Tencent HY4 Preview è open-source: 770B MoE, contesto da 1M e un prezzo che batte i modelli di frontiera.

Tencent HY4 Preview, rilasciato e reso open-source il 28 agosto 2026, è il primo modello di punta open-weight genuinamente competitivo proveniente da un laboratorio cinese da mesi, e il suo numero più sorprendente è il prezzo. Tencent lo propone a 6 yuan (~0,85 USD) per milione di token di input e 18 yuan (~2,50 USD) per milione di token di output — circa un decimo di quanto un modello closed frontier di fascia alta fa pagare per l'output — pubblicando al contempo un modello mixture-of-experts da 770 miliardi di parametri, di cui 49 miliardi attivi per token, con una finestra di contesto che supera il milione di token. È il successore dell'Hy3 della famiglia Hunyuan (295B totali, contesto 256K) e quadruplica quel contesto, più che raddoppiando la capacità attiva. I pesi sono scaricabili oggi da Hugging Face, GitHub, ModelScope e GitCode, e lo stesso modello è già attivo all'interno dei prodotti di Tencent: WorkBuddy, CodeBuddy sia nelle versioni domestiche che internazionali, l'assistente Yuanbao e l'app workspace ima. Per chiunque abbia osservato i modelli open-weight restare al di sotto della frontiera nel lavoro di ingegneria del software, questa è la release che finalmente rende il divario discutibile — e le avvertenze sono importanti quanto i numeri.

Il posizionamento è intenzionale. Tencent presenta Tencent HY4 Preview come un modello di produttività per quattro ambiti: ingegneria del software, ufficio e analisi dei dati, sviluppo di giochi e ricerca scientifica. L'enfasi sull'ingegneria è ciò che lo distingue dalla massa dei modelli generalisti: le note di rilascio mettono in primo piano la comprensione di attività a lungo orizzonte, la pianificazione e il debugging, non la qualità della chat. Questa attenzione si riflette tanto nell'elenco delle integrazioni quanto nella tabella dei benchmark: CodeBuddy riceve il modello nel suo IDE, WorkBuddy lo integra nei flussi di lavoro d'ufficio (Tencent lo mostra mentre elabora 72 documenti finanziari in una sola passata), e gli sviluppatori di giochi ottengono hook MCP per Unreal Engine 5 e Unity che trasformano una singola frase in una demo giocabile.

Cosa è stato effettivamente spedito

La scheda tecnica merita di essere letta riga per riga, perché ogni riga cambia ciò che un modello open-weight è autorizzato a fare.

• Architettura — Mixture-of-Experts con 770B parametri totali e 49B attivi per token, un rapporto di sparsità di circa 16:1 che mantiene il costo di inferenza in un intervallo che un piccolo team può effettivamente permettersi.

• Finestra di contesto — oltre 1 milione di token, quattro volte i 256K di Hy3. Le attività di ingegneria a lungo orizzonte — un intero repository nella finestra, un refactoring multi-file, un grande batch di documenti — diventano problemi risolvibili con una singola richiesta.

• Pesi — rilascio open in stile MIT su Hugging Face, GitHub, ModelScope e GitCode. Si tratta di un modello scaricabile e auto-ospitabile, non di un'anteprima ospitata.

• API — disponibile su TokenHub di Tencent Cloud, l'endpoint hostato dal fornitore, al prezzo di 6 yuan per milione di token di input, 18 yuan per milione di token di output e 0,3 yuan per milione di token per i cache hit.

• Integrazione del prodotto — WorkBuddy, CodeBuddy (nazionale e internazionale), Yuanbao e ima, il che significa che gli stessi pesi che Tencent distribuisce nelle sue app sono quelli che puoi scaricare ed eseguire.

Tencent riferisce anche una cifra di ingegneria dell'inferenza che raramente compare in una nota di lancio: un miglioramento del 31,8% del throughput end-to-end grazie alla fusione degli operatori e all'ottimizzazione della comunicazione. Ciò che la rende più di una nota a piè di pagina in un foglio specifiche è che Tencent afferma che Tencent HY4 Preview ha trovato i colli di bottiglia da sola — il modello ha analizzato il proprio stack di inferenza, e le ottimizzazioni risultano stabili tra diverse lunghezze di contesto e livelli di concorrenza. È il tipo di dettaglio che distingue un modello che un laboratorio rilascia come artefatto di ricerca da un modello che un'azienda si aspetta di vedere sottoposto al traffico di produzione. Su una preview pubblica da soli pochi giorni, è anche esattamente il tipo di affermazione che nessuno al di fuori di Tencent ha ancora verificato.

I punteggi che vale la pena citare

Ogni benchmark che Tencent ha pubblicato per Tencent HY4 Preview è riportato dal fornitore stesso — eseguito sul setup di valutazione di Tencent, non riprodotto da alcun laboratorio indipendente, e il modello è pubblico solo da pochi giorni. Vanno letti come il massimo che Tencent ritiene di aver raggiunto, non come dati accertati.

La cifra principale è Terminal Bench 2.1, un test di quanto bene un modello gestisce un terminale reale mentre programma. Tencent riporta Tencent HY4 Preview a 85.4, che secondo l'azienda pareggia con Claude Opus 5 e supera DeepSeek V4 Pro, e che batte il suo predecessore Hy3 di 14.6 punti. Quel singolo numero sta facendo molto lavoro — è l'affermazione che mette un modello a pesi aperti alla pari con i più costosi modelli di frontiera chiusi in un difficile test di coding agentico — ed è l'affermazione che ha più bisogno di conferma indipendente.

Il resto della tabella interna: DeepSWE, un benchmark di ingegneria del software, passa da 28,0 su Hy3 a 64,3, un risultato che Tencent descrive come "ridurre gradualmente il divario" con i modelli di prima fascia. Su Toolathlon-Verified, un test di chiamata degli strumenti, ottiene 74,1, un punteggio che, secondo Tencent, supera Qwen 3.8 Max e GPT-5.6 Sol e si avvicina a Kimi K3 e Claude Opus 5. Su APEX-Agents pass@1 si attesta a 37,1, un soffio dietro il 37,2 di Kimi K3. E in un test cieco interno separato, 163 esperti hanno valutato 203 attività di ingegneria con 2,99 su 4,00, superando di poco il 2,92 di GLM-5.3 e il 2,94 di Kimi K3.

Due pattern emergono. Primo, ogni risultato forte riguarda il lavoro ingegneristico agentico — guida del terminale, chiamate di strumenti, attività su scala di repository — e nessuno riguarda conoscenza o ragionamento generici, il che è coerente con il posizionamento sulla produttività, non una coincidenza. Secondo, Tencent descrive con cautela DeepSWE e gli altri come un restringere, non un colmare, i divari. L'unica affermazione di parità pulita e spendibile è il pareggio su Terminal Bench 2.1, ed è quella che vale più la pena testare con il proprio carico di lavoro.

Cosa si ottiene realmente con il prezzo

Il pricing è il punto in cui il rilascio smette di essere interessante e inizia a essere dirompente. Al prezzo di listino di Tencent, un milione di token di input costa all'incirca quanto una singola chiamata API di fascia media su alcune piattaforme. La cifra di 18 yuan per milione di token di output (~2,50 USD) si colloca ben al di sotto del prezzo di 25 dollari per milione di output di un modello frontier chiuso di fascia alta, e il tasso di cache-hit di 0,3 yuan rende i lunghi loop agentici — in cui lo stesso system prompt e i prefissi di conversazione vengono reinviati costantemente — insolitamente economici da eseguire.

Questo è anche l'unico punto in cui il livello di routing modifica i calcoli. OrcaRouter non instrada ancora Tencent HY4 Preview — Tencent non ha aperto questo modello a piattaforme di inferenza di terze parti, quindi gira sull'endpoint TokenHub proprietario di Tencent Cloud e su deployment self-hosted dei pesi aperti, e non affermiamo di servire ciò che non serviamo. Ma la disciplina che rende importante un taglio di prezzo è la stessa su cui si basa il resto del catalogo: OrcaRouter trasmette i prezzi di listino dei provider senza alcun margine, quindi quando un fornitore come Tencent prezza un token a 6 yuan, il numero che paghi dalla nostra parte è 6 yuan, non una versione rivenduta e maggiorata, e il giorno in cui un fornitore cambia un prezzo, la modifica è attiva dalla nostra parte lo stesso giorno. Un'unica API per oltre 200 modelli, failover automatico tra i provider quando uno ha un intoppo, e un DSL di routing per comporre modelli — questo è il meccanismo che trasporterà Tencent HY4 Preview nel momento in cui diventerà instradabile, accanto agli altri modelli aperti e chiusi già presenti nel catalogo.

Le parti che non rientrano in una scheda tecnica

Due affermazioni nel materiale di lancio meritano un'attenzione separata perché riguardano come è stato costruito il modello, non cosa ha ottenuto.

Il primo è il ciclo di auto-miglioramento. Tencent afferma che Tencent HY4 Preview ha preso parte alla propria ricerca e sviluppo: è stato utilizzato per ottimizzare i metodi di addestramento, la strategia dei dati, i sistemi di valutazione e gli operatori sottostanti che lo hanno prodotto. Il guadagno di throughput del 31,8% è l'esito pubblico più concreto di quel ciclo: Tencent lo attribuisce ai colli di bottiglia che il modello ha individuato nel proprio stack di serving. Si tratta di un primo ciclo di auto-potenziamento ricorsivo: un modello che aiuta a progettare la versione successiva di sé stesso. Non è insolito che un laboratorio di frontiera riporti singoli elementi di questo processo, ma un modello cinese open-weight che descrive pubblicamente il ciclo come una funzionalità effettivamente rilasciata rappresenta un cambio di passo nel modo in cui queste versioni parlano di sé.

Il secondo è il risultato matematico. Tencent riferisce che il modello ha migliorato il limite inferiore noto del volume del problema di Blaschke–Lebesgue — una questione aperta di lunga data nella geometria convessa sul corpo di larghezza costante di volume minimo — da 0,380799 a 0,41104, portandolo entro circa il 2% dal limite della congettura del tetraedro di Meissner. Tencent riferisce anche un'accelerazione di 2,0x su una simulazione di doppio strato fosfolipidico da 32.512 atomi, scendendo a 54,9 millisecondi per passo, nel percorso di ricerca scientifica. Sono il tipo di risultati che di solito valgono a un modello un articolo dedicato; qui sono punti di lancio e, come il resto del materiale di lancio, sono il resoconto fornito da Tencent stessa.

Cosa manca, onestamente?

Tencent elenca chiaramente le limitazioni note, e contano per chiunque decida cosa costruire su questo modello. Non c'è visione né input multimodale — Tencent HY4 Preview è un modello testuale, punto e basta, quindi qualsiasi cosa legata a immagini o video appartiene a un altro modello. Tencent segnala anche che il modello mostra un comportamento di avvio lento su compiti complessi — lunga riflessione prima del primo output — e una tendenza a un'eccessiva auto-verifica, bruciando token per ricontrollare il lavoro già svolto. Questa combinazione è esattamente sbagliata per la chat sensibile alla latenza ed esattamente tollerabile per il lavoro di ingegneria batch offline, il che ti dice dove Tencent si aspetta che tu lo esegua.

E l'assenza più importante è la verifica. Non ci sono ancora punteggi indipendenti per Tencent HY4 Preview da nessuna parte — non su una classifica pubblica, non da un laboratorio di valutazione di terze parti, non una voce su Artificial Analysis. Il modello è troppo nuovo per questo. Il test cieco degli esperti interni è un segnale utile su come i revisori di Tencent lo vedono rispetto a GLM-5.3 e Kimi K3, ma sono i revisori di Tencent su compiti di Tencent. Tutto ciò che va oltre la scheda tecnica è un'affermazione in attesa di verifica.

Chi dovrebbe occuparsi dei pesi oggi?

La risposta onesta è che questa release si divide nettamente in due tipi di pubblico. Se esegui carichi di lavoro ingegneristici sulla tua infrastruttura e sono i costi delle API chiuse a trattenerti, Tencent HY4 Preview merita ora un serio test nel fine settimana: i pesi sono aperti, la finestra di contesto è a scala di repository, e il prezzo di listino rende un lungo loop agentico accessibile in un modo che un modello da 25 dollari per milione di output non lo sarà mai. Se invece gestisci chat di produzione sensibili alla latenza, o qualcosa di multimodale, o qualsiasi cosa in cui non puoi permetterti un modello la cui unica prova sono i benchmark del suo stesso fornitore, aspetta — la cadenza di iterazione di due mesi che Tencent mantiene da febbraio suggerisce che una release completa di Hy4 non sia lontana, e la preview è esplicitamente un'iterazione iniziale con difetti noti.

Il percorso intermedio pratico è un pattern di routing: esegui il modello collaudato sul tuo percorso critico e quello nuovo accanto ad esso, inserendo Tencent HY4 Preview nelle attività in cui il suo profilo di costo vince e tornando automaticamente al precedente quando non lo fa. È per questo pattern che esiste un router — lo stesso OrcaRouter che trasporta Claude Opus 5, DeepSeek V4 Pro e Gemini 3.1 Pro ai prezzi di listino dei rispettivi provider trasporterà questo modello dal giorno in cui Tencent lo renderà disponibile. Fino ad allora, i pesi sono su GitHub, l'API è su Tencent Cloud, e l'affermazione che un modello a pesi aperti abbia raggiunto il livello più alto della codifica agentica ha finalmente un numero specifico associato. Il numero è di Tencent. Il test è tuo.