Tencent HY4 Preview теперь с открытым исходным кодом: 770B MoE, контекст 1M и цена ниже, чем у фронтирных моделей.

Выпущенный в открытый доступ 28 августа 2026 года Tencent HY4 Preview — первый по-настоящему конкурентоспособный флагман с открытыми весами от китайской лаборатории за последние месяцы, и самая удивительная его цифра — цена. Tencent оценивает модель в 6 юаней (~0,85 доллара США) за миллион входных токенов и 18 юаней (~2,50 доллара США) за миллион выходных — примерно десятая часть того, что берёт за выходные токены ведущая закрытая модель уровня frontier, — публикуя при этом модель смеси экспертов с 770 миллиардами параметров, из которых 49 миллиардов активны на каждый токен, и контекстным окном, превышающим миллион токенов. Это преемник модели Hy3 семейства Hunyuan (всего 295B, контекст 256K), и новая модель учетверяет этот контекст, более чем вдвое увеличивая активную ёмкость. Веса доступны для скачивания уже сегодня на Hugging Face, GitHub, ModelScope и GitCode; та же модель уже работает в собственных продуктах Tencent: WorkBuddy, CodeBuddy во внутренней и международной сборках, ассистенте Yuanbao и рабочем приложении ima. Для тех, кто следил за тем, как модели с открытыми весами не дотягивают до уровня frontier в разработке ПО, этот релиз наконец делает разрыв спорным — и оговорки здесь не менее важны, чем цифры.

{{1}}Это позиционирование неслучайно.{{/1}} {{2}}Tencent представляет Tencent HY4 Preview как модель продуктивности для четырёх областей: разработки ПО, офисной работы и анализа данных, игровой разработки и научных исследований.{{/2}} {{3}}Именно инженерный акцент отличает её от массы универсальных моделей — в примечаниях к релизу на первом месте понимание долгосрочных задач, планирование и отладка, а не качество чата.{{/3}} {{4}}Этот фокус заметен как в списке интеграций, так и в таблице бенчмарков: CodeBuddy получает модель в свою IDE, WorkBuddy — в офисные рабочие процессы (Tencent демонстрирует, как она перерабатывает 72 финансовых документа за один проход), а игровые разработчики получают MCP-хуки для Unreal Engine 5 и Unity, которые превращают одно предложение в играбельное демо.{{/4}}

Что на самом деле было выпущено

Спецификацию стоит читать построчно, потому что каждая строка меняет то, что разрешено делать модели с открытыми весами.

Архитектура — Mixture-of-Experts с 770B суммарных параметров и 49B активных на токен, что даёт соотношение разреженности примерно 16:1 и удерживает стоимость инференса в пределах, доступных небольшой команде.

• Контекстное окно — более 1 миллиона токенов, в четыре раза больше, чем 256K у Hy3. Долгосрочные инженерные задачи — полный репозиторий в окне, многофайловый рефакторинг, большой пакет документов — становятся задачами одного запроса.

• Веса — открытый релиз в стиле MIT на Hugging Face, GitHub, ModelScope и GitCode. Это загружаемая модель для самостоятельного размещения, а не размещённый в облаке тизер.

• API — доступен в Tencent Cloud's TokenHub, собственной размещенной конечной точке вендора, по цене 6 юаней за миллион входных токенов, 18 юаней за миллион выходных токенов и 0,3 юаня за миллион токенов при попадании в кэш.

• Интеграция продуктов — WorkBuddy, CodeBuddy (внутренняя и международная), Yuanbao и ima, то есть вы можете загрузить и запустить те же веса, которые Tencent использует в своих приложениях.

Tencent также сообщает об инженерном показателе инференса, который редко попадает в анонсы запуска: повышение сквозной пропускной способности на 31,8% за счёт слияния операторов и оптимизации коммуникаций. Это не просто сноска в спецификации: по словам Tencent, Tencent HY4 Preview сама обнаружила узкие места — модель проанализировала собственный стек инференса, и, как сообщается, оптимизации сохраняют стабильность при разных длинах контекста и уровнях конкурентности. Именно такие детали отличают модель, которую лаборатория выпускает как исследовательский артефакт, от модели, на которую, по ожиданиям компании, обрушится производственный трафик. А в случае предварительной версии, доступной публично лишь несколько дней, это к тому же ровно то утверждение, которое за пределами Tencent пока никто не проверил.

Результаты, которые стоит процитировать

Все бенчмарки, опубликованные Tencent для Tencent HY4 Preview, являются данными самого вендора — они получены на собственной оценочной инфраструктуре Tencent, не воспроизведены ни одной независимой лабораторией, а модель находится в открытом доступе лишь несколько дней. Относитесь к ним как к потолку, которого, по мнению Tencent, удалось достичь, а не как к установленному факту.

Главный показатель — Terminal Bench 2.1, тест того, насколько хорошо модель управляет реальным терминалом при написании кода. Tencent сообщает, что Tencent HY4 Preview набирает 85,4, что, по его словам, позволяет сравняться с Claude Opus 5 и превзойти DeepSeek V4 Pro, а также превзойти своего предшественника Hy3 на 14,6 балла. Эта одна цифра делает много работы — это утверждение, которое ставит модель с открытыми весами на один уровень с самыми дорогими закрытыми фронтирными моделями в сложном тесте агентного написания кода — и именно это утверждение больше всего нуждается в независимом подтверждении.

Остальная часть внутренней таблицы: DeepSWE, бенчмарк для разработки ПО, прыгает с 28.0 на Hy3 до 64.3, что Tencent описывает как «постепенное сокращение разрыва» с моделями первого уровня. На Toolathlon-Verified, тесте на вызов инструментов, он набирает 74.1, что, по словам Tencent, превосходит Qwen 3.8 Max и GPT-5.6 Sol и приближается к Kimi K3 и Claude Opus 5. На APEX-Agents pass@1 он показывает 37.1, совсем немного отставая от 37.2 у Kimi K3. А в отдельном внутреннем слепом тесте 163 эксперта оценили 203 инженерные задачи на 2.99 из 4.00, немного опередив 2.92 у GLM-5.3 и 2.94 у Kimi K3.

Выделяются две закономерности. Во-первых, все сильные показатели относятся к агентной инженерной работе — управлению терминалом, вызову инструментов, задачам масштаба репозитория — и ни один не относится к общим знаниям или рассуждениям, что согласуется с позиционированием продуктивности, а не является совпадением. Во-вторых, Tencent осторожно описывает DeepSWE и другие модели как сокращающие, а не устраняющие разрывы. Единственное чёткое и коммерчески привлекательное заявление о паритете — это ничья в Terminal Bench 2.1, и именно это заявление стоит проверить на собственной нагрузке.

Что на самом деле дает эта цена

{{1}}Ценообразование — вот где релиз перестаёт быть просто интересным и становится прорывным.{{/1}} {{2}}По прейскуранту Tencent, миллион входных токенов стоит примерно столько же, сколько один вызов API среднего уровня на некоторых платформах.{{/2}} {{3}}Показатель в 18 юаней за миллион выходных токенов (~2,50 доллара США) значительно ниже цены в 25 долларов за миллион выходных токенов у ведущей закрытой фронтирной модели, а частота попаданий в кэш в 0,3 юаня делает длинные агентные циклы — где один и тот же системный промпт и префиксы диалога постоянно переотправляются — необычайно дешёвыми в эксплуатации.{{/3}}

Это также то самое место, где слой маршрутизации меняет расчёт. OrcaRouter пока не маршрутизирует Tencent HY4 Preview — Tencent ещё не открыл эту модель для сторонних инференс-платформ, поэтому она работает на собственном эндпоинте TokenHub в Tencent Cloud и на self-hosted развёртываниях открытых весов, и мы не заявляем, что обслуживаем то, чего не обслуживаем. Но дисциплина, благодаря которой снижение цены имеет значение, — та же, на которой работает весь остальной каталог: OrcaRouter пропускает прейскурантные цены провайдеров без наценки, поэтому, когда такой вендор, как Tencent, оценивает токен в 6 юаней, с нашей стороны вы платите 6 юаней, а не перепроданную версию с наценкой, и в тот же день, когда вендор меняет цену, изменение вступает в силу и на нашей стороне. Один API для 200+ моделей, автоматическое переключение между провайдерами при сбое одного из них и маршрутизирующий DSL для компоновки моделей — это тот механизм, который задействует Tencent HY4 Preview, как только тот станет маршрутизируемым, наряду с другими открытыми и закрытыми моделями, уже находящимися в каталоге.

То, что не умещается в спецификацию

В стартовых материалах два утверждения заслуживают отдельного внимания, поскольку они касаются того, как была построена модель, а не того, какие результаты она показала.

Первое — это цикл самосовершенствования. Tencent сообщает, что Tencent HY4 Preview участвовал в собственных исследованиях и разработке — он использовался для оптимизации методов обучения, стратегии работы с данными, систем оценки и нижележащих операторов, которые его создали. Прирост пропускной способности на 31,8% — наиболее конкретный публичный результат этого цикла: Tencent объясняет его узкими местами, которые модель выявила в собственном стеке инференса. Это начальный рекурсивный цикл самоулучшения: модель помогает проектировать следующую версию самой себя. Для передовой лаборатории не редкость сообщать об отдельных элементах такого подхода, но то, что китайская модель с открытыми весами публично описывает этот цикл как уже реализованную возможность, — это качественный скачок в том, как подобные релизы говорят о себе.

Второе — это математический результат. Tencent сообщает, что модель улучшила известную нижнюю границу объёма в задаче Бляшке–Лебега — давнем открытом вопросе в выпуклой геометрии о теле постоянной ширины минимального объёма — с 0,380799 до 0,41104, так что теперь она отличается от границы, задаваемой гипотезой о тетраэдре Мейсснера, примерно на 2%. Tencent также сообщает об ускорении в 2,0 раза в моделировании фосфолипидного бислоя из 32 512 атомов в научно-исследовательской категории: время снизилось до 54,9 миллисекунды на шаг. Это результаты такого рода, которые обычно приносят модели отдельную научную статью; здесь же они — пункты в анонсе запуска, и, как и остальной материал запуска, это собственный отчёт Tencent.

Чего не хватает, честно?

Tencent прямо перечисляет известные ограничения, и они важны для любого, кто решает, что строить на этой модели. Визуального или мультимодального ввода нет — Tencent HY4 Preview — это текстовая модель, и точка, так что всё, что связано с изображениями или видео, относится к другой модели. Tencent также отмечает, что модель демонстрирует медленный старт на сложных задачах — долгое обдумывание перед первым выводом — и склонность к чрезмерной самопроверке, сжигая токены на перепроверку уже выполненной работы. Эта комбинация совершенно не подходит для чатов, чувствительных к задержке, и вполне терпима для автономной пакетной инженерной работы, что говорит о том, где Tencent ожидает её запускать.

И самое важное отсутствие — это верификация. Независимых оценок для Tencent HY4 Preview пока нет нигде: ни в публичных рейтингах, ни от сторонних оценочных лабораторий, ни даже записи в Artificial Analysis. Модель слишком новая для этого. Внутренний экспертный слепой тест — полезный сигнал о том, как собственные рецензенты Tencent видят её в сравнении с GLM-5.3 и Kimi K3, но это рецензенты Tencent на задачах Tencent. Всё, что выходит за рамки спецификации, — это утверждение, ожидающее проверки.

Кому сегодня тянуть веса?

Честный ответ: этот релиз чётко делится на две аудитории. Если вы запускаете инженерные нагрузки на собственной инфраструктуре и вас сдерживала экономика закрытых API, Tencent HY4 Preview заслуживает серьёзного тестирования на выходных прямо сейчас: веса открыты, контекстное окно размером с репозиторий, а прейскурантная цена делает длинный агентный цикл доступным так, как модель за $25 за миллион выходных токенов никогда не сможет. Если вы запускаете чувствительный к задержкам продакшн-чат, или что-то мультимодальное, или что-то, где вы не можете позволить себе модель, чьё единственное доказательство — собственные бенчмарки вендора, подождите: двухмесячный цикл итераций, которого Tencent придерживается с февраля, говорит о том, что полноценный релиз Hy4 не за горами, а превью — это явно ранняя итерация с известными недостатками.

Практичный средний путь — это паттерн маршрутизации: запустите проверенную модель на критическом пути, а новую — рядом с ней, подключая Tencent HY4 Preview на задачах, где её ценовой профиль выигрывает, и автоматически откатываясь, когда это не так. Именно для такого паттерна и существует маршрутизатор — тот самый OrcaRouter, который обслуживает Claude Opus 5, DeepSeek V4 Pro и Gemini 3.1 Pro по ценам их провайдеров, возьмётся и за эту модель в день, когда Tencent откроет к ней доступ. А пока веса лежат на GitHub, API — в Tencent Cloud, и утверждение, что модель с открытыми весами достигла высшего уровня агентной разработки кода, наконец получило конкретную цифру. Эта цифра — от Tencent. А тест — ваш.