Tencent HY4 Preview blir öppen källkod: 770B MoE, 1M kontext och ett pris som pressar ned gränsen.

Tencent HY4 Preview, som släpptes och gjordes till öppen källkod den 28 augusti 2026, är det första verkligt konkurrenskraftiga flaggskeppet med öppna vikter från ett kinesiskt labb på månader, och dess mest överraskande siffra är priset. Tencent anger priset till 6 yuan (cirka 0,85 USD) per miljon inmatningstokens och 18 yuan (cirka 2,50 USD) per miljon utmatningstokens – ungefär en tiondel av vad en ledande stängd frontlinjemodell tar för utmatning – samtidigt som man publicerar en mixture-of-experts-modell med 770 miljarder parametrar, varav 49 miljarder är aktiva per token, med ett kontextfönster som överstiger en miljon tokens. Den är efterträdaren till Hy3 i Hunyuan-familjen (295B totalt, 256K kontext) och den fyrdubblar kontexten samtidigt som den mer än fördubblar den aktiva kapaciteten. Vikterna går att ladda ner idag från Hugging Face, GitHub, ModelScope och GitCode, och samma modell är redan live i Tencents egna produkter: WorkBuddy, CodeBuddy i både inhemska och internationella versioner, Yuanbao-assistenten och ima-arbetsyteappen. För alla som har följt hur modeller med öppna vikter har hamnat kort i förhållande till frontlinjen inom programvaruteknik, är detta releasen som äntligen gör gapet debatterbart – och förbehållen är lika viktiga som siffrorna.

Positioneringen är avsiktlig. Tencent ramar in Tencent HY4 Preview som en produktivitetsmodell för fyra domäner: programvaruteknik, kontors- och dataanalys, spelutveckling och vetenskaplig forskning. Det är ingenjörsfokuset som skiljer den från den generalistiska massan – releasenoterna inleder med långsiktig uppgiftsförståelse, planering och felsökning, inte med chattkvalitet. Det fokuset syns lika mycket i integrationslistan som i benchmarktabellen: CodeBuddy får modellen i sin IDE, WorkBuddy får den i kontorsarbetsflöden (Tencent demonstrerar hur den tuggar igenom 72 finansiella dokument i ett svep), och spelutvecklare får MCP-kopplingar till Unreal Engine 5 och Unity som förvandlar en enda mening till en spelbar demo.

Vad som faktiskt levererades

Specifikationsbladet är värt att läsa rad för rad, eftersom varje rad ändrar vad en open-weight-modell får göra.

• Arkitektur — Mixture-of-Experts med totalt 770B parametrar och 49B aktiva per token, en ungefärlig sparsitetsgrad på 16:1 som håller inferenskostnaden inom ett intervall som ett litet team faktiskt har råd med.

Kontextfönster — över 1 miljon tokens, fyra gånger Hy3:s 256K. Långsiktiga ingenjörsuppgifter — ett helt kodarkiv i fönstret, en refaktorering av flera filer, en stor dokumentbatch — blir problem som kan lösas med en enda förfrågan.

• Vikter — MIT-liknande öppen utgivning på Hugging Face, GitHub, ModelScope och GitCode. Detta är en nedladdningsbar, självhostbar modell, inte en värdbaserad förhandsvisning.

• API — tillgänglig på Tencent Clouds TokenHub, leverantörens egen värdbaserade slutpunkt, prissatt till 6 yuan per miljon inmatade tokens, 18 yuan per miljon utmatade tokens och 0,3 yuan per miljon tokens för cacheträffar.

• Produktintegration — WorkBuddy, CodeBuddy (inhemska och internationella), Yuanbao och ima, vilket innebär att samma vikter som Tencent levererar i sina egna appar är de du kan hämta och köra.

Tencent rapporterar också en slutledningssiffra som sällan nämns i en lanseringsnotis: en 31,8-procentig förbättring av end-to-end-genomströmningen tack vare operatörsfusion och kommunikationsoptimering. Det som gör det till mer än en fotnot i en specifikationslista är att Tencent säger att Tencent HY4 Preview hittade flaskhalsarna själv — modellen analyserade sin egen slutledningsstack, och optimeringarna rapporteras vara stabila över olika kontextlängder och konkurrensnivåer. Det är den typen av detalj som skiljer en modell ett labb skickar ut som forskningsartefakt från en modell ett företag förväntar sig ska möta produktionstrafik. På en förhandsversion som bara varit publik i några dagar är det också exakt den typen av påstående som ingen utanför Tencent har verifierat ännu.

Poängen värda att citera

Varje benchmark som Tencent publicerat för Tencent HY4 Preview är leverantörsrapporterad — utförd på Tencents egen utvärderingsmiljö, ej reproducerad av något oberoende labb, och modellen har bara varit offentlig i ett par dagar. Betrakta dem som taket Tencent tror sig ha nått, inte som etablerad fakta.

Huvudsiffran är Terminal Bench 2.1, ett test av hur väl en modell driver en riktig terminal medan den kodar. Tencent rapporterar att Tencent HY4 Preview får 85,4, vilket man säger matchar Claude Opus 5 och slår DeepSeek V4 Pro, och som slår den egna föregångaren Hy3 med 14,6 poäng. Den där enskilda siffran bär en tung börda — det är det påstående som sätter en öppen viktmodell i paritet med de dyraste slutna frontmodellerna på ett svårt agentiskt kodningstest — och det är det påstående som mest av allt behöver oberoende bekräftelse.

Resten av den interna tabellen: DeepSWE, ett programvarutekniskt riktmärke, hoppar från 28.0 på Hy3 till 64.3, vilket Tencent beskriver som att "gradvis minska gapet" till toppmodeller. På Toolathlon-Verified, ett verktygsanropstest, får den 74.1, vilket Tencent säger överträffar Qwen 3.8 Max och GPT-5.6 Sol och närmar sig Kimi K3 och Claude Opus 5. På APEX-Agents pass@1 hamnar den på 37.1, ett hårstrå efter Kimi K3:s 37.2. Och i ett separat internt blindtest betygsatte 163 experter 203 ingenjörsuppgifter till 2.99 av 4.00, något över GLM-5.3:s 2.92 och Kimi K3:s 2.94.

Två mönster framträder. För det första gäller varje stark siffra agentiskt ingenjörsarbete – terminaldrivning, verktygsanrop, uppgifter i repositorieskala – och ingen gäller generell kunskap eller resonemang, vilket är förenligt med produktivitetspositioneringen snarare än en slump. För det andra är Tencent noga med att beskriva DeepSWE och de andra som att minska, inte att sluta, gap. Det enda rena, säljbara paritetspåståendet är oavgjort på Terminal Bench 2.1, och det är det påstående som är mest värt att testa med din egen arbetsbelastning.

Vad du faktiskt får för priset

Det är här priserna gör att releasen slutar vara intressant och börjar bli disruptiv. Till Tencent:s listpris kostar en miljon input-tokens ungefär lika mycket som ett enda API-anrop på mellannivå kostar på vissa plattformar. Siffran 18 yuan per miljon output-tokens (~2,50 USD) ligger långt under 25 dollar-per-miljon-output-priset hos en ledande sluten frontier-modell, och med 0,3 yuan för cache-träffar blir långa agentiska loopar – där samma systemprompt och samtalsprefix skickas om hela tiden – ovanligt billiga att köra.

Det här är också det enda stället där routinglagret ändrar matematiken. {{1}}OrcaRouter routar ännu inte Tencent HY4 Preview — Tencent har inte öppnat den här modellen för tredjepartsinferensplattformar, så den körs på Tencent Clouds egen TokenHub-endpoint och på självhostade installationer av de öppna vikterna, och vi gör inte anspråk på att leverera det vi inte levererar.{{/1}} {{2}}Men den disciplin som gör att en prissänkning spelar roll är densamma som resten av katalogen bygger på: OrcaRouter vidareförmedlar leverantörernas listpriser utan påslag, så när en leverantör som Tencent prissätter en token till 6 yuan, är det du betalar hos oss 6 yuan, inte en återförsåld och påslagen version av den, och den dag en leverantör ändrar ett pris, är ändringen live hos oss samma dag.{{/2}} {{3}}Ett API för 200+ modeller, automatisk failover mellan leverantörer när en får hicka, och ett routing-DSL för att komponera modeller — det är mekanismen som kommer att bära Tencent HY4 Preview i samma stund som den blir routningsbar,{{/3}} tillsammans med de andra öppna och stängda modellerna som redan finns i katalogen.

Delarna som inte ryms på ett specifikationsblad

Två påståenden i lanseringsmaterialet förtjänar särskild uppmärksamhet eftersom de handlar om hur modellen byggdes, inte vad den presterade.

Det första är självförbättringsslingan. Tencent säger att Tencent HY4 Preview deltog i sin egen forskning och utveckling – den användes för att optimera träningsmetoderna, datastrategin, utvärderingssystemen och de underliggande operatorerna som producerade den. Genomströmningsökningen på 31,8 % är det mest konkreta offentliga resultatet av den slingan: Tencent tillskriver det flaskhalsar som modellen identifierade i sin egen serverstack. Det är en inledande rekursiv självförstärkningscykel: en modell som hjälper till att designa nästa version av sig själv. Det är inte ovanligt att ett ledande labb rapporterar delar av detta, men en kinesisk modell med öppna vikter som offentligt beskriver slingan som en levererad förmåga är en stegförändring i hur dessa releaser talar om sig själva.

Det andra är matematikresultatet. Tencent rapporterar att modellen förbättrade den kända nedre volymgränsen för Blaschke–Lebesgue-problemet – en sedan länge öppen fråga inom konvex geometri om den kropp med konstant bredd som har minsta volym – från 0,380799 till 0,41104, vilket för den till inom cirka 2 % av Meissner-tetraederkonjekturens gräns. Tencent rapporterar också en 2,0x hastighetsökning för en simulering av ett fosfolipidbilager med 32 512 atomer, ner till 54,9 millisekunder per steg, i det vetenskapliga forskningsspåret. Det här är sådana resultat som vanligtvis ger en modell en egen uppsats; här är de lanseringspunkter, och precis som resten av lanseringsmaterialet är de Tencents egen redogörelse.

Ärligt talat, vad saknas?

Tencent listar de kända begränsningarna klart och tydligt, och de spelar roll för alla som bestämmer vad de ska bygga på den här modellen. Det finns ingen bild- eller multimodal inmatning – Tencent HY4 Preview är en textmodell, punkt slut, så allt som har med bild eller video att göra hör hemma i en annan modell. Tencent flaggar också att modellen uppvisar ett långsamt startbeteende vid komplexa uppgifter – långt tänkande innan det första resultatet – och en tendens att öververifiera sig själv, vilket förbrukar tokens genom att dubbelkolla arbete som den redan har gjort. Den kombinationen är precis fel för latens-känslig chatt och precis tolerabel för ingenjörsarbete i offline-batcher, vilket talar om var Tencent förväntar sig att du kör den.

Och den viktigaste frånvaron är verifiering. Det finns ännu inga oberoende poäng för Tencent HY4 Preview någonstans – inte på en offentlig ledartavla, inte från ett tredjeparts utvärderingslabb, inte ens en Artificial Analysis-post. Modellen är för ny för det. Det interna expertblindtestet är en användbar signal om hur Tencents egna granskare ser den mot GLM-5.3 och Kimi K3, men det är Tencents granskare på Tencents uppgifter. Allt ovanför specifikationsbladet är ett påstående som väntar på en kontroll.

Vem ska dra vikterna idag?

Det ärliga svaret är att den här releasen delar upp sig tydligt i två målgrupper. Om du kör tekniska arbetsbelastningar på din egen infrastruktur och det är ekonomin i stängda API:er som har hållit dig tillbaka, är Tencent HY4 Preview värd ett rejält helgtest just nu: vikterna är öppna, kontextfönstret är i repository-skala och listpriset gör en lång agentisk loop överkomlig på ett sätt som en modell på 25 dollar per miljon output aldrig kommer att vara. Om du kör latenskänslig produktionschatt, eller något multimodalt, eller något där du inte har råd med en modell vars enda bevis är dess leverantörs egna benchmarks, vänta — den tvåmånaders iterationstakt som Tencent har hållit sedan februari tyder på att en fullständig Hy4-release inte är långt borta, och förhandsversionen är uttryckligen en tidig iteration med kända skavanker.

Den praktiska medelvägen är ett routningsmönster: kör den beprövade modellen på din kritiska väg och den nya bredvid den, byt in Tencent HY4 Preview på uppgifter där dess kostnadsprofil vinner och återgå automatiskt när den inte gör det. Det är det mönster som en router finns till för — samma OrcaRouter som förmedlar Claude Opus 5, DeepSeek V4 Pro och Gemini 3.1 Pro till sina leverantörers listpriser kommer att förmedla den här modellen den dag Tencent öppnar upp den. Till dess ligger vikterna på GitHub, API:et finns på Tencent Cloud, och påståendet att en modell med öppna vikter nått toppskiktet inom agentisk kodning har äntligen ett specifikt nummer kopplat till sig. Numret är Tencents. Testet är ditt.