Tencent HY4 Preview เปิดโอเพนซอร์สแล้ว: MoE 770B, คอนเทกซ์ 1M และราคาที่ต่ำกว่าโมเดลระดับแนวหน้า

Tencent HY4 Preview ซึ่งเผยแพร่และเปิดซอร์สเมื่อวันที่ 28 สิงหาคม 2026 ถือเป็นโมเดลโอเพนเวตระดับเรือธงตัวแรกจากแล็บจีนในรอบหลายเดือนที่แข่งขันได้อย่างแท้จริง และตัวเลขที่น่าประหลาดใจที่สุดคือราคา Tencent ตั้งราคาไว้ที่ 6 หยวน (ประมาณ 0.85 ดอลลาร์สหรัฐ) ต่อโทเคนอินพุตหนึ่งล้านโทเคน และ 18 หยวน (ประมาณ 2.50 ดอลลาร์สหรัฐ) ต่อโทเคนเอาต์พุตหนึ่งล้านโทเคน — ประมาณหนึ่งในสิบของที่โมเดลปิดระดับแนวหน้าเรียกเก็บสำหรับเอาต์พุต — ในขณะที่เผยแพร่โมเดล mixture-of-experts จำนวน 770 พันล้านพารามิเตอร์ โดยมี 49 พันล้านพารามิเตอร์ที่ทำงานต่อโทเคน และมีหน้าต่างบริบทที่เกินหนึ่งล้านโทเคน มันเป็นโมเดลรุ่นต่อจาก Hy3 ในตระกูล Hunyuan (พารามิเตอร์รวม 295B, คอนเทกซ์ 256K) และเพิ่มคอนเทกซ์เป็นสี่เท่า ขณะที่เพิ่มความจุที่ใช้งานจริงมากกว่าสองเท่า น้ำหนักของโมเดลสามารถดาวน์โหลดได้ตั้งแต่วันนี้จาก Hugging Face, GitHub, ModelScope และ GitCode และโมเดลเดียวกันนี้ถูกใช้งานจริงแล้วในผลิตภัณฑ์ของ Tencent เอง ได้แก่ WorkBuddy, CodeBuddy ทั้งเวอร์ชันในประเทศและต่างประเทศ, ผู้ช่วย Yuanbao และแอปเวิร์กสเปซ ima สำหรับใครก็ตามที่เฝ้าดูโมเดลโอเพนเวตทำผลงานไม่ถึงระดับแนวหน้าในงานวิศวกรรมซอฟต์แวร์ นี่คือการเปิดตัวที่ทำให้ช่องว่างนี้กลายเป็นเรื่องที่ถกเถียงได้ในที่สุด — และข้อควรระวังก็สำคัญพอๆ กับตัวเลข สิบวันต่อมา ข้อควรระวังสองข้อที่น่าจะส่งผลกระทบต่อผู้ใช้ในโปรดักชันมากที่สุดกลายเป็นเป้าหมายของการอัปเกรดครั้งแรกของ Tencent ที่มีต่อเวอร์ชันแสดงตัวอย่างที่ใช้งานจริง: เมื่อวันที่ 7 กันยายน Tencent ได้เปิดตัวการปรับแต่ง ซึ่งตอนนี้ใช้งานได้ทุกคนแล้ว โดยระบุว่าช่วยลดจำนวนรอบการให้เหตุผลของโมเดลและการใช้โทเคนต่องานสำหรับงานที่ซับซ้อน

การวางตำแหน่งนี้เป็นไปอย่างจงใจ เทนเซ็นต์วางกรอบให้ Tencent HY4 Preview เป็นโมเดลเพิ่มประสิทธิภาพการทำงานสำหรับสี่โดเมน ได้แก่ วิศวกรรมซอฟต์แวร์ งานออฟฟิศและการวิเคราะห์ข้อมูล การพัฒนาเกม และการวิจัยทางวิทยาศาสตร์ จุดเน้นด้านวิศวกรรมคือสิ่งที่ทำให้มันแตกต่างจากโมเดลทั่วไปจำนวนมาก — หมายเหตุเวอร์ชันเปิดตัวนำด้วยความเข้าใจงานระยะยาว การวางแผน และการดีบัก ไม่ใช่คุณภาพการแชท จุดเน้นนี้ปรากฏให้เห็นในรายการการผสานรวมไม่แพ้ตารางเกณฑ์มาตรฐาน: CodeBuddy ได้รับโมเดลนี้ใน IDE ของตน WorkBuddy ได้รับในเวิร์กโฟลว์ออฟฟิศ (เทนเซ็นต์สาธิตให้มันประมวลผลเอกสารการเงิน 72 ฉบับในครั้งเดียว) และนักพัฒนาเกมจะได้รับ MCP hooks ลงใน Unreal Engine 5 และ Unity ที่เปลี่ยนประโยคเดียวให้เป็นเดโม่ที่เล่นได้

สิ่งที่ส่งมอบจริง

ข้อกำหนดนี้อ่านทีละบรรทัดก็คุ้มค่า เพราะแต่ละบรรทัดล้วนเปลี่ยนสิ่งที่โมเดลแบบเปิดน้ำหนักได้รับอนุญาตให้ทำ

• สถาปัตยกรรม — Mixture-of-Experts มีพารามิเตอร์รวม 770B และพารามิเตอร์ที่ใช้งานต่อโทเคน 49B อัตราส่วนความเบาบางประมาณ 16:1 ซึ่งทำให้ต้นทุนการอนุมานอยู่ในระดับที่ทีมเล็กๆ สามารถจ่ายได้จริง

• หน้าต่างบริบท — มากกว่า 1 ล้านโทเคน คิดเป็นสี่เท่าของ 256K ของ Hy3 งานวิศวกรรมระยะยาว — การนำทั้งรีโพซิทอรีมาไว้ในหน้าต่าง การปรับโครงสร้างหลายไฟล์ หรือการประมวลผลเอกสารชุดใหญ่ — กลายเป็นเรื่องที่จัดการได้ในคำขอเดียว

• Weights — การเปิดตัวแบบโอเพนซอร์สภายใต้ Apache 2.0 บน Hugging Face, GitHub, ModelScope และ GitCode นี่คือโมเดลที่ดาวน์โหลดได้และโฮสต์เองได้ ไม่ใช่เวอร์ชันสาธิตที่โฮสต์ให้

• API — ให้บริการบน TokenHub ของ Tencent Cloud ซึ่งเป็นเอนด์พอยต์ที่โฮสต์โดยผู้จำหน่ายเอง ราคาอยู่ที่ 6 หยวนต่อล้านโทเคนอินพุต 18 หยวนต่อล้านโทเคนเอาต์พุต และ 0.3 หยวนต่อล้านโทเคนสำหรับการชนแคช (cache hits)

• การบูรณาการผลิตภัณฑ์ — WorkBuddy, CodeBuddy (ในประเทศและต่างประเทศ), Yuanbao และ ima หมายความว่าน้ำหนักเดียวกันกับที่ Tencent ใช้งานในแอปของตัวเองคือสิ่งที่คุณสามารถดึงมาและเรียกใช้ได้

เทนเซ็นต์ยังรายงานตัวเลขทางวิศวกรรมอินเฟอเรนซ์ที่แทบไม่เคยปรากฏในหมายเหตุการเปิดตัว: การปรับปรุงปริมาณงาน (throughput) แบบ end-to-end ถึง 31.8% จากการหลอมรวมโอเปอเรเตอร์ (operator fusion) และการปรับแต่งการสื่อสาร สิ่งที่ทำให้เรื่องนี้เป็นมากกว่าเชิงอรรถในแผ่นสเปกก็คือ เทนเซ็นต์กล่าวว่า Tencent HY4 Preview ค้นพบคอขวด (bottleneck) ได้ด้วยตัวเอง — โมเดลวิเคราะห์สแตกอินเฟอเรนซ์ของตัวเอง และมีการรายงานว่าการปรับแต่งเหล่านี้มีเสถียรภาพในทุกระดับความยาวคอนเทกซ์และระดับความพร้อมใช้งานพร้อมกัน (concurrency) นี่คือรายละเอียดประเภทที่แยกความแตกต่างระหว่างโมเดลที่ห้องปฏิบัติการเผยแพร่ในฐานะผลงานวิจัย กับโมเดลที่บริษัทคาดหวังว่าจะรองรับทราฟฟิกในโปรดักชัน สำหรับพรีวิวที่เปิดให้สาธารณะใช้มาไม่ถึงสองสัปดาห์ นี่ก็เป็นคำกล่าวอ้างประเภทที่ยังไม่มีใครนอกเทนเซ็นต์ตรวจสอบยืนยันเลย

คะแนนที่ควรค่าแก่การอ้างอิง

ทุกเกณฑ์ชี้วัด (benchmark) ที่ Tencent เผยแพร่สำหรับ Tencent HY4 Preview เป็นข้อมูลที่รายงานโดยผู้ผลิตเอง — ดำเนินการบนระบบประเมินของ Tencent เอง ยังไม่มีการตรวจสอบซ้ำโดยห้องปฏิบัติการอิสระใด ๆ และโมเดลดังกล่าวเปิดตัวต่อสาธารณะมาไม่ถึงสองสัปดาห์ ควรตีความว่าเป็นเพดานสูงสุดที่ Tencent เชื่อว่าทำได้ ไม่ใช่ข้อเท็จจริงที่ได้รับการยืนยันแล้ว

ตัวเลขหลักคือ Terminal Bench 2.1 ซึ่งเป็นแบบทดสอบว่าตัวแบบ (model) ขับเคลื่อนเทอร์มินัลจริงได้ดีเพียงใดขณะที่เขียนโค้ด Tencent รายงานว่า Tencent HY4 Preview ทำคะแนนได้ 85.4 โดยระบุว่าเสมอกับ Claude Opus 5 และเหนือกว่า DeepSeek V4 Pro และยังทำได้ดีกว่ารุ่นก่อนหน้าอย่าง Hy3 ถึง 14.6 คะแนน ตัวเลขเพียงหนึ่งเดียวนี้กำลังแบกรับภาระหนักมหาศาล — มันคือข้ออ้างที่ทำให้โมเดลแบบเปิดน้ำหนัก (open-weight) อยู่ในระดับเทียบเท่ากับโมเดลปิดชั้นแนวหน้าที่แพงที่สุดในแบบทดสอบการเขียนโค้ดแบบเอเจนต์ (agentic-coding) ที่ยาก — และเป็นข้ออ้างที่จำเป็นต้องได้รับการยืนยันโดยอิสระมากที่สุด

ส่วนที่เหลือของตารางภายใน: DeepSWE ซึ่งเป็นเกณฑ์มาตรฐานวิศวกรรมซอฟต์แวร์ กระโดดจาก 28.0 บน Hy3 เป็น 64.3 ซึ่ง Tencent อธิบายว่า “ค่อยๆ ปิดช่องว่าง” กับโมเดลระดับแนวหน้า ในการทดสอบ Toolathlon-Verified ซึ่งเป็นการทดสอบการเรียกใช้เครื่องมือ ได้คะแนน 74.1 ซึ่ง Tencent กล่าวว่าเหนือกว่า Qwen 3.8 Max และ GPT-5.6 Sol และใกล้เคียงกับ Kimi K3 และ Claude Opus 5 ในการทดสอบ APEX-Agents pass@1 ได้ 37.1 ซึ่งตามหลัง Kimi K3 ที่ได้ 37.2 เพียงเล็กน้อย และในการทดสอบแบบปกปิดภายในแยกต่างหาก ผู้เชี่ยวชาญ 163 คนให้คะแนนงานวิศวกรรม 203 งานที่ 2.99 จาก 4.00 แซงหน้า GLM-5.3 ที่ได้ 2.92 และ Kimi K3 ที่ได้ 2.94

มีรูปแบบสองแบบที่โดดเด่น ประการแรก ตัวเลขที่แข็งแกร่งทุกตัวล้วนเกี่ยวกับงานวิศวกรรมแบบ agentic — การขับเคลื่อนเทอร์มินัล การเรียกใช้เครื่องมือ งานในระดับ repository — และไม่มีตัวใดเกี่ยวกับความรู้หรือการให้เหตุผลทั่วไป ซึ่งสอดคล้องกับการวางตำแหน่งด้านผลิตภาพ ไม่ใช่เรื่องบังเอิญ ประการที่สอง Tencent ระมัดระวังในการอธิบายว่า DeepSWE และโมเดลอื่นๆ ช่วยลดช่องว่างลง ไม่ใช่ปิดช่องว่าง ข้ออ้างเรื่องความเท่าเทียมที่ชัดเจนและทำการตลาดได้เพียงหนึ่งเดียวคือผลเสมอใน Terminal Bench 2.1 และนี่คือข้ออ้างที่ควรค่าแก่การทดสอบกับ workload ของคุณเองมากที่สุด

ราคาที่จ่ายจริงๆ แล้วได้อะไรบ้าง

การตั้งราคาคือจุดที่การเปิดตัวหยุดเป็นเพียงสิ่งที่น่าสนใจและเริ่มสร้างการพลิกโฉม ที่ราคา list price ของเทนเซ็นต์ หนึ่งล้านโทเคนอินพุตมีราคาประมาณเท่ากับการเรียกใช้ API ระดับกลางเพียงครั้งเดียวบนบางแพลตฟอร์ม ตัวเลข 18 หยวนต่อล้านโทเคนเอาต์พุต (~US$2.50) อยู่ต่ำกว่าราคาเอาต์พุต 25 ดอลลาร์ต่อล้านโทเคนของโมเดล frontier แบบปิดชั้นนำอย่างมาก และอัตรา cache-hit ที่ 0.3 หยวนทำให้ลูป agentic ที่ยาว ซึ่ง system prompt และคำนำหน้าบทสนทนาชุดเดียวกันถูกส่งซ้ำอยู่ตลอด ถูกมากผิดปกติที่จะรัน การอัปเกรดเมื่อวันที่ 7 กันยายนเปลี่ยนด้านที่มีผลจริงของสมการนั้น: เนื่องจากเทนเซ็นต์คิดเงินต่อโทเคน การลดจำนวนรอบการให้เหตุผลและจำนวนโทเคนอินพุตและเอาต์พุตที่แต่ละงานใช้ไปจะลดต้นทุนของงานที่เสร็จสมบูรณ์ แม้ว่าราคา list price ต่อโทเคนจะไม่เปลี่ยนแปลงก็ตาม เกณฑ์ชี้วัด (benchmark) ของเทนเซ็นต์เองและการตรวจสอบแบบ human-eval เป็นหลักฐานของขนาดการประหยัดนั้น ดังนั้นจงถือว่าเป็นข้อมูลที่รายงานโดยผู้ขายจนกว่าจะมีการวัดอย่างอิสระ

และนี่ก็เป็นจุดเดียวที่เลเยอร์การจัดเส้นทางทำให้ตัวเลขเปลี่ยนไป OrcaRouter ยังไม่ได้จัดเส้นทางให้กับ Tencent HY4 Preview ในตอนนี้ ดังนั้นวิธีที่ใช้ได้จริงในการเรียกใช้งานในปัจจุบันคือ endpoint TokenHub ของ Tencent Cloud เอง ผลิตภัณฑ์ของ Tencent ที่ฝังโมเดลนี้ไว้ และการโฮสต์น้ำหนักโมเดลแบบเปิดด้วยตัวเอง — และเนื่องจากน้ำหนักเหล่านั้นอยู่ภายใต้สัญญาอนุญาต Apache 2.0 แพลตฟอร์มบุคคลที่สามจึงสามารถสร้างสำเนาของตัวเองขึ้นมาได้ทุกเมื่อ ซึ่งเป็นสิ่งที่ควรจำไว้เมื่อเปรียบเทียบราคาระหว่างผู้ให้บริการ เราไม่อ้างว่าให้บริการในสิ่งที่เราไม่ได้ให้บริการ แต่วินัยที่ทำให้การลดราคามีความหมายก็คือวินัยเดียวกับที่แคตตาล็อกที่เหลือยึดถืออยู่: OrcaRouter ส่งผ่านราคารายการของผู้ให้บริการโดยไม่บวกกำไรเพิ่มเลย ดังนั้นเมื่อผู้ขายอย่าง Tencent ตั้งราคาโทเคนที่ 6 หยวน ตัวเลขที่คุณจ่ายฝั่งเราก็คือ 6 หยวน ไม่ใช่เวอร์ชันที่ถูกขายต่อและบวกกำไรเพิ่ม และในวันที่ผู้ขายเปลี่ยนราคา การเปลี่ยนแปลงนั้นก็มีผลกับฝั่งเราในวันเดียวกัน API เดียวสำหรับโมเดล 200+ ตัว การเฟลโอเวอร์อัตโนมัติระหว่างผู้ให้บริการเมื่อรายใดรายหนึ่งสะดุด และ routing DSL สำหรับประกอบโมเดลเข้าด้วยกัน — นี่คือกลไกที่จะรองรับ Tencent HY4 Preview ทันทีที่มันจัดเส้นทางได้ พร้อมกับโมเดลแบบเปิดและแบบปิดอื่นๆ ที่อยู่ในแคตตาล็อกอยู่แล้ว

ส่วนที่ไม่สามารถใส่ลงในสเปกชีตได้

ข้อกล่าวอ้างสองข้อในสื่อการเปิดตัวสมควรได้รับการพิจารณาแยกต่างหาก เนื่องจากเป็นเรื่องเกี่ยวกับวิธีการสร้างโมเดล ไม่ใช่คะแนนที่โมเดลทำได้

ประการแรกคือวงจรการปรับปรุงตนเอง Tencent กล่าวว่า Tencent HY4 Preview เข้ามามีส่วนร่วมในการวิจัยและพัฒนาของตัวเอง — มันถูกใช้เพื่อปรับวิธีการฝึกอบรม กลยุทธ์ด้านข้อมูล ระบบการประเมินผล และตัวดำเนินการพื้นฐานที่สร้างมันขึ้นมา การเพิ่มปริมาณงาน 31.8% เป็นผลลัพธ์สาธารณะที่จับต้องได้มากที่สุดของวงจรนี้: Tencent ให้เครดิตกับจุดคอขวดที่โมเดลระบุได้ในสแตกการให้บริการของตัวเอง นั่นคือวงจรการเสริมประสิทธิภาพตนเองแบบวนซ้ำในขั้นแรก: โมเดลที่ช่วยออกแบบเวอร์ชันถัดไปของตัวเอง การที่แล็บระดับแนวหน้ารายงานองค์ประกอบเหล่านี้บางส่วนไม่ใช่เรื่องผิดปกติ แต่การที่โมเดลโอเพนเวทของจีนอธิบายวงจรนี้ต่อสาธารณะในฐานะความสามารถที่เปิดตัวจริงแล้ว ถือเป็นการเปลี่ยนแปลงแบบก้าวกระโดดในวิธีที่โมเดลรุ่นเหล่านี้พูดถึงตัวเอง

ประการที่สองคือ{{1}}ผลลัพธ์ทางคณิตศาสตร์{{/1}} เทนเซ็นต์รายงานว่าโมเดลดังกล่าวได้ปรับปรุงขอบเขตล่างของปริมาตรที่ทราบของ{{2}}ปัญหา Blaschke–Lebesgue{{/2}} — {{3}}คำถามเปิดที่ค้างคามายาวนานในเรขาคณิตนูนเกี่ยวกับวัตถุความกว้างคงที่ที่มีปริมาตรน้อยที่สุด{{/3}} — จาก{{4}}0.380799 เป็น 0.41104{{/4}} ทำให้เข้าใกล้{{5}}ขอบเขตของข้อคาดเดาทรงสี่หน้าของ Meissner{{/5}} ภายในประมาณ 2% เทนเซ็นต์ยังรายงานความเร็วที่เพิ่มขึ้น 2.0 เท่าในการจำลองแผ่นฟอสโฟลิปิดสองชั้นที่มี 32,512 อะตอม โดยลดลงเหลือ{{6}}54.9 มิลลิวินาทีต่อขั้น{{/6}} ในด้านการวิจัยทางวิทยาศาสตร์ ผลลัพธ์แบบนี้โดยปกติแล้วจะทำให้โมเดลมีบทความวิจัยเป็นของตัวเอง แต่ที่นี่มันเป็นเพียง{{7}}ประเด็นเด่นในการเปิดตัว{{/7}} และเช่นเดียวกับเนื้อหาการเปิดตัวอื่น ๆ ทั้งหมด นี่คือคำกล่าวอ้างของเทนเซ็นต์เอง

พูดตามตรง อะไรขาดหายไป

Tencent ระบุข้อจำกัดที่ทราบกันอย่างตรงไปตรงมา และข้อจำกัดเหล่านี้มีความสำคัญสำหรับทุกคนที่กำลังตัดสินใจว่าจะสร้างอะไรบนโมเดลนี้ ไม่มีการรับรู้ภาพหรืออินพุตแบบมัลติโมดัล — Tencent HY4 Preview เป็นโมเดลข้อความล้วน ๆ จบเลย ดังนั้นอะไรก็ตามที่เกี่ยวข้องกับภาพหรือวิดีโอควรไปใช้โมเดลอื่น พฤติกรรมอีกสองอย่างที่ Tencent ระบุไว้ตอนเปิดตัว — การคิดระยะยาวที่เริ่มต้นช้าในงานที่ซับซ้อน และแนวโน้มที่จะตรวจสอบตนเองมากเกินไป สิ้นเปลืองโทเคนไปกับการตรวจสอบงานซ้ำที่ทำเสร็จไปแล้ว — เป็นสองอย่างที่มีโอกาสแสดงผลจริงในการผลิตมากที่สุด และนี่คือสิ่งที่การอัปเกรดวันที่ 7 กันยายนพุ่งเป้าแก้ไขโดยตรง Tencent Hunyuan และทีม WorkBuddy กล่าวว่าบิลด์พรีวิวสดได้รับการปรับแต่งให้เหมาะสมและเปิดให้บริการเต็มรูปแบบแล้ว โดยมีการวนคิดน้อยลง และการใช้โทเคน input และ output ลดลงในงานที่ซับซ้อน ในขณะที่คุณภาพงานเท่าเดิม ซึ่งผ่านการตรวจสอบสองรอบด้วยตัวชี้วัดเกณฑ์มาตรฐานและการประเมินโดยมนุษย์ นี่คือคำบอกเล่าจากผู้ให้บริการ — ประกาศเปิดด้วยวลี "You flagged it" — และยังไม่มีใครนอกเหนือจาก Tencent ที่ทำการวัดผลซ้ำได้ และการปรับแต่งนี้ใช้กับบิลด์ที่ Tencent ให้บริการเท่านั้น: สแนปชอตน้ำหนักแบบเปิดบน Hugging Face ยังไม่มีการเปลี่ยนแปลงตั้งแต่วันที่ 28 สิงหาคม ดังนั้นสำเนาน้ำหนักที่โฮสต์เองจะยังแสดงพฤติกรรมการคิดระยะยาวแบบเดิมจนกว่า Tencent จะรีเฟรชเวอร์ชันเผยแพร่

และการขาดหายไปที่สำคัญที่สุดคือการตรวจสอบโดยอิสระสำหรับข้อกล่าวอ้างใหม่เหล่านั้น ยังคงไม่มีการทดสอบจากห้องแล็บของบุคคลที่สามบน Tencent HY4 Preview และไม่มีรายการใน Artificial Analysis Intelligence Index ดังนั้นตารางเกณฑ์มาตรฐานตอนเปิดตัวและขนาดของการประหยัดโทเค็นในวันที่ 7 กันยายนจึงตั้งอยู่บนการประเมินของ Tencent เองเท่านั้น สัญญาณจากบุคคลที่สามเพียงอย่างเดียวที่เปิดเผยต่อสาธารณะของโมเดลในตอนนี้มาจากการโหวตของฝูงชน 而非การวัดในห้องแล็บ: เอกสารเผยแพร่ของ Tencent อ้างถึงการเปิดตัวที่อยู่อันดับห้าโดยรวม และอันดับสามในกลุ่มโมเดล open-weight บน WebDev Arena ของ LMArena ซึ่งเป็นลีดเดอร์บอร์ดที่วัดความชอบของมนุษย์โดยจัดอันดับคุณภาพของผลลัพธ์ มากกว่าประสิทธิภาพด้านโทเค็น การทดสอบแบบ blind test โดยผู้เชี่ยวชาญภายในเป็นสัญญาณที่มีประโยชน์ว่าเหล่าผู้ตรวจสอบของ Tencent เองมองโมเดลนี้อย่างไรเมื่อเทียบกับ GLM-5.3 และ Kimi K3 แต่มันก็คือผู้ตรวจสอบของ Tencent ที่ประเมินชุดงานของ Tencent ทุกอย่างที่อยู่เหนือแผ่นข้อมูลจำเพาะล้วนเป็นข้อกล่าวอ้างที่รอการตรวจสอบ

วันนี้ใครควรเป็นคนแบกของหนัก

คำตอบที่ตรงไปตรงมาก็คือ รีลีสนี้แบ่งกลุ่มผู้ใช้ออกเป็นสองกลุ่มอย่างชัดเจน และการอัปเกรดวันที่ 7 กันยายนก็เป็นทางออกครึ่งทางสำหรับข้อโต้แย้งที่ใหญ่ที่สุด หากคุณรันเวิร์กโหลดทางวิศวกรรมบนโครงสร้างพื้นฐานของตัวเอง และต้นทุนของ closed API คือสิ่งที่ฉุดรั้งคุณไว้ Tencent HY4 Preview ก็คุ้มค่าที่จะทดสอบอย่างจริงจังในช่วงสุดสัปดาห์: น้ำหนักโมเดลเปิดเผย หน้าต่างบริบทมีขนาดใหญ่ระดับ repository และราคาที่ประกาศทำให้ลูป agentic แบบยาวมีต้นทุนที่เอื้อมถึง ในแบบที่โมเดลที่คิด $25 ต่อล้านโทเคนเอาต์พุตไม่มีทางเป็นได้ หากคุณใช้บิลด์แบบโฮสต์ — ผ่าน WorkBuddy, Yuanbao หรือ TokenHub API — คุณก็จะได้การเพิ่มประสิทธิภาพวันที่ 7 กันยายนของ Tencent ที่ใช้รอบการให้เหตุผลน้อยลงและใช้โทเคนต่องานน้อยลง ตามที่ Tencent ระบุ หากคุณโฮสต์สแนปชอตน้ำหนักเปิดปัจจุบันด้วยตัวเอง ก็คาดหวังพฤติกรรมการให้เหตุผลแบบเดิมที่ยาวขึ้นได้ จนกว่า Tencent จะปล่อยรีลีสที่อัปเดตออกมา และหากคุณรันแชตโปรดักชันที่ไวต่อความหน่วง หรืออะไรก็ตามที่เป็นมัลติโมดัล หรืออะไรก็ตามที่คุณไม่สามารถเสี่ยงกับโมเดลที่คำกล่าวอ้างด้านประสิทธิภาพอ้างอิงเพียงเกณฑ์วัดและการประเมินโดยมนุษย์จากผู้ผลิตเองเท่านั้น มุมมองเชิงระมัดระวังก็ยังคงใช้ได้ — การเพิ่มประสิทธิภาพเป็นเรื่องจริงตามที่ Tencent กล่าว แต่ยังไม่เคยมีการวัดผลอย่างอิสระ

ทางสายกลางที่ปฏิบัติได้จริงคือรูปแบบการจัดเส้นทาง: ใช้โมเดลที่พิสูจน์แล้วบนเส้นทางวิกฤติของคุณ และใช้โมเดลใหม่ควบคู่ไปกับมัน โดยสลับใช้ Tencent HY4 Preview ในงานที่โครงสร้างต้นทุนของมันได้เปรียบ และกลับไปใช้โมเดลเดิมโดยอัตโนมัติเมื่อไม่ได้รับความได้เปรียบนั้น นั่นคือรูปแบบที่เราเตอร์มีไว้สำหรับ — OrcaRouter ตัวเดียวกับที่ให้บริการ Claude Opus 5, DeepSeek V4 Pro และ Gemini 3.1 Pro ในราคาตามรายการของผู้ให้บริการ คือที่ที่คุณจะเรียกใช้ Tencent HY4 Preview ทันทีที่มันเข้าแคตตาล็อก จนกว่าจะถึงตอนนั้น น้ำหนัก (weights) อยู่บน GitHub บิลด์โฮสต์ที่ปรับแต่งประสิทธิภาพแล้วอยู่บน Tencent Cloud และคำกล่าวอ้างที่ว่าโมเดลแบบเปิดน้ำหนักไปถึงระดับสูงสุดของการเขียนโค้ดแบบ agentic ในที่สุดก็มีตัวเลขเฉพาะกำกับไว้ ตัวเลขนั้นเป็นของเทนเซ็นต์ การทดสอบเป็นของคุณ