Tencent HY4 프리뷰, 오픈소스로 공개: 770B MoE, 1M 컨텍스트, 그리고 프런티어를 누르는 가격

2026년 8월 28일에 출시되고 오픈소스로 공개된 Tencent HY4 Preview는 여러 달 만에 중국 연구소에서 나온 진정으로 경쟁력 있는 오픈 가중치 플래그십 모델이며, 가장 놀라운 숫자는 가격입니다. Tencent는 입력 토큰 100만 개당 6위안(약 US$0.85), 출력 토큰 100만 개당 18위안(약 US$2.50)으로 가격을 책정했는데, 이는 최상위 폐쇄형 프론티어 모델이 출력에 부과하는 요금의 약 10분의 1에 해당합니다. 또한 이번에 공개된 7,700억 파라미터 규모의 전문가 혼합(MoE) 모델은 토큰당 490억 개의 파라미터가 활성화되며, 컨텍스트 창은 100만 토큰을 넘어섭니다. 이는 Hunyuan 패밀리의 Hy3(총 2,950억 파라미터, 256K 컨텍스트)의 후속작으로, 컨텍스트는 4배로 확장되고 활성 용량은 2배 이상 늘어났습니다. 가중치는 오늘부터 Hugging Face, GitHub, ModelScope, GitCode에서 다운로드할 수 있으며, 동일한 모델은 이미 Tencent 자체 제품인 WorkBuddy, 국내 및 해외 빌드의 CodeBuddy, Yuanbao 어시스턴트, ima 워크스페이스 앱에서도 사용 중입니다. 소프트웨어 엔지니어링 작업에서 오픈 가중치 모델이 프론티어에 미치지 못하는 모습을 지켜봐 온 사람들에게 이번 출시는 마침내 그 격차를 놓고 논쟁할 수 있게 만든 릴리스이며, 주의사항도 숫자만큼이나 중요합니다.

이러한 포지셔닝은 의도적입니다. Tencent는 Tencent HY4 Preview를 소프트웨어 엔지니어링, 오피스 및 데이터 분석, 게임 개발, 과학 연구라는 네 가지 영역을 위한 생산성 모델로 자리매김합니다. 엔지니어링 중점이야말로 이 모델을 범용 모델과 구분 짓는 요소입니다. 릴리스 노트는 채팅 품질이 아닌 장기 작업 이해, 계획 수립, 디버깅을 앞세웁니다. 이러한 초점은 벤치마크 표뿐 아니라 통합 목록에서도 그대로 드러납니다. CodeBuddy는 IDE에 이 모델을 통합하고, WorkBuddy는 오피스 워크플로에 이를 적용하며(Tencent는 금융 문서 72개를 단번에 소화하는 모습을 시연했습니다), 게임 개발자는 Unreal Engine 5 및 Unity용 MCP 훅을 통해 한 문장을 플레이 가능한 데모로 전환할 수 있습니다.

실제로 출시된 것

사양서는 한 줄 한 줄 읽어볼 가치가 있습니다. 각 줄이 오픈 가중치 모델이 수행할 수 있는 작업을 바꾸기 때문입니다.

• 아키텍처 — 총 770B 파라미터와 토큰당 49B 활성 파라미터를 갖춘 전문가 혼합(Mixture-of-Experts) 구조로, 약 16:1의 희소성 비율을 통해 소규모 팀이 실제로 감당할 수 있는 범위로 추론 비용을 유지합니다.

• 컨텍스트 창 — 1백만 토큰 이상, Hy3의 256K의 4배입니다. 장기 엔지니어링 작업 — 전체 저장소를 창에 담기, 다중 파일 리팩터링, 대규모 문서 배치 — 단일 요청 문제가 됩니다.

• 가중치 — Hugging Face, GitHub, ModelScope, GitCode 전반에 걸친 MIT 스타일의 오픈 릴리스입니다. 다운로드 가능하고 자체 호스팅할 수 있는 모델로, 호스팅된 티저가 아닙니다.

• API — Tencent Cloud의 TokenHub에서 제공되며, 공급업체 자체 호스팅 엔드포인트로 이용할 수 있습니다. 가격은 입력 토큰 100만 개당 6위안, 출력 토큰 100만 개당 18위안, 캐시 적중 시 토큰 100만 개당 0.3위안입니다.

• 제품 통합 — WorkBuddy, CodeBuddy(국내 및 해외), Yuanbao, ima. 즉, Tencent가 자사 앱에 탑재하는 것과 동일한 가중치를 가져와 실행할 수 있다는 의미입니다.

텐센트는 또한 출시 노트에서 좀처럼 볼 수 없는 추론 엔지니어링 수치를 보고한다. 연산자 융합과 통신 최적화를 통한 31.8%의 엔드투엔드 처리량 개선이다. 이것이 단순한 사양표 각주 이상으로 의미를 갖는 이유는, 텐센트가 HY4 프리뷰가 병목 지점을 스스로 찾아냈다고 밝혔기 때문이다. 즉, 모델이 자체 추론 스택을 분석했으며, 이러한 최적화는 컨텍스트 길이와 동시성 수준에 걸쳐 안정적인 것으로 보고되었다. 이런 세부 사항이 연구소가 연구 산출물로 출시하는 모델과, 회사가 프로덕션 트래픽이 몰릴 것으로 기대하는 모델을 구분 짓는다. 공개된 지 불과 며칠밖에 안 된 프리뷰에서, 이는 또한 텐센트 외에는 아무도 아직 검증하지 못한 종류의 주장이기도 하다.

인용할 가치가 있는 점수

Tencent가 Tencent HY4 Preview에 대해 공개한 모든 벤치마크는 벤더 자체 보고 수치입니다. 즉, Tencent 자체 평가 환경에서 실행되었고, 어떤 독립 연구소도 재현하지 못했으며, 해당 모델이 공개된 지 불과 며칠밖에 되지 않았습니다. 이 수치는 확립된 사실이 아니라 Tencent가 자체적으로 달성했다고 믿는 상한선으로 읽어야 합니다.

핵심 수치는 Terminal Bench 2.1로, 모델이 코딩하는 동안 실제 터미널을 얼마나 잘 다루는지 테스트하는 지표입니다. 텐센트는 Tencent HY4 Preview가 85.4를 기록해 Claude Opus 5와 동률을 이루고 DeepSeek V4 Pro를 능가하며, 자사 이전 모델 Hy3보다 14.6포인트 높다고 보고했습니다. 그 하나의 숫자는 많은 것을 함축합니다. 즉, 오픈 가중치 모델이 까다로운 에이전틱 코딩 테스트에서 가장 비싼 클로즈드 프론티어 모델과 동등하다는 주장이며, 독립적인 확인이 가장 필요한 주장이기도 합니다.

내부 표의 나머지 부분: 소프트웨어 엔지니어링 벤치마크인 DeepSWE는 Hy3에서 28.0에서 64.3으로 뛰어오르는데, Tencent는 이를 1군 모델과의 "격차를 점차 좁히는 것"이라고 설명합니다. 도구 호출 테스트인 Toolathlon-Verified에서는 74.1점을 기록하며, Tencent는 이 점수가 Qwen 3.8 Max와 GPT-5.6 Sol을 능가하고 Kimi K3와 Claude Opus 5에 근접한다고 말합니다. APEX-Agents pass@1에서는 37.1로, Kimi K3의 37.2에 아주 근소한 차이로 뒤처집니다. 또한 별도의 내부 블라인드 테스트에서 163명의 전문가가 203개의 엔지니어링 작업을 4.00점 만점에 2.99점으로 평가하여, GLM-5.3의 2.92점과 Kimi K3의 2.94점을 근소하게 앞질렀습니다.

두 가지 패턴이 두드러진다. 첫째, 모든 강력한 수치는 에이전틱 엔지니어링 작업(터미널 구동, 도구 호출, 리포지토리 규모 작업)과 관련된 것이며, 일반적인 지식이나 추론과는 무관하다. 이는 우연이 아니라 생산성 포지셔닝과 일치한다. 둘째, 텐센트는 DeepSWE와 다른 모델들을 설명할 때 격차를 '좁히는' 것이지 '해소하는' 것이 아니라고 신중하게 표현한다. 명확하고 마케팅에 활용할 수 있는 유일한 동등성 주장은 Terminal Bench 2.1 동률이며, 이는 자체 워크로드로 테스트해 볼 가치가 가장 높은 주장이다.

가격이 실제로 의미하는 것

가격 책정은 릴리스가 흥미로움을 넘어 파괴적으로 변하는 지점이다. Tencent의 정가 기준으로 백만 입력 토큰의 비용은 일부 플랫폼에서 중급 API 호출 한 번의 비용과 거의 같다. 백만 출력 토큰당 18위안(~US$2.50)이라는 수치는 최고 수준의 폐쇄형 프론티어 모델의 백만 출력 토큰당 25달러보다 훨씬 낮으며, 0.3위안의 캐시 적중률은 동일한 시스템 프롬프트와 대화 접두사가 지속적으로 재전송되는 긴 에이전트 루프를 비정상적으로 저렴하게 실행할 수 있게 해준다.

이것은 또한 라우팅 레이어가 계산을 바꾸는 유일한 지점입니다. OrcaRouter는 아직 Tencent HY4 Preview를 라우팅하지 않습니다 — Tencent가 이 모델을 제3자 추론 플랫폼에 공개하지 않았기 때문에, 이 모델은 Tencent Cloud 자체 TokenHub 엔드포인트와 오픈 가중치의 자체 호스팅 배포에서 실행되며, 우리는 제공하지 않는 것을 제공한다고 주장하지 않습니다. 하지만 가격 인하가 의미를 갖게 만드는 원칙은 카탈로그의 나머지 부분이 따르는 것과 동일합니다: OrcaRouter는 공급업체의 정가를 마크업 없이 그대로 전달하므로, Tencent와 같은 공급업체가 토큰을 6위안에 책정하면 우리 측에서 지불하는 금액도 6위안이며, 재판매되어 마크업이 붙은 버전이 아닙니다. 그리고 공급업체가 가격을 변경하는 날, 그 변경 사항은 같은 날 우리 측에도 반영됩니다. 200개 이상의 모델을 위한 하나의 API, 공급업체 하나에 문제가 생기면 공급업체 간 자동 장애 조치, 그리고 모델을 구성하기 위한 라우팅 DSL — 이것이 Tencent HY4 Preview가 라우팅 가능해지는 순간 이를 처리할 메커니즘으로, 이미 카탈로그에 있는 다른 오픈 및 클로즈드 모델과 함께 제공될 것입니다.

스펙 시트에 맞지 않는 부분들

출시 자료에 담긴 두 가지 주장은 모델의 점수가 아니라 모델이 어떻게 구축되었는지에 관한 것이므로 별도의 주의를 기울일 가치가 있다.

{{1}}첫 번째는 자기 개선 루프입니다.{{/1}} {{2}}Tencent는 Tencent HY4 Preview가 자체 연구 개발에 참여했다고 밝혔습니다. 즉, 이 모델을 탄생시킨 훈련 방법, 데이터 전략, 평가 시스템, 그리고 기반 연산자를 최적화하는 데 사용되었다는 뜻입니다.{{/2}} {{3}}31.8%의 처리량 향상은 이 루프에서 나온 가장 구체적인 공개 성과입니다. Tencent는 이 성과를 모델이 자체 서빙 스택에서 식별한 병목 현상 덕분으로 돌립니다.{{/3}} {{4}}이는 초기 단계의 재귀적 자기 향상 사이클입니다. 모델이 자기 자신의 다음 버전 설계를 돕는 것입니다.{{/4}} {{5}}프런티어 연구소가 이러한 사례의 일부를 보고하는 것은 드문 일이 아닙니다. 그러나 중국의 오픈 웨이트 모델이 이 루프를 출시된 기능으로 공개적으로 설명하는 것은 이러한 릴리스가 스스로를 소개하는 방식에 있어 중대한 변화입니다.{{/5}}

두 번째는 수학적 결과입니다. Tencent는 이 모델이 볼록기하학의 오랜 미해결 문제인 Blaschke–Lebesgue 문제 — 일정한 폭을 가진 최소 부피 도형에 관한 문제 — 의 알려진 부피 하한을 0.380799에서 0.41104로 끌어올려, Meissner 사면체 추측의 경계에 약 2% 이내로 접근했다고 보고합니다. Tencent는 또한 과학 연구 트랙에서 32,512개 원자로 구성된 인지질 이중층 시뮬레이션의 속도를 2.0배 향상시켜 단계당 54.9밀리초까지 단축했다고 보고합니다. 이러한 종류의 결과는 보통 모델이 자체 논문을 갖게 만드는 성과입니다. 그런데 여기서는 출시 홍보 문구에 불과하며, 다른 출시 자료와 마찬가지로 이 역시 Tencent 자체의 설명입니다.

솔직히 무엇이 빠져 있나요?

텐센트는 알려진 한계점을 솔직하게 명시하며, 이는 이 모델로 무엇을 만들지 결정하는 모든 사람에게 중요한 사항이다. 비전 또는 멀티모달 입력은 없다 — Tencent HY4 Preview는 순수 텍스트 모델이며, 그렇기에 이미지나 비디오 관련 작업은 다른 모델에서 처리해야 한다. 텐센트는 또한 이 모델이 복잡한 작업에서 느린 시작 동작(첫 출력 전 긴 사고)과 과도한 자체 검증 경향(이미 수행한 작업을 다시 확인하며 토큰을 소모)을 보인다고 지적한다. 이러한 조합은 지연 시간에 민감한 채팅에는 정확히 부적합하고, 오프라인 배치 엔지니어링 작업에는 정확히 감당할 만하다 — 이는 텐센트가 이 모델을 어디에서 실행하도록 의도하는지를 말해준다.

그리고 가장 중요한 부재는 검증이다. Tencent HY4 Preview에 대한 독립적인 점수는 아직 어디에도 없다 — 공개 리더보드에도, 제3자 평가 기관에도, Artificial Analysis 등재조차 없다. 그 모델은 그러기에는 너무 새롭다. 내부 전문가 블라인드 테스트는 Tencent 자체 검토자들이 GLM-5.3 및 Kimi K3와 비교해 어떻게 보는지에 대한 유용한 신호이지만, 이는 Tencent의 과제에 대한 Tencent 검토자들의 평가일 뿐이다. 사양서 이상의 모든 것은 검증을 기다리는 주장이다.

오늘 무게를 당길 사람은 누구일까요?

솔직한 답은 이번 릴리스가 두 가지 대상 청중으로 깔끔하게 나뉜다는 것입니다. 자체 인프라에서 엔지니어링 워크로드를 실행하고 있고 폐쇄형 API의 비용 구조 때문에 망설여 왔다면, Tencent HY4 Preview는 지금 당장 주말 동안 진지하게 테스트해볼 가치가 있습니다. 가중치가 공개되어 있고, 컨텍스트 윈도우는 리포지토리 규모이며, 목록 가격은 출력 100만 토큰당 25달러짜리 모델로는 절대 불가능한 방식으로 긴 에이전트 루프를 감당할 수 있게 해줍니다. 지연 시간에 민감한 프로덕션 채팅, 멀티모달 작업, 또는 공급업체 자체 벤치마크만을 유일한 근거로 삼는 모델을 감당할 수 없는 상황이라면 기다리세요. Tencent가 2월부터 유지해온 2개월 반복 릴리스 주기를 보면 완전한 Hy4 릴리스가 멀지 않았으며, 프리뷰는 명시적으로 알려진 결점이 있는 초기 반복 버전입니다.

실용적인 중간 경로는 라우팅 패턴입니다. 검증된 모델을 핵심 경로에 두고 새 모델을 그 옆에서 실행하며, 비용 프로필이 유리한 작업에서는 Tencent HY4 Preview로 전환하고 그렇지 않을 때는 자동으로 폴백하는 방식입니다. 라우터가 존재하는 이유가 바로 이 패턴입니다. Claude Opus 5, DeepSeek V4 Pro, Gemini 3.1 Pro를 각 공급업체의 공식 가격으로 제공하는 바로 그 OrcaRouter가, Tencent가 이 모델을 공개하는 날에는 이 모델도 함께 실어 나를 것입니다. 그때까지 가중치는 GitHub에, API는 Tencent Cloud에 있으며, 오픈 가중치 모델이 에이전틱 코딩 최상위권에 도달했다는 주장에 마침내 구체적인 숫자가 붙었습니다. 그 숫자는 Tencent의 것이고, 검증은 여러분의 몫입니다.