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

Tencent HY4 Preview, выпущенный и опубликованный в открытом доступе 28 августа 2026 года, — первая по-настоящему конкурентоспособная флагманская модель с открытым весом из китайской лаборатории за последние месяцы, и самое удивительное в ней — цена. Tencent указывает цену в 6 юаней (~0,85 доллара США) за миллион входных токенов и 18 юаней (~2,50 доллара США) за миллион выходных токенов — примерно десятая часть того, что топовая закрытая фронтирная модель берёт за вывод, — при этом публикуя модель смеси экспертов с 770 миллиардами параметров, из которых 49 миллиардов активны на каждый токен, с контекстным окном, превышающим миллион токенов. Это преемник модели Hy3 семейства Hunyuan (всего 295B, контекст 256K), и она вчетверо увеличивает контекст, более чем вдвое повышая активную мощность. Веса уже доступны для загрузки сегодня на Hugging Face, GitHub, ModelScope и GitCode, и эта же модель уже работает в собственных продуктах Tencent: WorkBuddy, CodeBuddy в отечественных и международных версиях, ассистент Yuanbao и рабочее приложение ima. Для всех, кто наблюдал, как модели с открытым весом не дотягивают до фронтира в задачах разработки ПО, это релиз, который наконец делает разрыв оспоримым — и оговорки здесь не менее важны, чем цифры. Десять дней спустя две оговорки, которые с наибольшей вероятностью затронут производственных пользователей, уже стали целью первого обновления Tencent для живой превью-сборки: 7 сентября компания выпустила оптимизацию, теперь доступную всем, которая, по её словам, сокращает количество «шагов рассуждения» модели и потребление токенов на задачу при выполнении сложной работы.

{{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 под лицензией Apache 2.0 на Hugging Face, GitHub, ModelScope и GitCode. Это загружаемая модель, которую можно развернуть самостоятельно, а не размещённый на сервере 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 о показателе инженерной оптимизации инференса, который редко появляется в анонсах запуска: улучшение сквозной пропускной способности на 31,8% за счёт слияния операторов и оптимизации коммуникаций. От сноски в спецификации это отличает то, что Tencent утверждает: Tencent HY4 Preview сам обнаружил узкие места — модель проанализировала собственный стек вывода, и, по заявлению компании, оптимизации стабильны при различных длинах контекста и уровнях параллелизма. Это та самая деталь, которая отличает модель, выпускаемую лабораторией как исследовательский артефакт, от модели, на которую, как ожидает компания, ляжет производственный трафик. Для превью, находящегося в открытом доступе менее двух недель, это также ровно то утверждение, которое ещё никто за пределами Tencent не проверил.

Результаты, которые стоит процитировать

Каждый бенчмарк, который Tencent опубликовала для Tencent HY4 Preview, является отчётом вендора — он был выполнен на собственной оценочной среде Tencent, не воспроизведён ни одной независимой лабораторией, а модель находится в открытом доступе менее двух недель. Воспринимайте их как потолок, которого, по мнению Tencent, она достигла, а не как установленный факт.

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

Ценообразование — это тот момент, когда релиз перестаёт быть интересным и становится разрушительным. По прейскуранту Tencent, миллион входных токенов стоит примерно столько же, сколько один вызов API среднего уровня на некоторых платформах. Показатель в 18 юаней за миллион выходных токенов (~2,50 доллара США) значительно ниже 25 долларов за миллион выходных токенов у лучшей закрытой передовой модели, а тариф 0,3 юаня за попадание в кэш делает длинные агентские циклы — когда один и тот же системный промпт и префиксы диалога постоянно пересылаются — необычайно дешёвыми в эксплуатации. Обновление от 7 сентября меняет эффективную сторону этой математики: поскольку Tencent выставляет счёт за токены, сокращение числа раундов рассуждений и количества входных и выходных токенов, потребляемых каждой задачей, снижает стоимость выполненной задачи, даже если заявленная цена за токен не изменилась. Собственные бенчмарки Tencent и проверки human-eval служат доказательством размера этой экономии, поэтому относитесь к ним как к заявленным вендором, пока они не будут измерены независимо.

Это также единственное место, где маршрутизирующий слой меняет расклад. OrcaRouter пока не маршрутизирует Tencent HY4 Preview, поэтому практические способы вызвать его сегодня — это собственный эндпоинт TokenHub в Tencent Cloud, продукты Tencent со встроенной моделью и самостоятельные развёртывания открытых весов — а поскольку эти веса распространяются под Apache 2.0, сторонние платформы могут в любой момент развернуть собственные копии, о чём стоит помнить, сравнивая цены между провайдерами. Мы не заявляем, что обслуживаем то, чего не обслуживаем. Но дисциплина, которая придаёт снижению цены значение, — та же, на которой работает весь остальной каталог: OrcaRouter пропускает цены провайдеров насквозь с нулевой наценкой, поэтому когда вендор вроде Tencent оценивает токен в 6 юаней, вы с нашей стороны платите 6 юаней, а не перепроданную и накрученную версию; и в день, когда вендор меняет цену, это изменение в тот же день вступает в силу и у нас. Один API для 200+ моделей, автоматическое переключение между провайдерами при сбое одного из них и DSL маршрутизации для композиции моделей — вот механизм, который понесёт Tencent HY4 Preview, как только он станет маршрутизируемым, наряду с другими открытыми и закрытыми моделями, уже присутствующими 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. Зрения или мультимодального ввода нет — Tencent HY4 Preview — это текстовая модель, и точка, так что всё, связанное с изображениями или видео, относится к другой модели. Два других типа поведения, которые Tencent выделил при запуске, — медленный старт длительных размышлений над сложными задачами и склонность чрезмерно себя перепроверять, сжигая токены на повторную проверку уже выполненной работы, — были теми, что с наибольшей вероятностью проявлялись в продакшене, и именно на них было нацелено обновление от 7 сентября. Команды Tencent Hunyuan и WorkBuddy заявили, что live-preview сборка была оптимизирована и полностью развёрнута: меньше циклов рассуждений и меньший расход входных и выходных токенов на сложных задачах при том же качестве выполнения, что проверено двойным проходом метрик бенчмарков и оценкой людьми. Это версия вендора — анонс открывается словами «Вы указали на это» — и пока никто за пределами Tencent не воспроизвёл эти замеры. Это относится и к сборке, которую Tencent предоставляет: снапшот открытых весов на Hugging Face не менялся с 28 августа, поэтому размещённая самостоятельно копия весов по-прежнему демонстрирует исходное поведение с более длительными рассуждениями, пока Tencent не обновит релиз.

И самый важный пробел — независимая проверка этих новых заявлений. До сих пор нет сторонних лабораторных тестов Tencent HY4 Preview и нет записи в Artificial Analysis Intelligence Index, поэтому таблица бенчмарков при запуске и размер объявленной 7 сентября экономии токенов основаны исключительно на собственных оценках Tencent. Единственный публичный сторонний сигнал для модели на данный момент — это результат голосования, а не лабораторных измерений: в материалах Tencent о выпуске упоминается дебют примерно на пятом месте в общем зачёте и на третьем среди моделей с открытым весом на WebDev Arena от LMArena — лидерборде, основанном на предпочтениях людей, который ранжирует качество вывода, а не эффективность использования токенов. Внутренний экспертный слепой тест — полезный сигнал о том, как собственные рецензенты Tencent видят модель 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 таков: этот релиз четко разделяется на две аудитории, и обновление от 7 сентября находит компромисс по главному возражению. Если вы выполняете инженерные задачи на собственной инфраструктуре, и вас сдерживала экономика закрытых API, Tencent HY4 Preview заслуживает серьезного тестирования на выходных: веса открыты, контекстное окно имеет масштаб репозитория, а заявленная цена делает длинный агентный цикл доступным так, как модель за 25 долларов за миллион выходных токенов не сможет никогда. Если вы вызываете хостируемую сборку — через WorkBuddy, Yuanbao или API TokenHub — вы также получаете оптимизацию Tencent от 7 сентября: меньше этапов рассуждения и меньшее потребление токенов на задачу, по словам Tencent. Если вы самостоятельно развертываете текущий снапшот с открытыми весами, ожидайте исходного поведения с более длительными рассуждениями, пока Tencent не выпустит обновленный релиз. А если вы работаете с критичным к задержкам продакшен-чатом, или с чем-либо мультимодальным, или с тем, где вы не можете позволить себе модель, чьи заявления об эффективности опираются только на собственные бенчмарки и человеческие оценки вендора, осторожная позиция по-прежнему актуальна — оптимизация реальна по заявлению Tencent, но она не была независимо измерена.

Практический срединный путь — это паттерн маршрутизации: запускаете проверенную модель на критическом пути, а рядом — новую, подключая Tencent HY4 Preview на задачах, где выигрывает её ценовой профиль, и автоматически откатываясь назад, когда это не так. Именно для этого и существует маршрутизатор — тот самый OrcaRouter, который проводит Claude Opus 5, DeepSeek V4 Pro и Gemini 3.1 Pro по ценам из прайс-листов их провайдеров; туда же вы обратитесь за Tencent HY4 Preview, как только он появится в каталоге. А пока веса лежат на GitHub, оптимизированная хостинговая сборка — в Tencent Cloud, и утверждение, что модель с открытыми весами добралась до высшего уровня агентного программирования, наконец-то получило конкретную цифру. Цифра принадлежит Tencent. Тест — вам.