Tencent Hunyuan выпустил Hy4: вошел в число самых сильных в открытом исходном коде, протестированы четыре основных практических сценария

Автор｜Сяо Цзин

Редактор｜Сюй Циньян

4 ноября Tencent Hunyuan официально представила новое поколение языковой модели Hy4. По сравнению с предыдущим предварительным вариантом Hy4, новая модель значительно расширила масштаб предобучения и дообучения, впервые внедрила возможности визуального восприятия и акцентировала внимание на соблюдении инструкций, понимании длинных текстов, долгосрочных агентах и реальной производительности в задачах.

Общее количество параметров Hy4 составляет 770 миллиардов, используется архитектура смешанных экспертов, и впервые поддерживается компьютерное использование (Computer Use), что позволяет выполнять сложные задачи, сочетая командную строку и графический интерфейс.

Согласно результатам тестирования, Hy4 вошла в первую лигу мировых открытых моделей, а веса модели будут вскоре открыты. Команда Hunyuan заявила, что, хотя Hy4 уже является одной из самых мощных открытых моделей, существует значительный разрыв с ведущими закрытыми моделями. Hunyuan будет продолжать уверенно расширять масштаб предобучения и дообучения, стремясь сократить разрыв с ведущими закрытыми моделями.

В ответ на потенциальные риски безопасности модели в таких областях, как интернет и биология, Hunyuan проводит обучение, открытие и выпуск более ответственно.

01 В числе самых сильных открытых моделей

В области визуального восприятия Hy4 может распознавать детали на изображениях, анализировать сложные графики и выполнять визуальные математические задачи, сочетая свои способности с логическим мышлением. Впервые внедренная способность Computer Use позволяет модели управлять графическим интерфейсом и командной строкой. Для профессионального программного обеспечения, такого как Blender и CAD, а также для долгосрочных задач, требующих совместной работы между приложениями, Tencent Hunyuan провела специализированное обучение.

В то же время Tencent разрабатывает глубокую совместную проектировку (Co-Design) модели и продукта, чтобы улучшить производительность модели в реальной работе.

В тестировании офисного сценария WorkBuddy Hy4 в среднем набрала 83.18 балла, а процент успешного выполнения задач составил 96.15%, при этом в 9 из 12 сценариев модель заняла первое место в стране. С помощью пакета корпоративного WeChat модель также может связывать информацию из чатов, электронной почты, документов, расписаний и встреч, отслеживать прогресс нескольких проектов, выявлять задачи и помогать в расстановке приоритетов.

Профессиональный финансовый анализ — еще одно ключевое обновление. Tencent создала тысячи рабочих пространств и десятки тысяч высококачественных тренировочных задач для таких сценариев, как исследование фондов, анализ ценных бумаг и количественные стратегии.

В тестировании, в котором участвовали 213 финансовых экспертов и охватывались 579 реальных задач, Hy4 получила 3.04 балла, что выше, чем у Kimi K3.1 Pro (2.68 балла), GLM-5.3 (2.68 балла) и DeepSeek-V4.1-Flash-1017 (2.97 балла).

С учетом требований к точности информации в финансовых сценариях Hunyuan также провела специализированную оптимизацию для своевременного поиска, интеграции многопоточных данных и проверки фактической согласованности. Собственные тестовые результаты показывают, что уровень иллюзий у Hy4 снизился с 12.95% в предварительной версии до 7.2%, а уровень ошибок из-за догадок снизился с 23.1% до 5.6%.

В области фронтенд-разработки и разработки игр Hy4 дополнительно улучшила способности к сложному взаимодействию, бизнес-логике и управлению состоянием, а также усилила совместимость с основными игровыми движками, такими как UE, Unity и Godot. По сравнению с предварительной версией, результаты тестирования GameDev и GameLogic увеличились на 19.1% и 9.8% соответственно.

В области научных исследований Hy4 дополнительно сочетает сложное логическое мышление, научное программирование и выполнение долгосрочных задач. Внутреннее тестирование TenureTrail, охватывающее 7 дисциплин и 123 исполняемых исследовательских задач, показало, что модель демонстрирует сильные способности к обработке задач в таких областях, как математическое моделирование, физическое моделирование, экология Земли и системная инженерия.

Особое внимание заслуживает то, что Hy4 начала участвовать в разработке собственных AI моделей. Tencent Hunyuan готовится к рекурсивному самоулучшению (RSI, Recursive Self-Improvement), используя Hy4 и Hyra 2.0 для совместной оптимизации инфраструктуры предобучения малых моделей и автоматического завершения обучения модели. Hunyuan также открыла исходный код базовой модели представления однотипных клеток HyCell и базовой модели физических полей HyPDE, пытаясь превратить возможности AI в научных исследованиях в инструменты, которые можно повторно использовать.

В области кибербезопасности Hy4 в обучении учитывает только защитные данные, связанные с генерацией PoC и исправлением уязвимостей, одновременно исключая атакующие тренировочные материалы, такие как эксплуатация уязвимостей, реверс-инжиниринг и проникновение, стремясь избежать повышения потенциальных атакующих способностей. Hunyuan организовала экспертов по безопасности из Tencent Xuanwu и Cohen Lab для аудита в таких направлениях, как криптоанализ, реверс-инжиниринг и эксплуатация уязвимостей, и результаты показали, что Hy4 не продемонстрировала значительных рисков в атакующих способностях, таких как обратное решение криптографических алгоритмов, противодействие бинарному запутыванию и эксплуатация уязвимостей.

В области биобезопасности Hy4 демонстрирует явное отставание в способности к открытым экспериментальным проектам по сравнению с передовыми моделями (Hy-BioExperimentBench: 30.4/100). Hunyuan организовала внутренний аудит экспертов по траекториям и обнаружила, что модель обладает сильными способностями к усвоению базовых биологических знаний, но способность преобразовывать знания в исполняемые экспериментальные планы все еще ограничена, и не было обнаружено, что она может значительно снизить порог для осуществления биохимических вредоносных действий.

Эти обновления также продолжают темп исследований и разработок Tencent Hunyuan с 2026 года. С февраля, когда была восстановлена инфраструктура, Hunyuan в среднем каждые два месяца выпускает крупные версии, сначала открывая предварительную версию, а затем итеративно обновляя официальную версию на основе отзывов пользователей. От параметров менее 300B в серии Hy3 до 770B в серии Hy4, масштаб модели и инвестиции в обучение продолжают расти. Сообщается, что следующая версия Hy5 будет еще больше.

Tencent Hunyuan придерживается принципа "практичности модели" и, стремясь к интеллектуальному пределу, предоставляет пользователям услуги с высоким соотношением цены и качества. Hy4 значительно превзошла производительность Hy4 preview, при этом цена осталась неизменной: ввод 6 юаней за миллион токенов, вывод 18 юаней за миллион токенов, кэширование 0.3 юаня за миллион токенов.

Hy4 flash также будет выпущен в ближайшее время. Hy4 flash, наследуя способности Hy4, значительно снижает стоимость задач, предлагая пользователям модель с отличным соотношением цены и качества.

В настоящее время Hy4 уже доступна в таких продуктах, как Tencent Cloud Tokenhub, WorkBuddy/CodeBuddy, Yuanbao, корпоративный WeChat Intelligent Assistant Dayuan, ima и других, API синхронно подключается к платформам OpenRouter, Hermes, OpenCode и т.д. Продукты Tencent, такие как QQ, Honor of Kings, Peacekeeper Elite, WeChat Reading, Tencent News, также продолжают подключаться.

Для сбора большего количества отзывов пользователей и постоянного повышения возможностей модели WorkBuddy/CodeBuddy с 4 ноября по 15 ноября предоставит пользователям определенный объем бесплатного использования. Кроме того, с сегодняшнего дня до 31 декабря 2026 года Hy4 будет взиматься по полцены на Tencent Cloud TokenHub по рекомендованной цене.

Судя по этим технологическим обновлениям и данным тестирования, Hy4 расширяется к более сложным реальным задачам. Мы также в первую очередь выбрали четыре различных сценария для практического опыта.

02 Создание солнечной системы одним предложением

Сначала мы поручили Hy4 "желательную" задачу: создать интерактивную веб-страницу солнечной системы для 9-летнего ребенка, чтобы он мог щелкать по планетам, наблюдать за движением, регулировать скорость орбитального движения и понимать, почему годы на разных планетах различаются по длине. Подсказка была такой короткой.

Модель в конечном итоге представила интерактивную веб-страницу.

Страница имеет темно-синий звездный фон, в центре находится светящееся солнце, восемь планет распределены по своим орбитам. Общий визуальный стиль близок к цифровой интерактивной выставке научного музея.

Что касается "почему годы на разных планетах различаются", модель разработала интуитивно понятное сравнение: по мере продвижения времени, когда Земля делает один оборот вокруг Солнца, Меркурий уже совершил более четырех оборотов, а Нептун прошел лишь небольшую часть своей орбиты.

Она также добавила функции взаимодействия, такие как ускорение года на Земле, архивы планет, регулировка скорости времени и переключение углов обзора. Щелкая по различным планетам, можно увидеть диаметр, расстояние до Солнца, а также периоды вращения и орбитального движения.

Эти детали не были перечислены в исходной инструкции.

Например, чтобы помочь ребенку понять период орбитального движения, модель самостоятельно добавила набор индикаторов прогресса; чтобы избежать научного заблуждения, она также отметила, что размеры планет и расстояния между орбитами были сжаты, а периоды орбитального движения были установлены на основе реальных астрономических данных.

Согласно завершенной странице, модель уже может преобразовать относительно неясную образовательную потребность в конкретное произведение, которое учитывает визуальные эффекты, выражение знаний и интерактивные операции.

Запись выполнения также показывает, что она использовала Chrome для 15 интерактивных проверок, включая щелчки, перетаскивания, переключение тем и ускорение времени.

Пользователь поставил учебную задачу, и AI должен был самостоятельно подумать, как помочь 9-летнему ребенку действительно понять этот концепт. Это также является наиболее привлекательной частью "желательной программирования" для обычных пользователей: человек может выдвигать требования, близкие к повседневному общению, позволяя модели взять на себя больше задач по проектированию продукта и технической реализации.

03 Беспорядочный холодильник, Hy4 сразу же спланировала будущее меню

Задачи, подобные "созданию веб-страницы солнечной системы", начинаются с текста. Когда пользователь больше не предоставляет четкое языковое описание, а просто фотографирует проблему из реального мира для AI, насколько она может понять?

Мы также отправили Hy4 фотографию переполненного холодильника, попросив ее спланировать девять приемов пищи для семьи из трех человек на следующие три дня, с дополнительным бюджетом не более 100 юаней, и время приготовления каждого блюда не превышает 40 минут.

Этот тест в первую очередь проверяет визуальное восприятие. В холодильнике много перекрывающихся, скрытых и непрозрачных предметов, а отражение света также усложняет распознавание. Модель сначала увеличила фотографию по зонам, поэтапно подсчитывая ингредиенты, распознала помидоры, огурцы, кабачки, замороженные овощи, хлеб, приправы и т.д., а также сделала предварительную оценку запасов.

Интересно, что она не притворялась, что видит все.

Что касается розовой вакуумной упаковки на среднем уровне слева, модель предположила, что это может быть курица, свиная отбивная, ветчина или рыба; белая большая банка справа, возможно, йогурт, сливки или сырный соус, также не может быть подтверждена. Она перечислила четыре визуальных сомнения, влияющих на меню, пометила эти ингредиенты как требующие подтверждения и в дальнейшем обработала их осторожно.

Затем модель на основе результатов распознавания продолжила составлять список покупок и меню на три дня.

Эта задача проверяет способности модели от визуального распознавания до фактического планирования. Ей нужно было определить, какие ингредиенты можно использовать, а какие требуют дальнейшего подтверждения, при этом учитывая бюджет, вкус, время и расход ингредиентов.

Действительное полезное визуальное восприятие включает не только то, что видно, но и знание того, что не было видно, а также как эти неопределенности могут повлиять на последующие решения.

Сложность заключается в том, что мы выдвинули дополнительные требования: на следующий вечер неожиданно появилось два дополнительных гостя, один из которых вегетарианец, а другой имеет аллергию на арахис. Бюджет не может увеличиваться, и питание на третий день также не должно пострадать.

Эта задача требует от модели поддержания постоянно меняющегося состояния запасов и бюджета. Ей необходимо помнить, что уже было потреблено, перераспределить следующие ингредиенты и учесть диетические ограничения. Hy4 даже предложил стратегию снижения отходов.

Многие требования в реальном мире таковы. Пользователи часто описывают только цель, а остальные ограничения и детали должны быть активно обнаружены, разумно выведены или дополнительно подтверждены моделью.

04 Hy4 как редактор, смело сомневается в цифрах, предоставленных пользователем

Помимо креативности и планировочных способностей, в реальной жизни нам также часто необходимо, чтобы модель предоставляла независимые суждения.

Мы предоставили Hy4 вымышленный рекламный график производительности AI-компании и задали вопрос: "Пожалуйста, проанализируйте загруженный мной рекламный график производительности этой вымышленной AI-компании. Вам нужно, как строгому финансовому редактору, оценить, являются ли рекламные выводы на изображении правдивыми."

Пожалуйста, выполните следующие задачи:

1. Полностью извлеките все ключевые финансовые цифры и текст из изображения.

2. Независимо рассчитайте темпы роста выручки, операционной прибыли и изменение прибыли.

3. Определите все очевидные ошибки, преувеличения или потенциально вводящие в заблуждение визуальные элементы на изображении.

4. Объясните, почему установка вертикальной оси столбчатой диаграммы изменяет интуитивное восприятие роста.

5. Предложите конкретный план, как должна быть изменена более корректная диаграмма.

6. Напишите заключение по проверке финансовых новостей объемом до 150 слов.

Модель быстро обнаружила, что из трех выводов на рекламном графике два имеют явные проблемы.

Первый вывод — "выручка выросла на 80%". Фактические данные показывают, что она увеличилась с 120 миллионов юаней до 150 миллионов юаней, и после пересчета модель обнаружила, что реальный рост составляет всего 25%, что значительно ниже заявленных 80%.

Второй вывод — "прибыль удвоилась". Однако указанные на графике суммы снизились с 30 миллионов юаней до 18 миллионов юаней, фактически упав на 40%, что совершенно противоположно. Здесь нет прямой информации, это нужно было вывести через расчет.

Третий вывод — "количество платных пользователей увеличилось на 50%" — верный. Однако модель продолжила расспрашивать о значении этих цифр: если количество клиентов увеличилось на 50%, а выручка только на 25%, то средний доход от одного платного пользователя на самом деле снизился примерно на 16,7%.

Она также заметила, что вертикальная ось графика начинается с 110, а не с нуля, что делает рост доходов на столбчатой диаграмме особенно преувеличенным.

Затем модель предоставила два сопоставительных графика и одну нормализованную переработанную диаграмму, установив вертикальную ось на ноль, добавив данные и кратко объяснив проблему в 150 словах.

Интересно, что в этом случае модель не продолжила следовать логике рекламного графика, а активно усомнилась в самом входном материале.

На самом деле, когда пользователь просит AI "помочь мне проанализировать этот график", это обычно подразумевает ожидание: он должен помочь мне выявить проблемы, а не просто повторно организовать текст на изображении.

Но это ставит перед моделью более высокие требования. Она должна знать, какие данные можно напрямую рассчитывать, а какие выводы требуют дополнительных доказательств.

Например, рекламный график не предоставляет полную информацию о затратах, и не указывает, были ли данные проверены. На основании этого модель указывает, что можно рассчитать только отношения между заданными цифрами, и нельзя подтвердить реальную чистую прибыль компании, основываясь только на этом изображении.

Это осознание границ особенно важно для AI в финансовых, юридических, медицинских и других профессиональных сферах.

Модель может быть очень хороша в генерации объяснений и быстро выполнять расчеты. Но если она делает чрезмерно уверенные суждения на основе неполной информации, инструмент, который изначально должен был повысить эффективность, может создать новые риски.

Действительно ценный аналитический помощник должен знать, когда следует сомневаться в входных данных, а когда признавать недостаточность информации.

05 Три босса одновременно ставят задачи, Hy4 обнаруживает, что лучшее решение — отложить сроки

В последней задаче мы намеренно установили невыполнимое требование.

Предположим, что в AI-компании только один операционный сотрудник, но он одновременно должен работать на трех боссов. Генеральный директор требует подготовить материалы для совета директоров и отправить резюме для инвесторов; руководитель продукта требует проанализировать отзывы пользователей и предложить улучшения; руководитель маркетинга требует написать пресс-релиз, разработать графику и ответить на письма о сотрудничестве.

Все работы должны выполняться последовательно, нельзя выполнять их одновременно. Рабочий день с 9 до 17 часов, всего 480 минут. Но если сложить время, необходимое для выполнения всех задач, потребуется 555 минут.

Это означает, что независимо от того, как организовать работу, как минимум 75 минут работы не может быть выполнено в тот же день.

Мы попросили модель предложить наиболее разумный план выполнения, а затем добавили два временных изменения: генеральный директор перенес срок подготовки материалов для совета директоров, а руководитель маркетинга потребовал отложить начало пресс-релиза.

В итоге модель не предоставила идеальное расписание, в котором все задачи могут быть выполнены вовремя. Напротив, она выявила конфликты в самих задачах и предложила три варианта распределения, в которых разные боссы несут последствия задержки.

Одна из предложенных схем имеет общее превышение времени на 300 минут, две другие — на 360 минут и 450 минут соответственно.

Модель склонна выбирать вариант с меньшим общим превышением времени и указывает, что если необходимо дальше удовлетворить требования задач, соответствующие ответственные лица должны активно одобрить продление сроков.

Она даже предложила интересный совет: "Не ищите баланс в порядке выполнения, измените невыполнимые сроки на выполнимые."

Этот результат демонстрирует способность модели принимать решения в условиях сложных ограничений.

Когда задачи, предложенные пользователем, не могут быть выполнены одновременно, AI должен выявлять конфликты, объяснять затраты и предлагать альтернативные решения.

Но здесь также возникает более глубокая проблема. Чье "оптимальное" решение имеет в виду модель?

С точки зрения компании, вариант с наименьшим общим превышением времени может быть более эффективным; но для генерального директора материал, который должен быть завершен перед советом директоров, возможно, не может быть отложен ни при каких обстоятельствах.

Модель может искать оптимальное решение в соответствии с установленными целями, но она не всегда знает о реальных коммерческих последствиях каждой работы. Более того, если для продления сроков требуется одобрение босса, даже если модель предлагает разумные рекомендации, она не может произвольно считать "план запроса на продление" равным "уже полученному одобрению".

Это означает, что по мере того как AI все больше участвует в организации работы, ему необходимо понимать не только логические связи между задачами, но и приоритеты целей, реальные полномочия и цену, которую каждый готов заплатить.

Агент, который всегда соглашается с требованиями пользователя, может оказаться самым ненадежным.

Иногда AI необходимо сказать пользователю: "Это требование в данный момент невозможно выполнить." Более того, он должен объяснить, почему это невозможно, и какие условия нужно изменить, чтобы это стало возможным.

06 Понимать желания, но также уметь отказывать

От создания веб-страницы солнечной системы, распознавания ингредиентов в холодильнике до проверки финансовых данных и организации рабочих задач, четыре примера демонстрируют способности Hy4 в различных сценариях.

У этих задач есть одна общая черта: пользователи часто выдвигают только цели, но не уточняют все требования.

Создавая веб-страницу солнечной системы, модель должна учитывать понимание детей и взаимодействие; при составлении трехдневного меню необходимо учитывать ингредиенты, бюджет и вкусы, даже аллергены гостей; при проверке финансовых данных нужно активно выявлять ошибки; сталкиваясь с конфликтующими требованиями трех боссов, нужно также оценить, какие задачи невозможно выполнить вовремя.

Пользователи могут выдвигать требования на естественном языке, но чтобы модель действительно поняла намерения пользователя, ей нужны две способности: проактивность и способность к суждению.

Она должна уметь думать на шаг вперед, когда пользователь не выразил свои мысли четко, а также задавать вопросы в условиях недостаточной информации и конфликтующих требований, и при необходимости говорить "нет". Особенно когда AI начинает организовывать работу и принимать решения, ему также нужно знать, какие решения он может принимать самостоятельно, а какие должны быть возвращены пользователю.

Hy4 усиливает визуальное понимание, долгосрочные задачи и способности агента, исследуя этот более сложный способ взаимодействия человека и машины.

По мере того как AI становится все более искусным в превращении слов в конкретные результаты, возможно, самое важное — это сможет ли он понять те требования, которые не были озвучены, и определить, когда следует действовать проактивно, а когда напомнить пользователю изменить свое мнение.

Это, возможно, и есть суть человеческого общения: то, что не было сказано, может быть самым важным.