Tencent ha rilasciato in open source Hy4 Preview, nuova versione preliminare della propria famiglia di modelli AI progettata con un orientamento specifico verso attività produttive reali come sviluppo software, lavoro d’ufficio e ricerca scientifica. Il modello utilizza un’architettura Mixture of Experts da 770 miliardi di parametri complessivi, ma ne attiva selettivamente circa 49 miliardi per ciascun token in ingresso, con l’obiettivo di combinare capacità elevate e maggiore efficienza computazionale. Hy4 Preview supporta inoltre una finestra di contesto fino a 1 milione di token, caratteristica pensata per l’elaborazione di grandi quantità di codice, documentazione e dati all’interno di singole sessioni operative.
Lo sviluppo è stato impostato fin dall’inizio su scenari di utilizzo professionale. Tencent ha lavorato con esperti attivi in software engineering, sviluppo di videogiochi, finanza e sicurezza per costruire dati di training orientati a compiti concreti, evitando di concentrare il modello soltanto sulle capacità conversazionali generiche. Hy4 Preview è stato quindi integrato in profondità con CodeBuddy, l’ambiente di Tencent dedicato alla programmazione assistita dall’intelligenza artificiale, e con WorkBuddy, la piattaforma aziendale per collaborazione e produttività. L’obiettivo è trasformare il modello in un componente direttamente utilizzabile da sviluppatori, analisti e aziende all’interno dei normali flussi di lavoro, piuttosto che limitarne l’impiego a un’interfaccia chatbot.
Tencent ha sottoposto Hy4 Preview anche a una valutazione interna basata su attività professionali. Il test ha coinvolto 163 esperti e 203 compiti reali di ingegneria, esaminati attraverso una procedura blind. Su una scala massima di 4 punti, Hy4 Preview ha ottenuto un punteggio medio di 2,99, superando leggermente GLM-5.3 di Zhipu AI, fermo a 2,92, e Kimi K3 di Moonshot AI, che ha raggiunto 2,94. I risultati collocano quindi il nuovo modello nella fascia alta delle soluzioni open cinesi per i task produttivi considerati nella prova.
I miglioramenti rispetto alle generazioni precedenti risultano particolarmente evidenti nelle attività di coding e nell’utilizzo agentico. Tencent considera Hy4 Preview uno dei modelli open più competitivi attualmente disponibili in questi ambiti, pur riconoscendo che le prestazioni non raggiungono ancora quelle dei modelli frontier sviluppati da OpenAI e Anthropic. Il confronto evidenzia quindi un avvicinamento delle architetture open ai sistemi proprietari più avanzati, senza però indicare un superamento degli attuali leader nelle prove di programmazione e gestione autonoma dei task più complessi.
La denominazione “Preview” riflette anche lo stato ancora non definitivo del sistema. Tencent ha riconosciuto che Hy4 può impiegare tempi di ragionamento eccessivamente lunghi nell’esecuzione di attività particolarmente complesse e, in alcuni casi, tende a ripetere più volte processi di autoverifica prima di produrre il risultato finale. Si tratta di comportamenti che l’azienda intende correggere attraverso ulteriori iterazioni del training e attraverso i dati raccolti durante l’utilizzo pubblico della versione preliminare.
Il rilascio è accompagnato da una strategia di distribuzione particolarmente ampia. Tencent ha pubblicato Hy4 Preview su Hugging Face, GitHub e ModelScope, rendendo disponibili i modelli attraverso i principali ecosistemi open source internazionali e cinesi. Parallelamente viene offerto l’accesso API attraverso Tencent Cloud TokenHub e OpenRouter, con una politica di prezzo impostata per favorire l’utilizzo su larga scala. Gli utenti di CodeBuddy e WorkBuddy possono inoltre accedere a un periodo di prova gratuito, con l’obiettivo di accelerare l’adozione del modello direttamente all’interno degli strumenti professionali già sviluppati dall’azienda.
La distribuzione anticipata della versione Preview consente a Tencent di raccogliere dati e feedback da utilizzi reali prima della pubblicazione della versione definitiva di Hy4. L’azienda ha quindi scelto di non attendere il completamento di un modello considerato completamente maturo, ma di inserirlo rapidamente nei propri servizi e negli ecosistemi open source per individuare limiti, casi d’uso e aree di miglioramento attraverso l’interazione con utenti e sviluppatori. I dati generati durante questa fase serviranno per perfezionare la versione finale del modello, sia nelle capacità generali sia nei flussi di lavoro specificamente orientati alla produttività aziendale.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)