Tencent Hy4 Preview è aperto: un MoE da 770B con un contesto di un milione di token a ¥6 per milione di token di input

Tencent Hy4 Preview, rilasciato e reso open-source il 28 agosto 2026, è il terzo modello di punta di Tencent in sei mesi, ed è quello che smette di essere una tappa di ricerca e diventa un evento di prezzo. È un modello a miscela di esperti (mixture-of-experts) con 770 miliardi di parametri — 49 miliardi attivi per token — e una finestra di contesto nativa di un milione di token, rilasciato sotto licenza Apache 2.0 sia in BF16 che in FP8, scaricabile oggi da Hugging Face, GitHub, ModelScope e GitCode. E Tencent lo propone a 6 yuan per milione di token in input e 18 yuan per milione di token in output, circa 0,83 e 2,50 dollari USA, il che colloca un modello open-weight di fascia alta al di sotto di quasi tutti i modelli frontier chiusi sul mercato. Una sola release, tre volti: pesi open che puoi eseguire da solo, un'API su TokenHub di Tencent Cloud, e gli stessi pesi già attivi nei prodotti Tencent: WorkBuddy, CodeBuddy, Yuanbao e ima. Ecco cosa è stato effettivamente distribuito, quali punteggi Tencent dichiara di aver ottenuto e cosa nessuno ha ancora verificato.

La storia ingegneristica conta più del numero di parametri, perché ogni componente è una leva sul costo. Il modello è profondo 78 livelli: il primo livello è una rete feed-forward densa standard, e i restanti 77 sono livelli MoE con 256 esperti instradati più un esperto condiviso ciascuno, attivando i primi 8 esperti instradati per token. Questo rapporto di sparsità di circa 16:1 è ciò che rende un modello da 770B conveniente da servire — solo una fetta da 49B lavora su ogni token. Un livello dedicato di previsione multi-token (10B parametri, 0.7B attivi) abilita la decodifica speculativa, e lo stack di attenzione usa l'attenzione sparsa DeepSeek con gate e un IndexCache per tenere sotto controllo l'uso di memoria per contesti lunghi. Il ragionamento è commutabile tra una modalità di pensiero lungo code>high/code> modalità e una di risparmio token code>no_think/code> modalità. Questi sono i dettagli che determinano se il prezzo annunciato regge al contatto con un carico di lavoro reale, non se il modello sa scrivere un haiku.

La scheda tecnica, annotata

Leggi le note di rilascio riga per riga, perché ogni riga cambia silenziosamente ciò che un modello a pesi aperti può fare.

• Parametri — 770B totali, 49B attivi per token, un rapporto di sparsità di ~16:1 che mantiene il costo di servizio in una fascia che un piccolo team può davvero permettersi.

• Contesto — una finestra nativa di 1.048.576 token, quattro volte i 256K di Hy3. Un repository completo, un refactoring multi-file, un pacchetto finanziario di 72 documenti — problemi risolvibili con un'unica richiesta.

• Licenza — Apache License 2.0 sia per l'originale BF16 che per la release quantizzata FP8, il che significa self-hosting, fine-tuning e uso commerciale senza clausole proprietarie.

• Stack di inferenza — Tencent elenca vLLM e SGLang come framework di serving supportati, i due su cui l'ecosistema open-weight si standardizza di fatto.

• API — endpoint TokenHub di Tencent Cloud a ¥6 per milione di token in input, ¥18 per milione di token in output, ¥0,3 per milione per hit in cache.

• Integrazione del prodotto — gli stessi pesi che Tencent include in WorkBuddy, CodeBuddy (nazionale e internazionale), Yuanbao e ima sono quelli che puoi scaricare ed eseguire. CodeBuddy offre una prova gratuita di due settimane del modello al lancio.

Tencent riporta anche un dato 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. È il tipo di dettaglio che separa un modello che un laboratorio pubblica come artefatto di ricerca da un modello che un'azienda si aspetta di vedere sotto il traffico di produzione. Fin dal primo giorno, è anche esattamente il tipo di affermazione che nessuno al di fuori di Tencent ha ancora misurato.

I punteggi che vale la pena citare

Ogni benchmark che Tencent ha pubblicato per Tencent Hy4 Preview è riportato dal fornitore — eseguito sulla configurazione di valutazione di Tencent stessa, non riprodotto da alcun laboratorio indipendente, e il modello è pubblico da meno di un giorno. Leggeteli come il tetto che Tencent ritiene di aver raggiunto.

La cifra principale è Terminal Bench 2.1, un test che misura quanto bene un modello utilizza un terminale reale mentre programma. Tencent riporta 85,4, che secondo l'azienda pareggia 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 open-weight alla pari con i modelli closed frontier più costosi in un difficile test di coding agentico, ed è l'affermazione che ha più bisogno di conferme indipendenti. Il resto della tabella interna: DeepSWE passa da 28,0 su Hy3 a 64,3, che Tencent descrive come "colmare gradualmente il divario" con i modelli di prima fascia; Toolathlon-Verified, un test di chiamata degli strumenti, si attesta a 74,1; APEX-Agents pass@1 a 37,1, un soffio dietro il 37,2 di Kimi K3; SWE-bench Pro a 65,7 e SWE-bench Multilingual a 82,9. In un separato test cieco interno, 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.

Emergono due tendenze. In primo luogo, ogni risultato forte riguarda il lavoro di ingegneria agentica — guida del terminale, chiamate di strumenti, attività su scala di repository — e nessuno riguarda la chat generica o la conoscenza, in linea con il posizionamento del modello da parte di Tencent come "built for productivity" in ambito di ingegneria del software, office e analisi dei dati, sviluppo di giochi e ricerca scientifica. In secondo luogo, Tencent descrive con attenzione DeepSWE e il resto come un ridurre, non un colmare, i divari. L'unica rivendicazione di parità pulita e spendibile è il pareggio su Terminal Bench 2.1, ed è quella che vale più di tutte testare con il proprio carico di lavoro.

Cosa si compra in realtà con ¥6 per milione

Il prezzo è il punto in cui il rilascio smette di essere interessante e inizia a essere dirompente. A 18 yuan per milione di token di output — circa 2,50 dollari USA — una lunga sessione di codifica agentica che consuma un milione di token di output costa all'incirca un decimo di quanto costerebbe la stessa sessione su un modello closed frontier di alto livello, e il tasso di cache-hit di 0,3 yuan rende i prompt di sistema reinviati e i prefissi di conversazione di un loop agentico drasticamente più economici rispetto alla cache della maggior parte dei concorrenti. La demo di Tencent mostra il modello che elabora 72 documenti finanziari in un'unica passata; a questi prezzi, quel tipo di batch è un lavoro quotidiano accessibile invece che una voce di budget.

È anche qui che il livello di routing cambia i conti, e vale la pena essere precisi al riguardo. {{1}}OrcaRouter non instrada ancora Tencent Hy4 Preview{{/1}} — {{2}}Tencent non ha ancora aperto questo modello alle piattaforme di inferenza di terze parti{{/2}}, {{3}}quindi gira sull'endpoint TokenHub di Tencent Cloud e su distribuzioni self-hosted dei pesi aperti{{/3}}, {{4}}e non pretendiamo di servire ciò che non serviamo{{/4}}. {{5}}Ma la disciplina che rende significativo un taglio di prezzo è la stessa su cui si basa il resto del catalogo{{/5}}: {{6}}OrcaRouter trasmette i prezzi di listino dei provider senza alcun ricarico{{/6}}, {{7}}quindi quando un fornitore prezza un token a 6 yuan{{/7}}, {{8}}l'importo che paghi dalla nostra parte è 6 yuan{{/8}}, {{9}}non una sua versione rivenduta e maggiorata{{/9}} — {{10}}e il giorno in cui un fornitore cambia un prezzo{{/10}}, {{11}}la modifica è attiva dalla nostra parte lo stesso giorno{{/11}}. {{12}}Un'unica API per 200+ modelli{{/12}}, {{13}}failover automatico tra i provider quando uno ha un intoppo{{/13}}, {{14}}e un DSL di routing per comporre modelli in un'unica chiamata{{/14}}: {{15}}questo è il meccanismo che veicolerà Tencent Hy4 Preview nel momento in cui Tencent lo renderà disponibile{{/15}}, {{16}}ed è il meccanismo che puoi già usare per eseguire un modello nuovo e non collaudato accanto a uno collaudato, senza scommettere il tuo percorso di produzione su nessuno dei due{{/16}}.

Le affermazioni che meritano una seconda lettura

Due elementi nel materiale di lancio riguardano come è stato costruito il modello, non il suo punteggio, e meritano un'attenzione a parte.

Il primo è il ciclo di auto-miglioramento. Tencent afferma che Tencent Hy4 Preview ha partecipato 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 di basso livello che lo hanno prodotto. Questo è un iniziale ciclo di auto-potenziamento ricorsivo: un modello che aiuta a progettare la propria versione successiva, e Tencent che lo pubblica come funzionalità distribuita. È un'affermazione importante, ed è interamente auto-dichiarata.

Il secondo è un risultato matematico. Tencent riferisce che il modello ha portato il limite inferiore noto 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, avvicinandolo entro circa il 2% dalla congettura del tetraedro di Meissner. Tencent riferisce inoltre un'accelerazione di 2,0x su una simulazione di doppio strato fosfolipidico da 32.512 atomi, scendendo a 54,9 millisecondi per passo. Risultati come questi di solito valgono a un modello un articolo dedicato; qui sono punti di lancio e, come tutto il resto al primo giorno, sono solo parole di Tencent.

Le lacune oneste

Tencent elenca chiaramente le limitazioni note. Non c'è input visivo o multimodale — Tencent Hy4 Preview è un modello di testo, punto e basta, quindi tutto ciò che riguarda immagini o video appartiene a un modello diverso. Tencent segnala anche un comportamento di avvio lento su compiti complessi — lunga riflessione prima della prima risposta — e una tendenza a verificarsi eccessivamente, 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 indica 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. Il modello è troppo nuovo. Il test alla cieca 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 sui compiti di Tencent. Tutto ciò che va oltre la scheda tecnica è un'affermazione in attesa di verifica.

Come provarlo davvero oggi

Il percorso pratico è breve. Scarica i pesi da Hugging Face, GitHub, ModelScope o GitCode e servili con vLLM o SGLang; chiama l'API TokenHub di Tencent Cloud se vuoi un endpoint ospitato al prezzo di listino; oppure usalo in CodeBuddy o WorkBuddy, dove Tencent offre una prova gratuita di due settimane. L'accesso gratuito al modello Hy3 è disponibile fino al 30 settembre, e la cadenza stessa di Tencent — all'incirca una grande iterazione ogni due mesi — suggerisce che una versione completa di Hy4 arriverà non molto dopo l'anteprima.

Un riepilogo onesto: un modello open-weight da 770B, con contesto da un milione di token, a ¥6 per milione di token in input, è una cosa reale che esiste oggi, e il benchmark più forte ad esso associato è un'affermazione del vendor su un pareggio con un modello chiuso di frontiera che nessuno ha ancora riprodotto. Scaricalo, esegui il test che ti interessa davvero, e lascia che siano i dati a decidere se il prezzo resta il punto.