O preview do Tencent Hy4 está disponível: um MoE de 770B com contexto de um milhão de tokens a ¥6 por milhão de tokens de entrada.

Tencent Hy4 Preview, lançado e de código aberto em 28 de agosto de 2026, é o terceiro modelo principal da Tencent em seis meses, e é o que deixa de ser um marco de pesquisa e passa a ser um evento de preços. É um modelo de mistura de especialistas com 770 bilhões de parâmetros — 49 bilhões ativos por token — e uma janela de contexto nativa de um milhão de tokens, lançado sob a Licença Apache 2.0 em BF16 e FP8, disponível para download hoje no Hugging Face, GitHub, ModelScope e GitCode. E a Tencent está cobrando 6 yuans por milhão de tokens de entrada e 18 yuans por milhão de tokens de saída, cerca de US$ 0,83 e US$ 2,50, o que coloca um modelo de pesos abertos de primeira linha abaixo de quase todos os modelos de fronteira fechados do mercado. Um lançamento, três faces: pesos abertos que você mesmo pode executar, uma API no TokenHub da Tencent Cloud e os mesmos pesos já em operação nos próprios produtos da Tencent — WorkBuddy, CodeBuddy, Yuanbao e ima. Aqui está o que realmente foi lançado, o que a Tencent afirma que ele pontua e o que ninguém verificou até agora.

A história da engenharia importa mais do que a contagem de parâmetros, porque cada peça é uma alavanca de custo. O modelo tem 78 camadas de profundidade: a primeira é uma rede feed-forward densa padrão, e as 77 restantes são camadas MoE com 256 especialistas roteados mais um especialista compartilhado cada, ativando os 8 principais especialistas roteados por token. Essa proporção de esparsidade de aproximadamente 16:1 é o que torna um modelo de 770B acessível para servir — apenas uma fatia de 49B trabalha em qualquer token. Uma camada dedicada de predição multi-token (10B parâmetros, 0.7B ativos) permite decodificação especulativa, e a pilha de atenção usa DeepSeek Sparse Attention com gate e um IndexCache para manter o uso de memória de contexto longo sob controle. O raciocínio é comutável entre um modo de pensamento longo code>high/code> modo e um modo de economia de tokens code>no_think/code> modo. Esses são os detalhes que determinam se o preço de manchete sobrevive ao contato com uma carga de trabalho real, não se o modelo consegue escrever um haicai.

A ficha técnica, anotada

Leia as notas de versão linha por linha, porque cada linha muda silenciosamente o que um modelo de pesos abertos pode fazer.

• Parâmetros — 770B no total, 49B ativos por token, uma taxa de esparsidade de ~16:1 que mantém o custo de execução em uma faixa que uma equipe pequena pode realmente pagar.

• Contexto — uma janela nativa de 1.048.576 tokens, quatro vezes os 256K do Hy3. Um repositório completo, uma refatoração de vários arquivos, um pacote financeiro de 72 documentos — problemas de uma única solicitação.

• Licença — Apache License 2.0 tanto para o original BF16 quanto para a versão quantizada FP8, o que significa auto-hospedagem, fine-tuning e uso comercial sem cláusula proprietária.

• Stack de inferência — a Tencent lista vLLM e SGLang como os frameworks de serving suportados, os dois que o ecossistema de pesos abertos realmente adota como padrão.

• API — Endpoint TokenHub da Tencent Cloud a ¥6 por milhão de tokens de entrada, ¥18 por milhão de tokens de saída, ¥0,3 por milhão em acertos de cache.

• Integração de produto — os mesmos pesos que a Tencent disponibiliza no WorkBuddy, CodeBuddy (nacional e internacional), Yuanbao e ima são os que você pode baixar e executar. O CodeBuddy oferece um teste gratuito de duas semanas do modelo no lançamento.

Tencent também reporta um número de engenharia de inferência que raramente aparece em notas de lançamento: uma melhoria de 31,8% no throughput de ponta a ponta resultante da fusão de operadores e da otimização de comunicação. Esse é o tipo de detalhe que separa um modelo que um laboratório lança como artefato de pesquisa de um modelo que uma empresa espera que receba tráfego de produção. No dia do lançamento, é também exatamente o tipo de afirmação que ninguém fora da Tencent ainda mediu.

As pontuações que valem a pena citar

Cada benchmark que a Tencent publicou para o Tencent Hy4 Preview é relatado pelo fornecedor — executado no próprio ambiente de avaliação da Tencent, não reproduzido por nenhum laboratório independente, e o modelo está público há menos de um dia. Leia-os como o teto que a Tencent acredita ter atingido.

O número de destaque é o Terminal Bench 2.1, um teste de quão bem um modelo opera um terminal real durante a codificação. A Tencent reporta 85,4, que segundo ela empata com o Claude Opus 5 e supera o DeepSeek V4 Pro, e que vence seu próprio antecessor, o Hy3, por 14,6 pontos. Esse número único está fazendo muito trabalho — é a afirmação que coloca um modelo de pesos abertos em paridade com os modelos de fronteira fechados mais caros em um teste difícil de codificação agêntica — e é a afirmação que mais precisa de confirmação independente. O restante da tabela interna: o DeepSWE salta de 28,0 no Hy3 para 64,3, o que a Tencent descreve como "reduzindo gradualmente a distância" em relação aos modelos de primeira linha; o Toolathlon-Verified, um teste de chamada de ferramentas, chega a 74,1; APEX-Agents pass@1 em 37,1, um pouco atrás dos 37,2 do Kimi K3; SWE-bench Pro em 65,7 e SWE-bench Multilingual em 82,9. Em um teste cego interno separado, 163 especialistas avaliaram 203 tarefas de engenharia com nota 2,99 em 4,00, superando por pouco os 2,92 do GLM-5.3 e os 2,94 do Kimi K3.

Dois padrões se destacam. Primeiro, todos os números fortes estão no trabalho de engenharia agêntica — condução de terminal, chamada de ferramentas, tarefas em escala de repositório — e nenhum está em chat genérico ou conhecimento, consistente com o posicionamento da Tencent do modelo como "construído para produtividade" em engenharia de software, escritório e análise de dados, desenvolvimento de jogos e pesquisa científica. Segundo, a Tencent é cuidadosa ao descrever o DeepSWE e os demais como estreitando, não fechando, lacunas. A única afirmação de paridade limpa e comercializável é o empate no Terminal Bench 2.1, e é a afirmação que mais vale a pena testar com sua própria carga de trabalho.

O que ¥6 por milhão realmente compra

É na precificação que o lançamento deixa de ser interessante e passa a ser disruptivo. A 18 yuans por milhão de tokens de saída — cerca de US$ 2,50 — uma longa sessão de codificação agêntica que consome um milhão de tokens de saída custa aproximadamente um décimo do que a mesma sessão custaria em um modelo de fronteira fechado de primeira linha, e a taxa de acerto de cache de 0,3 yuan torna os prompts de sistema reenviados e os prefixos de conversação de um loop de agentes dramaticamente mais baratos do que o cache da maioria dos concorrentes. A própria demonstração da Tencent mostra o modelo processando 72 documentos financeiros em uma única passada; com essas taxas, esse tipo de lote é um trabalho diário acessível, em vez de uma rubrica orçamentária.

Este é também o ponto em que a camada de roteamento muda a matemática, e vale a pena ser preciso sobre isso. O OrcaRouter ainda não roteia o Tencent Hy4 Preview — a Tencent não abriu este modelo para plataformas de inferência de terceiros, então ele roda no endpoint TokenHub da Tencent Cloud e em implantações auto-hospedadas dos pesos abertos, e não afirmamos servir o que não servimos. Mas a disciplina que faz um corte de preço importar é a mesma que o resto do catálogo segue: o OrcaRouter repassa os preços de tabela dos provedores com margem zero, então quando um fornecedor precifica um token em 6 yuan, o número que você paga do nosso lado é 6 yuan, não uma versão revendida e com margem de lucro — e no dia em que um fornecedor muda um preço, a mudança entra em vigor do nosso lado no mesmo dia. Uma API para mais de 200 modelos, failover automático entre provedores quando um deles apresenta falhas, e um DSL de roteamento para compor modelos em uma única chamada: esse é o mecanismo que carregará o Tencent Hy4 Preview no momento em que a Tencent o abrir, e é o mecanismo que você já pode usar para executar um modelo novo e não comprovado ao lado de um comprovado, sem apostar seu caminho de produção em nenhum dos dois.

As afirmações que merecem uma segunda leitura.

Duas coisas no material de lançamento são sobre como o modelo foi construído, não sobre o que ele pontuou, e merecem atenção separada.

O primeiro é o ciclo de autoaperfeiçoamento. A Tencent afirma que o Tencent Hy4 Preview participou de sua própria pesquisa e desenvolvimento — foi usado para otimizar os métodos de treinamento, a estratégia de dados, os sistemas de avaliação e os operadores de baixo nível que o produziram. Esse é um ciclo inicial de autoaprimoramento recursivo: um modelo ajudando a projetar a próxima versão de si mesmo, e a Tencent o publicando como um recurso disponibilizado. É uma afirmação ousada, e é inteiramente autorrelatada.

O segundo é um resultado matemático. A Tencent relata que o modelo avançou o limite inferior conhecido do problema de Blaschke–Lebesgue — uma questão em aberto de longa data na geometria convexa sobre o corpo de volume mínimo com largura constante — de 0,380799 para 0,41104, aproximando-se de cerca de 2% da conjectura do tetraedro de Meissner. A Tencent também relata uma aceleração de 2,0x em uma simulação de bicamada de fosfolipídios com 32.512 átomos, reduzindo para 54,9 milissegundos por etapa. Resultados como esses geralmente rendem a um modelo seu próprio artigo; aqui, são tópicos de lançamento e, como tudo mais no primeiro dia, são relatos da própria Tencent.

As lacunas honestas

A Tencent lista as limitações conhecidas de forma clara. Não há visão nem entrada multimodal — o Tencent Hy4 Preview é um modelo de texto, ponto final. Portanto, qualquer coisa relacionada a imagens ou vídeos pertence a outro modelo. A Tencent também sinaliza comportamento de inicialização lenta em tarefas complexas — raciocínio longo antes da primeira saída — e uma tendência a se autoverificar em excesso, queimando tokens para revisar trabalhos que já foram concluídos. Essa combinação é exatamente errada para chat sensível à latência e exatamente tolerável para trabalho de engenharia em lote offline, o que indica onde a Tencent espera que você o execute.

E a ausência mais importante é a verificação. Ainda não há pontuações independentes para o Tencent Hy4 Preview em lugar nenhum — nem em um ranking público, nem de um laboratório de avaliação terceirizado. O modelo é novo demais. O teste cego interno de especialistas é um sinal útil sobre como os próprios revisores da Tencent o veem em comparação com GLM-5.3 e Kimi K3, mas são os revisores da Tencent nas tarefas da Tencent. Tudo o que está além da ficha técnica é uma afirmação que aguarda verificação.

Como realmente experimentar isso hoje

O caminho prático é curto. Baixe os pesos do Hugging Face, GitHub, ModelScope ou GitCode e sirva-os com vLLM ou SGLang; chame a API TokenHub da Tencent Cloud se quiser um endpoint hospedado pelo preço de tabela; ou use-o dentro do CodeBuddy ou WorkBuddy, onde a Tencent está oferecendo um teste gratuito de duas semanas. O acesso gratuito ao modelo Hy3 vai até 30 de setembro, e o ritmo da própria Tencent — aproximadamente uma grande iteração a cada dois meses — aponta para um lançamento completo do Hy4 não muito depois da prévia.

O resumo honesto: um modelo de peso aberto, 770B, com contexto de um milhão de tokens a ¥6 por milhão de tokens de entrada é algo real que existe hoje, e o benchmark mais forte associado a ele é uma afirmação do fornecedor sobre um empate com um modelo fechado de fronteira que ninguém reproduziu ainda. Baixe-o, execute o teste que realmente importa para você e deixe as evidências decidirem se o preço continua sendo a história.