模型卡｜Tencent Hy4 Preview

TL;DR Tencent Hy4 preview：770B 總參數／49B 活躍參數（MoE，78 層），Context Window 1,048,576 tokens；API 定價 input $0.834／output $2.501（每 100 萬 tokens，cache hit $0.042）；Apache 2.0 開源權重已上 HuggingFace；163 位工程師盲測 2.99/4.00 些微領先 GLM-5.3（2.92）與 Kimi K3（2.94）；第三方 BenchLM 綜合評分 79.2/100，全站排名第 7（228 個模型中）；官方首度揭露模型參與自己的訓練優化與推理系統調校，吞吐量提升 31.8%

#ai-agent #model-release #daily #tencent #model-family-hunyuan

模型資訊
能力亮點
Benchmark 表現
與前代/競品比較
對 Agent 開發的意義
今日收穫
參考資料

系列: AI Model Tracker (9 / 10)

模型卡｜GLM-5.3-Flash 模型卡｜BreezeBlue Breeze TTS 2

🌏 English version

模型資訊

項目	值
Model ID	`tencent/Hy4-preview`（部署別名 `hy4-preview`）
廠商	Tencent（騰訊混元 Hunyuan）
參數量	770B 總參數，49B 活躍參數（MoE，78 層；另有 10B 總參數／0.7B 活躍的原生 MTP 層做投機解碼）
Context Window	1,048,576 tokens（1M）
Input 定價 (USD/1M tokens)	$0.834
Output 定價 (USD/1M tokens)	$2.501（cache hit $0.042）
開源	是（Apache License 2.0，另提供 FP8 量化版 `Hy4-preview-FP8`）
發布日	2026-08-28
官方公告	Tencent 官方新聞稿
HuggingFace	tencent/Hy4-preview
家族	Tencent Hunyuan Hy 系列（Hy3 preview → Hy4 preview）

能力亮點

架構融合 DeepSeek 與 GLM 兩家思路：注意力模組採 Gated DeepSeek Sparse Attention（Gated DSA）搭配 IndexCache 做跨層稀疏索引重用，殘差路徑用 iHC（identity Hyper-Connections）擴大層間資訊流動
內部盲測小幅領先兩大開源對手：163 位工程師針對 203 個工程任務評分，Hy4 preview 平均 2.99/4.00，些微領先 GLM-5.3（2.92）與 Kimi K3（2.94）
首次讓模型參與自己的開發流程：Hy4 preview 參與訓練方法、資料策略、評估框架與底層算子的自動化優化實驗，形成早期的遞歸自我改進迴圈
模型自主分析並優化了自己的推理系統（算子融合、通訊優化），端到端吞吐量比基準提升 31.8%，在不同 context 長度與併發下都有一致增益

Benchmark 表現

Benchmark	Hy4 preview	前代（Hy3 preview）	競品參考
SWE-bench Pro	65.7%	—	Claude Mythos 5：80.3%（BenchLM 收錄最高分）
Terminal-Bench 2.1	85.4%	54.4%（Terminal-Bench 2.0，版本不同不宜直接比較）	GLM-5.3：88.2%
SWE-bench Multilingual	82.9%	—	Claude Opus 5：89.5%
GPQA Diamond	92.3%	—	Sakana Fugu-Ultra：95.5%
HLE（Humanity's Last Exam）	55.4%	—	Claude Opus 5：64.7%

⚠️ 上列分數出自 Tencent 官方 Hy4-preview 模型卡的 Benchmark Appendix，屬官方自測；「競品參考」欄與 BenchLM 綜合評分（79.2/100，Agentic 類第 9／140、94th percentile，Coding 類第 11／146、93rd percentile）為第三方聚合平台數據，尚待更多獨立複現。Hy3 preview 的官方自測另有 SWE-bench Verified 74.4%、BrowseComp 67.1%，但 Hy4 preview 官方公開的是 SWE-bench Pro／Multilingual 兩個不同子集，兩代之間除 Terminal-Bench 外多數指標無法直接對齊。

與前代/競品比較

跟 Hy3 preview（295B 總參數／21B 活躍、256K context）比，Hy4 preview 在模型規模（770B/49B）、context window（1M，擴大 4 倍）與訓練資料量三個面向同時擴大，官方稱這是「量測到的世代間最大進步」。更值得注意的是流程本身的變化：Hy3 preview 是純粹的訓練成果，Hy4 preview 則首次把「模型自己」放進訓練與推理優化的迴圈裡，官方將 31.8% 的推理吞吐量提升直接歸功於模型自主找到並修復的算子瓶頸。

跟同期開源旗艦比，內部盲測 2.99 分只比 GLM-5.3（2.92）與 Kimi K3（2.94）高一點點，差距在誤差範圍內；BenchLM 的第三方綜合排名把 Hy4 preview 放在 Agentic 與 Coding 兩類的前 10% 左右（94th／93rd percentile），屬於開源第一梯隊但未全面登頂——例如 GPQA Diamond 的 92.3% 仍落後 Sakana Fugu-Ultra 的 95.5%。定價 input $0.834／output $2.501 介於同期 GLM-5.3 旗艦（$1.40/$4.40）與其開源分支 GLM-5.3-Flash（$0.15/$0.50）之間，走的是「規模與能力優先、價格中等」的路線，而非像 GLM-5.3-Flash 那樣主打極致性價比。

對 Agent 開發的意義

1M context 搭配 Gated DSA 稀疏注意力，理論上可以把完整中大型程式碼庫或長 agent session 直接塞進單次呼叫，減少 chunking 與檢索帶來的資訊斷裂；SWE-bench Pro／Multilingual 兩項分數顯示這個組合在實際軟體工程任務上有一定水準，但還沒到接近前緣閉源模型的程度。

如果你在做長時序 coding agent（大型 repo 理解、跨檔案重構、多語言程式碼庫）：Hy4 preview 的 1M context 與 Apache 2.0 開源權重值得排進評測清單，尤其是需要自架部署、不想受限於單一 API 廠商的團隊
如果你在做辦公自動化或跨文件分析型 agent：官方特別強調文件／試算表／簡報產出與財務分析場景的改善，屬於針對性優化，可對照自己的實際工作流測試
不適合：官方自己在 Known Limitations 裡承認的「過度推理」與「過度驗證自身結果」問題會拉長延遲，加上這是標示為 preview 的早期版本，官方明白表示還有很大改進空間——需要低延遲即時回應，或已上生產環境穩定性要求高的場景，宜先觀察後續正式版

今日收穫

Hy4 preview 官方揭露的「模型參與自己訓練與推理優化」流程，比起單純的 benchmark 分數更值得留意：不只是自動化建議訓練方法與評估框架，還包含模型自主分析推理系統瓶頸、做算子融合與通訊優化，並且量化出 31.8% 的吞吐量提升。這代表「AI 協助訓練下一代 AI」正在從論文裡的概念驗證，變成大廠實際生產流程的一部分——而且第一個公開講出具體數字的不是矽谷大廠，是騰訊。