{KEEP}Tencent Hy4{/KEEP} プレビューが公開: 100万トークンのコンテキストを持つ770B MoE、入力トークン100万あたり¥6

2026年8月28日にリリースされオープンソース化されたTencent Hy4 Previewは、テンセントが6か月で発表した3番目のフラッグシップモデルであり、研究上のマイルストーンから価格面での出来事へと変わる初めてのモデルです。7,700億パラメータを擁するMixture-of-Expertsモデルで、トークンあたりアクティブになるのは490億パラメータです。ネイティブのコンテキストウィンドウは100万トークンで、Apache License 2.0のもとBF16とFP8の両形式でリリースされ、本日からHugging Face、GitHub、ModelScope、GitCodeでダウンロードできます。テンセントはこのモデルの価格を、入力トークン100万個あたり6元、出力トークン100万個あたり18元（約US$0.83およびUS$2.50）に設定しました。これにより、トップクラスのオープンウェイトモデルが、市場のほぼすべてのクローズドなフロンティアモデルよりも安価になりました。1つのリリース、3つの顔：自分で実行できるオープンウェイト、Tencent CloudのTokenHub上のAPI、そして同じウェイトがすでにテンセント自身の製品であるWorkBuddy、CodeBuddy、Yuanbao、imaに組み込まれていることです。ここでは、実際にリリースされたもの、テンセントが主張するスコア、そしてまだ誰も検証していないものを紹介します。

エンジニアリングの話はパラメータ数よりも重要だ。なぜなら、それぞれの構成要素がコストを左右するてこだからだ。モデルは78層の深さを持つ。最初の層は標準的なDenseフィードフォワードネットワークである。残りの77層はMoE層で、各層は256個のルーティングエキスパートと1個の共有エキスパートを持ち、トークンごとに上位8個のルーティングエキスパートを活性化する。この約16:1のスパーシティ比こそが、770Bモデルを手頃な価格で運用可能にしている。任意のトークンに対して実際に計算されるのはわずか49Bのスライスだけだ。専用のマルチトークン予測層（パラメータ10B、アクティブ0.7B）により投機的デコーディングが可能になり、アテンションスタックはIndexCacheを備えたgated DeepSeek Sparse Attentionを使用して、長いコンテキストのメモリ使用量を抑えている。推論は、じっくり考えるcode>high/code>モードと、トークンを節約するcode>no_think/code>モードの間で切り替え可能である。これらこそが、見出しの価格が実際のワークロードに耐えうるかどうかを決定する詳細であり、モデルが俳句を詠めるかどうかではない。

注釈付き仕様書

リリースノートを一行ずつ読んでください。というのも、各行がオープンウェイトモデルに許可されていることを静かに変更しているからです。

• パラメータ — 合計770B、トークンあたり有効49B、約16:1のスパース比により、小規模チームでも実際に負担できる範囲のサービスコストを維持します。

• コンテキスト — ネイティブな1,048,576トークンのウィンドウ。Hy3の256Kの4倍。完全なリポジトリ、複数ファイルのリファクタリング、72ドキュメントの財務パッケージ — 単一リクエストで処理できる問題です。

• ライセンス — BF16オリジナルとFP8量子化リリースの両方についてApache License 2.0であり、独自の条項なしにセルフホスティング、ファインチューニング、商用利用が可能です。

• 推論スタック — Tencentは、サポートされているサービングフレームワークとしてvLLMとSGLangを挙げている。これらは、オープンウェイトのエコシステムが実際に標準としている2つのフレームワークだ。

• API — Tencent Cloud の TokenHub エンドポイント: 入力トークンは100万トークンあたり¥6、出力トークンは100万トークンあたり¥18、キャッシュヒット時は100万トークンあたり¥0.3。

• 製品統合 — Tencent が WorkBuddy、CodeBuddy（国内版および国際版）、Yuanbao、ima で提供しているものと同じ重みを取得して実行できます。CodeBuddy では、モデルのローンチ時に2週間の無料トライアルが利用できます。

テンセントはまた、ローンチノートには滅多に載らない推論エンジニアリングの数値を報告している。それは、オペレーター融合と通信最適化によるエンドツーエンドのスループット31.8%の改善である。そうした詳細が、研究室が研究成果物としてリリースするモデルと、企業が本番トラフィックを受けることを想定するモデルとを分けるのだ。初日から、それはまた、テンセント以外の誰もまだ測定していないまさにその種の主張でもある。

引用する価値のあるスコア

TencentがTencent Hy4 Preview向けに公表したベンチマークはすべてベンダー報告によるものであり、Tencent自身の評価環境で実行され、独立した研究所による再現はされておらず、モデルの公開から1日も経っていません。それらはTencentが到達したと信じる上限として読むべきです。

主要な数字は{{1}}Terminal Bench 2.1{{/1}}だ。これは、モデルがコーディング中に実際のターミナルをどれだけうまく操作できるかを試すテストである。Tencentは{{2}}85.4{{/2}}を報告しており、同社によるとこれは{{3}}Claude Opus 5{{/3}}と同点で、{{4}}DeepSeek V4 Pro{{/4}}を上回り、自社の前世代モデルHy3を14.6ポイント上回るという。この一つの数字には多くの意味が込められている。オープンウェイトモデルが難易度の高いエージェント型コーディングテストにおいて最も高価なクローズド系フロンティアモデルと同等であるという主張を担っており、この主張こそが独立した確認を最も必要としている。社内の表の残りを見ると、{{5}}DeepSWE{{/5}}はHy3の28.0から64.3へと跳ね上がり、Tencentはこれを「トップ層モデルとの差を徐々に縮めている」と表現している。ツール呼び出しテストである{{6}}Toolathlon-Verified{{/6}}は74.1、APEX-Agentsのpass@1は37.1で、Kimi K3の37.2にわずかに及ばない。SWE-bench Proは65.7、SWE-bench Multilingualは82.9。別の社内ブラインドテストでは、163人の専門家が203件のエンジニアリングタスクを4.00点満点中2.99点と評価し、GLM-5.3の2.92とKimi K3の2.94をわずかに上回った。

際立つパターンが2つある。第一に、強い数値はすべてエージェント型エンジニアリング業務（ターミナル操作、ツール呼び出し、リポジトリ規模のタスク）に関するものであり、一般的なチャットや知識に関するものはひとつもない。これは、ソフトウェアエンジニアリング、オフィス業務とデータ分析、ゲーム開発、科学研究にわたって、Tencentが同モデルを「生産性のために構築された」と位置づけていることと一致する。第二に、TencentはDeepSWEなどについて、ギャップを「縮めている」のであって「埋めた」のではないと慎重に述べている。明確で市場に訴求できる唯一の同等性の主張は、Terminal Bench 2.1でのタイ記録であり、それは自分のワークロードで検証する価値が最も高い主張である。

100万あたり6円で実際に何が買えるのか

価格設定こそ、このリリースが「面白い」から「破壊的」へと変わるポイントだ。100万出力トークンあたり18元（約2.50米ドル）という価格なら、100万出力トークンを消費する長時間のエージェンティックなコーディングセッションのコストは、トップクラスのクローズドなフロンティアモデルで同じセッションを行う場合のおよそ10分の1になる。さらに、0.3元のキャッシュヒット価格により、エージェンティックなループで再送信されるシステムプロンプトや会話プレフィックスのコストは、ほとんどの競合他社のキャッシングよりも劇的に安くなる。Tencent自身のデモでは、モデルが72件の財務文書を一度に処理しているが、この価格帯なら、そうしたバッチ処理は予算項目ではなく、毎日実行できる手頃な業務となる。

また、ここがルーティング層が計算を変える箇所であり、この点は正確に述べる価値があります。OrcaRouterはまだTencent Hy4 Previewをルーティングしていません。Tencentはこのモデルを第三者の推論プラットフォームに開放していないため、Tencent CloudのTokenHubエンドポイントと、オープンウェイトのセルフホスト展開でのみ稼働します。当社は提供していないものを提供すると主張することはありません。しかし、価格引き下げが意味を持つようにする規律は、カタログ全体が依拠しているものと同じです。OrcaRouterはプロバイダーのリスト価格をマークアップなしでそのまま通すため、ベンダーがトークンを6元と値付けした場合、当社側で支払う額も6元であり、転売されて値上げされたものではありません。そして、ベンダーが価格を変更した日には、その変更は同じ日に当社側でも反映されます。200以上のモデルに対応する単一のAPI、いずれかのプロバイダーが一時的に障害を起こした際のプロバイダー間自動フェイルオーバー、モデルを単一の呼び出しに組み合わせるルーティングDSL——これこそが、Tencentが開放した瞬間にTencent Hy4 Previewを担うメカニズムであり、実績のない新しいモデルを実績のあるモデルの隣で実行し、どちらかに本番パスを賭けることなく運用するために、すでに利用できるメカニズムでもあります。

再読に値する主張

ローンチ資料の中の2つの点は、モデルが何をスコアしたかではなく、どのように構築されたかに関するものであり、これらは別々に注目する価値がある。

1つ目は自己改善ループです。Tencentは、Tencent Hy4 Previewが自社の研究開発に参加したと述べています。つまり、このモデルは、自身を生み出したトレーニング手法、データ戦略、評価システム、低レベル演算子を最適化するために使用されたということです。これは初期の再帰的自己強化サイクルであり、モデルが次のバージョン自身の設計を支援し、Tencentがそれを出荷可能な機能として公開するというものです。これは大きな主張であり、完全に自己申告によるものです。

2つ目は数学の成果だ。Tencentによれば、このモデルはBlaschke–Lebesgue問題—一定幅の最小体積を持つ図形に関する凸幾何学の長年の未解決問題—の既知の下限を0.380799から0.41104へと押し上げ、Meissner四面体予想に約2%まで迫ったという。Tencentはまた、32,512原子のリン脂質二重層シミュレーションで2.0倍の高速化を達成し、1ステップあたり54.9ミリ秒に短縮したと報告している。このような成果は通常、モデル単独の論文になるようなものだが、ここでは発表の目玉であり、初日の他のすべての発表と同様、これらはTencent自身の報告である。

正直なギャップ

Tencentは既知の制限事項を率直に列挙している。視覚入力やマルチモーダル入力はなく、Tencent Hy4 Previewはテキストモデルであり、それで終わりだ。つまり、画像や動画に関連するものはすべて別のモデルに任せるべきである。またTencentは、複雑なタスクでの起動が遅い挙動—最初の出力までの長い思考時間—と、過剰に自己検証する傾向、つまりすでに実行済みの作業を再確認するためにトークンを浪費することを指摘している。この組み合わせは、レイテンシに敏感なチャットにはまったく不向きであり、オフラインのバッチ処理エンジニアリング業務にはまったく許容できるものである。そこから、Tencentがどこでの実行を想定しているかがわかる。

そして最も重要な欠落は検証である。Tencent Hy4 Preview の独立したスコアは、まだどこにも存在しない。公開リーダーボードにも、第三者による評価ラボにもない。このモデルはあまりにも新しい。社内の専門家によるブラインドテストは、Tencent 自身のレビュアーが GLM-5.3 や Kimi K3 と比較してどう見ているかについての有用なシグナルではあるが、それは Tencent のレビュアーが Tencent のタスクで評価したものにすぎない。仕様書に書かれている以上のことはすべて、検証待ちの主張である。

今日実際に試してみる方法

実際の道のりは短いです。Hugging Face、GitHub、ModelScope、またはGitCodeからウェイトを取得し、vLLMまたはSGLangでそれらを提供します。リスト価格でホスト型エンドポイントが必要な場合は、Tencent CloudのTokenHub APIを呼び出してください。または、Tencentが2週間の無料トライアルを実施しているCodeBuddyやWorkBuddy内で使用することもできます。Hy3モデルの無料アクセスは9月30日までで、Tencent自身のペース（およそ2か月ごとに1つのメジャーアップデート）は、プレビューのすぐ後にHy4のフルリリースが控えていることを示しています。

正直に要約すると、オープンウェイトで770B、100万コンテキストのモデルが、入力トークン100万あたり6円で今日現在実在する。そして、それに付随する最も強いベンチマークは、誰もまだ再現していない、クローズドなフロンティアモデルとの同点というベンダーの主張にすぎない。それを取得して、自分が実際に重視するテストを実行し、価格が引き続き話題の中心となるかどうかを、証拠に判断させよう。