28 Agustus 2026, adalah model unggulan open-weight pertama yang benar-benar kompetitif dari laboratorium Tiongkok dalam beberapa bulan terakhir, dan angka yang paling mengejutkan adalah harganya. Tencent memasang harga 6 yuan (sekitar US$0,85) per juta token input dan 18 yuan (sekitar US$2,50) per juta token output — kira-kira sepersepuluh dari yang dibebankan model frontier tertutup kelas atas untuk output — sambil menerbitkan model mixture-of-experts dengan 770 miliar parameter, di mana 49 miliar aktif per token, dengan jendela konteks yang menembus satu juta token. Model ini adalah penerus Hy3 dari keluarga Hunyuan (total 295B, konteks 256K) dan menggandakan konteks tersebut sekaligus lebih dari melipatgandakan kapasitas aktif. Bobotnya dapat diunduh hari ini dari Hugging Face, GitHub, ModelScope, dan GitCode, dan model yang sama sudah aktif di dalam produk Tencent sendiri: WorkBuddy, CodeBuddy dalam versi domestik maupun internasional, asisten Yuanbao, dan aplikasi ruang kerja ima. Bagi siapa pun yang selama ini menyaksikan model open-weight tertinggal dari garis depan dalam pekerjaan rekayasa perangkat lunak, inilah rilis yang akhirnya membuat kesenjangan itu dapat diperdebatkan — dan peringatan-peringatannya sama pentingnya dengan angka-angkanya. Sepuluh hari kemudian, dua peringatan yang paling mungkin menggigit pengguna produksi sudah menjadi sasaran peningkatan pertama Tencent untuk bangunan pratinjau langsung: pada 7 September, mereka meluncurkan pengoptimalan, kini aktif untuk semua orang, yang menurut mereka memangkas jumlah putaran penalaran model dan konsumsi token per tugas dalam pekerjaan yang kompleks.

Pemosisian ini disengaja. Tencent memosisikan Tencent HY4 Preview sebagai model produktivitas untuk empat domain: rekayasa perangkat lunak, perkantoran dan analisis data, pengembangan game, dan riset ilmiah. Penekanan pada aspek rekayasa inilah yang membedakannya dari kumpulan model serba guna — catatan rilisnya mengedepankan pemahaman tugas jangka panjang, perencanaan, dan debugging, bukan kualitas obrolan. Fokus tersebut tampak dalam daftar integrasi sama jelasnya dengan tabel tolok ukur: CodeBuddy mendapatkan model ini di IDE-nya, WorkBuddy mendapatkannya dalam alur kerja perkantoran (Tencent mendemonstrasikan model ini mengolah 72 dokumen keuangan dalam satu kali proses), dan para pengembang game mendapatkan hook MCP ke Unreal Engine 5 dan Unity yang mengubah satu kalimat menjadi demo yang dapat dimainkan.

Apa yang sebenarnya dirilis

Lembar spesifikasi layak dibaca baris demi baris, karena setiap baris mengubah apa yang boleh dilakukan oleh model open-weight.

Arsitektur — Mixture-of-Experts dengan total parameter {{1}}770B{{/1}} dan {{2}}49B{{/2}} aktif per token, rasio sparsity sekitar {{3}}16:1{{/3}} yang menjaga biaya inferensi tetap dalam rentang yang mampu dibayar oleh tim kecil.

• {{1}}Jendela konteks — lebih dari 1 juta token, empat kali lipat 256K milik Hy3.{{/1}} {{2}}Tugas rekayasa jangka panjang — repositori lengkap dalam jendela, refaktorisasi multi-file, batch dokumen besar — menjadi masalah yang dapat ditangani dalam satu permintaan.{{/2}}

• Bobot — Rilis terbuka Apache 2.0 di Hugging Face, GitHub, ModelScope, dan GitCode. Ini adalah model yang dapat diunduh dan di-host sendiri, bukan teaser yang dihosting.

• API — tersedia di TokenHub Tencent Cloud, endpoint hosted milik vendor, dengan harga 6 yuan per juta token input, 18 yuan per juta token output, dan 0,3 yuan per juta token untuk cache hits.

• Integrasi produk — WorkBuddy, CodeBuddy (domestik dan internasional), Yuanbao, dan ima, artinya bobot yang sama yang disertakan Tencent di aplikasinya sendiri adalah yang dapat Anda tarik dan jalankan.

Tencent juga melaporkan angka rekayasa inferensi yang jarang muncul dalam catatan peluncuran: peningkatan throughput ujung-ke-ujung sebesar 31,8% dari fusi operator dan optimalisasi komunikasi. Yang membuatnya lebih dari sekadar catatan kaki lembar spesifikasi adalah bahwa Tencent mengatakan Tencent HY4 Preview menemukan hambatan-hambatan tersebut sendiri — model itu menganalisis tumpukan inferensinya sendiri, dan optimalisasi tersebut dilaporkan stabil di berbagai panjang konteks dan tingkat konkurensi. Itulah jenis detail yang membedakan model yang dikirim lab sebagai artefak riset dari model yang diharapkan perusahaan untuk menangani lalu lintas produksi. Pada pratinjau yang baru dipublikasikan kurang dari dua minggu, ini juga persis jenis klaim yang belum diverifikasi siapa pun di luar Tencent.

Skor yang layak dikutip

Setiap tolok ukur yang dipublikasikan Tencent untuk Tencent HY4 Preview dilaporkan sendiri oleh vendor — dijalankan pada pengaturan evaluasi milik Tencent, belum direproduksi oleh laboratorium independen mana pun, dan model tersebut baru dirilis ke publik kurang dari dua minggu. Anggaplah itu sebagai batas atas yang diyakini Tencent berhasil dicapai, bukan sebagai fakta yang mapan.

Angka utamanya adalah Terminal Bench 2.1, sebuah pengujian seberapa baik model mengoperasikan terminal sungguhan saat menulis kode. Tencent melaporkan Tencent HY4 Preview mendapat skor 85,4, yang menurut mereka menyamai Claude Opus 5 dan melampaui DeepSeek V4 Pro, serta mengungguli pendahulunya sendiri, Hy3, dengan selisih 14,6 poin. Angka tunggal itu memikul banyak tanggung jawab — klaim yang menempatkan model berbobot terbuka setara dengan model frontier tertutup termahal dalam uji pengkodean agen yang sulit — dan klaim itulah yang paling membutuhkan konfirmasi independen.

Bagian lain dari tabel internal: DeepSWE, sebuah benchmark rekayasa perangkat lunak, melonjak dari 28.0 pada Hy3 menjadi 64.3, yang digambarkan Tencent sebagai "secara bertahap memperkecil kesenjangan" dengan model-model tingkat pertama. Pada Toolathlon-Verified, sebuah tes pemanggilan alat, ia mencetak 74.1, yang menurut Tencent melampaui Qwen 3.8 Max dan GPT-5.6 Sol serta mendekati Kimi K3 dan Claude Opus 5. Pada APEX-Agents pass@1, ia berada di 37.1, sedikit di belakang Kimi K3 yang mencapai 37.2. Dan dalam uji buta internal terpisah, 163 pakar menilai 203 tugas rekayasa dengan skor 2.99 dari 4.00, mengungguli GLM-5.3 yang memperoleh 2.92 dan Kimi K3 yang memperoleh 2.94.

Dua pola menonjol. Pertama, setiap angka kuat berada pada pekerjaan rekayasa agenik — penggerakan terminal, pemanggilan alat, tugas berskala repositori — dan tidak ada yang berada pada pengetahuan atau penalaran umum, yang konsisten dengan posisi produktivitas, bukan kebetulan. Kedua, Tencent berhati-hati menggambarkan DeepSWE dan yang lainnya sebagai menyempitkan kesenjangan, bukan menutupnya. Satu klaim paritas yang bersih dan dapat dipasarkan adalah hasil imbang Terminal Bench 2.1, dan itulah klaim yang paling layak diuji dengan beban kerja Anda sendiri.

Apa yang sebenarnya dibeli dengan harga tersebut

Penetapan harga adalah titik ketika rilis ini tidak lagi sekadar menarik, tetapi mulai disruptif. Pada harga daftar Tencent, satu juta token input berbiaya kira-kira sama dengan satu panggilan API tingkat menengah di sejumlah platform. Angka 18 yuan per juta token output (sekitar US$2,50) berada jauh di bawah harga output US$25 per juta dari model frontier tertutup kelas atas, dan tingkat cache-hit 0,3 yuan membuat loop agenik yang panjang — ketika prompt sistem dan prefiks percakapan yang sama terus-menerus dikirim ulang — menjadi sangat murah untuk dijalankan. Peningkatan 7 September mengubah sisi efektif perhitungan tersebut: karena Tencent menagih per token, pemangkasan jumlah putaran penalaran serta token input dan output yang dikonsumsi setiap tugas menurunkan biaya penyelesaian sebuah tugas meskipun harga daftar per token tidak berubah. Benchmark milik Tencent sendiri dan pemeriksaan human-eval menjadi bukti besarnya penghematan itu; jadi, perlakukanlah sebagai laporan vendor hingga diukur secara independen.

Ini juga satu-satunya tempat di mana lapisan perutean mengubah perhitungannya. OrcaRouter belum merutekan Tencent HY4 Preview, jadi cara praktis untuk memanggilnya saat ini adalah endpoint TokenHub milik Tencent Cloud, produk-produk Tencent yang menyematkan model tersebut, dan penerapan mandiri dari bobot terbuka — dan karena bobot tersebut berlisensi Apache 2.0, platform pihak ketiga dapat menyebarkan salinan mereka sendiri kapan saja, yang perlu diingat ketika Anda membandingkan harga antar penyedia. Kami tidak mengklaim melayani apa yang tidak kami layani. Tetapi disiplin yang membuat pemotongan harga menjadi berarti adalah disiplin yang sama yang mendasari seluruh katalog lainnya: OrcaRouter meneruskan harga daftar penyedia tanpa markup sama sekali, jadi ketika vendor seperti Tencent menetapkan harga token sebesar 6 yuan, jumlah yang Anda bayar melalui kami adalah 6 yuan, bukan versi yang dijual kembali dan diberi markup, dan pada hari vendor mengubah harga, perubahan tersebut langsung aktif di pihak kami pada hari yang sama. Satu API untuk 200+ model, failover otomatis antar penyedia ketika salah satu bermasalah, dan DSL perutean untuk menyusun model — itulah mekanisme yang akan membawa Tencent HY4 Preview begitu model tersebut dapat dirutekan, di samping model-model terbuka dan tertutup lainnya yang sudah ada di dalam katalog.

Bagian-bagian yang tidak muat di lembar spesifikasi

Dua klaim dalam materi peluncuran layak mendapat perhatian tersendiri karena keduanya berkaitan dengan cara model dibangun, bukan skor yang dicapainya.

Yang pertama adalah siklus peningkatan diri. Tencent mengatakan bahwa Tencent HY4 Preview berpartisipasi dalam penelitian dan pengembangannya sendiri — model ini digunakan untuk mengoptimalkan metode pelatihan, strategi data, sistem evaluasi, dan operator-operator dasar yang menghasilkannya. Peningkatan throughput sebesar 31,8% adalah output publik paling konkret dari siklus tersebut: Tencent mengaitkannya dengan bottleneck yang diidentifikasi model dalam stack penyajiannya sendiri. Itu adalah siklus peningkatan diri rekursif awal: sebuah model yang membantu merancang versi berikutnya dari dirinya sendiri. Tidaklah aneh bagi laboratorium terdepan untuk melaporkan sebagian dari hal ini, tetapi model open-weight asal Tiongkok yang secara publik mendeskripsikan siklus ini sebagai kemampuan yang dirilis merupakan perubahan besar dalam cara rilis-rilis ini berbicara tentang diri mereka sendiri.

Yang kedua adalah hasil di bidang matematika. Tencent melaporkan bahwa model tersebut menaikkan batas bawah volume yang diketahui dari masalah Blaschke–Lebesgue — sebuah pertanyaan terbuka yang sudah lama menggantung dalam geometri cembung tentang benda bervolume minimum dengan lebar konstan — dari 0,380799 menjadi 0,41104, sehingga selisihnya hanya sekitar 2% dari batas konjektur tetrahedron Meissner. Tencent juga melaporkan percepatan 2,0x pada simulasi bilayer fosfolipid dengan 32.512 atom, yang turun menjadi 54,9 milidetik per langkah, di jalur penelitian ilmiah. Ini adalah jenis hasil yang biasanya membuat sebuah model memperoleh makalahnya sendiri; di sini, hasil-hasil itu hanyalah poin-poin peluncuran, dan seperti materi peluncuran lainnya, semuanya adalah laporan dari Tencent sendiri.

Apa yang hilang, sejujurnya?

{{1}}Tencent dengan gamblang memaparkan keterbatasan yang diketahuinya, dan hal itu penting bagi siapa pun yang memutuskan apa yang akan dibangun di atas model ini.{{/1}} Tidak ada visi ataupun input multimodal — Tencent HY4 Preview adalah model teks, titik. Jadi, apa pun yang terkait gambar atau video sebaiknya memakai model lain. {{2}}Dua perilaku lain yang Tencent sorot saat peluncuran — pemikiran panjang yang lambat memulai pada tugas rumit dan kecenderungan memverifikasi diri secara berlebihan, yang menghabiskan token untuk memeriksa ulang pekerjaan yang sudah dikerjakan — adalah perilaku yang paling mungkin muncul di produksi, dan justru itulah sasaran pembaruan 7 September.{{/2}} Tim Tencent Hunyuan dan tim WorkBuddy menyatakan bahwa build pratinjau langsung telah dioptimalkan dan diluncurkan sepenuhnya, dengan putaran penalaran yang lebih sedikit serta konsumsi token input dan output yang lebih rendah pada tugas rumit dengan kualitas yang tetap sama, yang diverifikasi lewat dua jalur pemeriksaan: metrik benchmark dan evaluasi manusia. Itulah laporan vendor — pengumuman itu dibuka dengan kalimat {{3}}“Anda yang menandainya,”{{/3}} — dan belum ada pihak di luar Tencent yang mereproduksi pengukuran itu. Hal itu juga berlaku pada build yang disajikan Tencent: snapshot bobot terbuka di Hugging Face tidak berubah sejak 28 Agustus, sehingga salinan bobot yang dihosting sendiri masih memperlihatkan perilaku penalaran lebih panjang seperti semula hingga Tencent memperbarui rilisnya.

Dan hal terpenting yang tidak ada adalah verifikasi independen atas klaim-klaim baru tersebut. Masih belum ada uji laboratorium pihak ketiga untuk Tencent HY4 Preview dan belum ada entri pada Artificial Analysis Intelligence Index, sehingga tabel tolok ukur peluncuran dan besarnya penghematan token 7 September sama-sama bertumpu pada evaluasi Tencent sendiri. Satu-satunya sinyal pihak ketiga publik yang dimiliki model ini sejauh ini adalah hasil suara publik, bukan pengukuran laboratorium: materi rilis Tencent menyebut debutnya sekitar peringkat kelima secara keseluruhan, dan ketiga di antara model open-weight, di WebDev Arena milik LMArena, papan peringkat preferensi manusia yang memberi peringkat kualitas keluaran, bukan efisiensi token. Uji buta pakar internal merupakan sinyal yang berguna tentang bagaimana para peninjau Tencent sendiri memandang model ini dibandingkan GLM-5.3 dan Kimi K3, tetapi itu adalah peninjau Tencent untuk tugas-tugas Tencent. Segala sesuatu di luar lembar spesifikasi adalah klaim yang menunggu pemeriksaan.

Siapa yang harus menarik beban hari ini

Jawaban jujurnya adalah bahwa rilis ini terbagi rapi menjadi dua kelompok audiens, dan pembaruan 7 September mengambil jalan tengah atas keberatan terbesar. Jika Anda menjalankan beban kerja engineering di infrastruktur Anda sendiri dan selama ini Anda terhambat oleh faktor ekonomi API tertutup, Tencent HY4 Preview layak mendapat pengujian serius di akhir pekan: bobotnya terbuka, jendela konteksnya berskala repositori, dan harga yang tertera membuat loop agen yang panjang menjadi terjangkau dengan cara yang tidak akan pernah bisa dilakukan oleh model $25 per juta output. Jika Anda memanggil build yang di-host — melalui WorkBuddy, Yuanbao, atau API TokenHub — Anda juga memperoleh optimasi 7 September dari Tencent, yakni lebih sedikit putaran penalaran dan konsumsi token yang lebih rendah per tugas, menurut Tencent. Jika Anda melakukan self-hosting pada snapshot dengan bobot terbuka saat ini, perkirakan perilaku asli dengan penalaran yang lebih panjang sampai Tencent merilis versi pembaruan. Dan jika Anda menjalankan chat produksi yang sensitif terhadap latensi, atau apa pun yang multimodal, atau apa pun yang tidak dapat menggunakan model yang klaim efisiensinya hanya bertumpu pada tolok ukur dan evaluasi manusia dari vendor itu sendiri, penilaian yang hati-hati tetap berlaku — optimasi tersebut nyata menurut Tencent, tetapi belum diukur secara independen.

Jalur tengah yang praktis adalah pola routing: jalankan model yang sudah teruji di jalur kritis Anda dan model baru di sampingnya, dengan menukar ke Tencent HY4 Preview untuk tugas-tugas yang profil biayanya lebih unggul dan gagal kembali secara otomatis jika tidak. Itulah pola yang menjadi alasan sebuah router ada — OrcaRouter yang sama yang membawa Claude Opus 5, DeepSeek V4 Pro, dan Gemini 3.1 Pro pada harga daftar penyedia masing-masing adalah tempat Anda akan memanggil Tencent HY4 Preview begitu ia mencapai katalog. Sampai saat itu, bobot model tersedia di GitHub, build ter-host yang dioptimalkan ada di Tencent Cloud, dan klaim bahwa model open-weight mencapai tingkat teratas pengodean agenik akhirnya memiliki angka spesifik yang melekat padanya. Angka itu milik Tencent. Ujiannya milik Anda.