Предварительная версия Tencent Hy4 открыта: MoE на 770B параметров с контекстом в миллион токенов по цене ¥6 за миллион входных токенов.

Tencent Hy4 Preview, выпущенный и опубликованный в открытом доступе 28 августа 2026 года, — третья флагманская модель Tencent за шесть месяцев, и именно она перестаёт быть исследовательской вехой и становится событием в области ценообразования. Это модель mixture-of-experts (смесь экспертов) с 770 миллиардами параметров — 49 миллиардов активных на токен — и собственным контекстным окном в миллион токенов, выпущенная под лицензией Apache License 2.0 в форматах BF16 и FP8, доступная для загрузки сегодня на Hugging Face, GitHub, ModelScope и GitCode. Tencent оценивает её в 6 юаней за миллион входных токенов и 18 юаней за миллион выходных токенов, примерно US$0.83 и US$2.50, что ставит топовую модель с открытыми весами ниже почти всех закрытых фронтирных моделей на рынке. Один релиз — три лица: открытые веса, которые вы можете запустить сами, API на TokenHub в Tencent Cloud, и те же веса уже используются в собственных продуктах Tencent: WorkBuddy, CodeBuddy, Yuanbao и ima. Вот что было фактически выпущено, какие результаты заявляет Tencent, и что ещё никто не проверил.

Инженерная составляющая важнее количества параметров, потому что каждый элемент — это рычаг влияния на стоимость. Модель имеет глубину в 78 слоёв: первый слой — это стандартная плотная сеть прямого распространения, а остальные 77 — слои MoE с 256 маршрутизируемыми экспертами плюс один общий эксперт в каждом, активирующие топ-8 маршрутизируемых экспертов на токен. Именно это соотношение разреженности примерно 16:1 делает модель на 770B доступной для обслуживания — на любом данном токене работает только срез объёмом 49B. Выделенный слой предсказания нескольких токенов (10B параметров, 0.7B активных) обеспечивает спекулятивное декодирование, а стек внимания использует вентилируемое разреженное внимание DeepSeek Sparse Attention с IndexCache, чтобы держать использование памяти при длинном контексте под контролем. Рассуждение переключается между долго думающим code>high/code> режимом и экономящим токены code>no_think/code> режимом. Именно эти детали определяют, выдержит ли заявленная цена столкновение с реальной рабочей нагрузкой, а не то, умеет ли модель писать хайку.

Аннотированная спецификация

Читайте примечания к выпуску построчно, потому что каждая строка незаметно меняет то, что разрешено делать модели с открытыми весами.

Параметры — 770B всего, 49B активных на токен, коэффициент разреженности ~16:1, который удерживает стоимость обслуживания в пределах, которые небольшая команда реально может себе позволить.

• Контекст — нативное окно в 1 048 576 токенов, в четыре раза больше 256K у Hy3. Полный репозиторий, многофайловый рефакторинг, финансовый пакет из 72 документов — задачи за один запрос.

• Лицензия — Apache License 2.0 как для оригинальной версии BF16, так и для квантованного релиза FP8, что означает самостоятельное размещение, дообучение и коммерческое использование без проприетарных оговорок.

• Стек инференса — Tencent указывает vLLM и SGLang в качестве поддерживаемых сервинг-фреймворков, тех двух, на которых фактически стандартизируется экосистема открытых весов.

• API — конечная точка TokenHub в Tencent Cloud по цене ¥6 за миллион входных токенов, ¥18 за миллион выходных токенов, ¥0,3 за миллион при попадании в кэш.

• Интеграция продукта — те же веса, которые Tencent поставляет в WorkBuddy, CodeBuddy (внутренняя и международная версии), Yuanbao и ima, можно загрузить и запускать. CodeBuddy получает двухнедельный бесплатный пробный доступ к модели при запуске.

Tencent также сообщает об инженерном показателе инференса, который редко попадает в анонсы запуска: 31,8% прироста сквозной пропускной способности за счёт слияния операторов и оптимизации коммуникаций. Это как раз та деталь, которая отличает модель, выпускаемую лабораторией как исследовательский артефакт, от модели, которая должна выдерживать продакшн-трафик. С первого дня это также ровно то утверждение, которое никто за пределами Tencent ещё не измерял.

Результаты, которые стоит процитировать

Каждый бенчмарк, опубликованный Tencent для Tencent Hy4 Preview, предоставлен самим вендором: он выполнен на собственной оценочной среде Tencent, не воспроизведён ни одной независимой лабораторией, а модель находится в открытом доступе менее суток. Воспринимайте эти результаты как потолок, который, по мнению Tencent, был достигнут.

Ключевой показатель — Terminal Bench 2.1, тест того, насколько хорошо модель управляет реальным терминалом при написании кода. Tencent сообщает о 85,4, что, по её словам, соответствует Claude Opus 5 и превосходит DeepSeek V4 Pro, а также опережает собственную предыдущую модель Hy3 на 14,6 пункта. Эта единственная цифра несёт большую нагрузку — это утверждение ставит модель с открытыми весами на один уровень с самыми дорогими закрытыми фронтирными моделями в сложном тесте агентного программирования, — и именно оно больше всего нуждается в независимом подтверждении. Остальная часть внутренней таблицы: DeepSWE прыгает с 28,0 на Hy3 до 64,3, что Tencent описывает как «постепенное сокращение разрыва» с моделями первого уровня; Toolathlon-Verified, тест вызова инструментов, показывает 74,1; APEX-Agents pass@1 — 37,1, чуть позади Kimi K3 с 37,2; SWE-bench Pro — 65,7 и SWE-bench Multilingual — 82,9. В отдельном внутреннем слепом тесте 163 эксперта оценили 203 инженерные задачи на 2,99 из 4,00, чуть опередив GLM-5.3 с 2,92 и Kimi K3 с 2,94.

Две закономерности бросаются в глаза. Во-первых, все сильные показатели относятся к агентной инженерной работе — управлению терминалом, вызову инструментов, задачам масштаба репозитория, — и ни один — к универсальному чату или знаниям, что согласуется с позиционированием Tencent модели как «созданной для продуктивности» в разработке ПО, офисной работе и анализе данных, разработке игр и научных исследованиях. Во-вторых, Tencent осторожно описывает DeepSWE и остальные как сужение, а не закрытие разрывов. Единственное чёткое, коммерчески привлекательное заявление о паритете — ничья в Terminal Bench 2.1, и именно его стоит проверить на собственной рабочей нагрузке.

Что на самом деле можно купить за 6 иен за миллион

Ценообразование — вот где релиз перестаёт быть просто интересным и начинает менять правила игры. При 18 юанях за миллион выходных токенов — около 2,50 доллара США — длительная агентная сессия кодирования, которая сжигает миллион выходных токенов, обходится примерно в десятую часть стоимости той же сессии на лучшей закрытой frontier-модели, а коэффициент попаданий в кэш по 0,3 юаня делает повторно отправляемые системные промпты и префиксы диалога в агентном цикле значительно дешевле, чем кэширование у большинства конкурентов. Собственная демонстрация Tencent показывает, как модель обрабатывает 72 финансовых документа за один проход; при таких тарифах такая партия — это доступная ежедневная задача, а не статья бюджета.

Здесь же маршрутизирующий уровень меняет арифметику, и стоит быть точным в этом вопросе. OrcaRouter пока не маршрутизирует Tencent Hy4 Preview — Tencent не открыл эту модель для сторонних инференс-платформ, поэтому она работает на эндпоинте TokenHub в Tencent Cloud и на self-hosted развёртываниях открытых весов, и мы не заявляем, что обслуживаем то, что не обслуживаем. Но принцип, который делает снижение цены значимым, — тот же, по которому работает весь остальной каталог: OrcaRouter пропускает цены провайдеров с нулевой наценкой, поэтому когда вендор устанавливает цену токена в 6 юаней, сумма, которую вы платите у нас, — это 6 юаней, а не перепроданная и наценённая версия этой цены, — и в день, когда вендор меняет цену, изменение вступает в силу у нас в тот же день. Один API для 200+ моделей, автоматическое переключение между провайдерами при сбое одного из них и DSL маршрутизации для объединения моделей в один вызов — это механизм, который будет обслуживать Tencent Hy4 Preview, как только Tencent откроет к нему доступ, и это механизм, которым вы уже можете воспользоваться, чтобы запустить новую непроверенную модель рядом с проверенной, не привязывая свой продакшн ни к одной из них.

Утверждения, которые заслуживают повторного прочтения

Два момента в материалах запуска касаются того, как создавалась модель, а не её результатов, и они заслуживают отдельного внимания.

Первое — это цикл самосовершенствования. Tencent утверждает, что Tencent Hy4 Preview участвовал в собственных исследованиях и разработках: он использовался для оптимизации методов обучения, стратегии работы с данными, систем оценки и низкоуровневых операторов, которые его создали. Это начальный рекурсивный цикл самоулучшения: модель помогает проектировать следующую версию самой себя, а Tencent представляет это как реализованную возможность. Это громкое заявление, и оно полностью основано на утверждениях самой компании.

Второй результат — из области математики. Tencent сообщает, что модель улучшила известную нижнюю границу задачи Бляшке–Лебега — давнего открытого вопроса в выпуклой геометрии о теле минимального объёма постоянной ширины — с 0,380799 до 0,41104, сократив разрыв с гипотезой тетраэдра Мейснера примерно до 2%. Tencent также сообщает об ускорении в 2,0 раза в моделировании фосфолипидного бислоя из 32 512 атомов — до 54,9 миллисекунды на шаг. Такие результаты обычно приносят модели собственную статью; здесь они — пункты анонса запуска, и, как и всё остальное в первый день, это собственная версия Tencent.

Честные пробелы

Tencent перечисляет известные ограничения прямо и без прикрас. Здесь нет поддержки изображений или мультимодального ввода — Tencent Hy4 Preview — это текстовая модель, и точка, поэтому всё, что связано с изображениями или видео, относится к другой модели. Tencent также отмечает медленный старт на сложных задачах — длительное обдумывание перед первым ответом — и склонность к избыточной самопроверке, сжигающую токены на перепроверку уже сделанной работы. Такое сочетание совершенно не подходит для чувствительных к задержкам чатов и вполне терпимо для автономной пакетной инженерной работы, что даёт понять, где Tencent ожидает её запускать.

И самое главное, чего не хватает, — это верификация. Независимых оценок для Tencent Hy4 Preview пока нет нигде — ни в публичных рейтингах, ни от сторонних оценочных лабораторий. Модель слишком новая. Внутренний экспертный слепой тест — полезный сигнал о том, как собственные эксперты Tencent видят её в сравнении с GLM-5.3 и Kimi K3, но это эксперты Tencent на задачах Tencent. Всё, что выходит за пределы спецификации, — это утверждение, ожидающее проверки.

Как на самом деле попробовать это сегодня

Практический путь короток. Скачайте веса из Hugging Face, GitHub, ModelScope или GitCode и запустите их с помощью vLLM или SGLang; если нужен размещённый эндпоинт по прейскурантной цене, обратитесь к API TokenHub от Tencent Cloud; или используйте его в CodeBuddy или WorkBuddy, где Tencent проводит двухнедельный бесплатный пробный период. Бесплатный доступ к модели Hy3 действует до 30 сентября, а собственный ритм Tencent — примерно одна крупная итерация каждые два месяца — указывает на то, что полная версия Hy4 появится вскоре после превью.

Честное резюме: модель с открытыми весами, 770B, миллионным контекстом по цене ¥6 за миллион входных токенов — это реально существующая на сегодняшний день вещь, и самый сильный бенчмарк, привязанный к ней, — это утверждение вендора о ничьей с закрытой передовой моделью, которую никто ещё не воспроизвёл. Скачайте её, прогоните тест, который действительно важен для вас, и пусть доказательства решают, останется ли цена главной новостью.