Tencent ha annunciato il 4 novembre 2026 la disponibilità della versione completa di Hy4, il proprio modello di intelligenza artificiale destinato ad attività di ragionamento, programmazione, analisi documentale e interazione con ambienti informatici. La nuova versione amplia le funzionalità del modello introducendo capacità di comprensione visiva e computer use, che permettono di interpretare informazioni grafiche e operare su applicazioni attraverso interfacce a riga di comando e interfacce grafiche. Hy4 è distribuito attraverso API ospitate su Tencent Cloud e OpenRouter ed è integrato nei prodotti CodeBuddy, WorkBuddy, Yuanbao e ima. La pubblicazione dei pesi del modello e di una system card completa è prevista successivamente, a differenza della versione preliminare dell’agosto 2026, resa disponibile come modello open-weight. Quest’ultima comprendeva 770 miliardi di parametri complessivi, 49 miliardi di parametri attivi e una finestra contestuale di un milione di token, ma presentava problemi riconosciuti di ragionamento eccessivamente lungo e verifiche ridondanti.
La nuova versione utilizza un processo ampliato di pre-addestramento e post-addestramento, con miglioramenti dichiarati nella comprensione di contesti estesi, nell’esecuzione di istruzioni complesse, nelle attività di ricerca approfondita e nei compiti articolati in numerosi passaggi. L’interfaccia OpenRouter indica una finestra contestuale di 1.048.576 token e una lunghezza massima delle risposte di 65.536 token, con supporto a input testuali e immagini e output testuale. Le tariffe API dichiarate rimangono invariate rispetto alla versione preliminare, con 0,834 dollari per milione di token in ingresso, 2,501 dollari per milione di token generati e 0,042 dollari per milione di token in ingresso recuperati dalla cache. Le funzionalità visive comprendono l’interpretazione di dettagli presenti nelle immagini e di grafici complessi, mentre la componente di computer use è stata sviluppata per attività che richiedono il coordinamento tra percezione visiva, pianificazione e utilizzo di strumenti software.
Tencent ha dedicato una parte specifica dell’addestramento agli ambienti professionali di progettazione, comprendendo Blender, software CAD e procedure distribuite tra applicazioni differenti. Un ulteriore intervento ha riguardato lo sviluppo frontend, con particolare attenzione alle interfacce complesse, alla gestione dello stato, alla logica applicativa e all’integrazione full-stack. Gli sviluppatori di Tencent Interactive Entertainment Group hanno contribuito alla preparazione di dati ed esercizi relativi allo sviluppo videoludico, includendo Unreal Engine, Unity e Godot, oltre alla gestione della logica di gioco, delle pipeline degli asset e delle funzionalità multiplayer. Nelle valutazioni interne Tencent dichiara miglioramenti del 19,1% su GameDev e del 9,8% su GameLogic rispetto alla versione preliminare. Per il settore finanziario sono stati predisposti migliaia di ambienti di lavoro simulati e decine di migliaia di attività, con una successiva valutazione condotta da 213 professionisti, dei quali 153 provenienti da istituzioni finanziarie, su 579 compiti reali. In questo test Hy4 ha ottenuto un punteggio di 3,04, superiore ai 2,97 di DeepSeek-V4.1-Flash-1017 e ai 2,68 attribuiti a Kimi K3.1 Pro e GLM-5.3.
Le valutazioni sulla qualità delle risposte indicano inoltre una riduzione delle allucinazioni dal 15,76% al 5,45% nei test interni di ricerca e una diminuzione degli errori speculativi dal 23,1% al 5,6%. Sul benchmark interno TenureTrail, composto da 123 attività di ricerca distribuite su sette discipline, Tencent dichiara il primo posto tra i modelli open-weight confrontati. Rimangono tuttavia differenze rispetto ai migliori modelli proprietari in attività avanzate di matematica, programmazione di lungo periodo, miglioramento autonomo dei modelli e comprensione visiva particolarmente complessa. Sul fronte della sicurezza, Tencent ha limitato l’addestramento relativo alla cybersicurezza a contenuti difensivi, analisi delle vulnerabilità e sviluppo di correzioni, escludendo materiale destinato alla realizzazione di exploit e all’intrusione offensiva. I laboratori Xuanwu e Keen Security hanno partecipato ai controlli red-team, mentre sul benchmark biologico Hy-BioExperimentBench il modello ha ottenuto 30,4 punti su 100. La futura pubblicazione dei pesi sarà accompagnata dalla documentazione di sicurezza e dal supporto all’ecosistema vLLM e SGLang. È prevista anche una variante Hy4 Flash, destinata a offrire inferenza più rapida e costi operativi inferiori, ma non ancora compresa nel rilascio attuale.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)