Tencent åpner Hy4 Preview: 770B under Apache – for koding og kontor

Tencent slapp 28. august 2026 Hy4 Preview. Det er Hunyuan-labens nye flaggskip for produktivitet: 770 milliarder parametre totalt, 49 milliarder aktive per token, og en kontekst på 1 million tokener. Vektene ligger åpent på Hugging Face under Apache 2.0. Reuters bekreftet slippet samme dag.

For CIO og CISO er lisensen poenget, ikke Tencents egne grafer. Qwen3.8-Flash-Next, som kom to dager tidligere, er åpne vekter under Qwen Community License: intern kjøring ja, modell-som-tjeneste og en selvstendig kode- eller kontoragent krever avtale. Hy4 Preview er Apache. Det endrer hva en nordisk virksomhet lovlig kan hoste, finjustere og bygge produkt på – så lenge man godtar kinesisk opphav, 1,56 TB vekter og et prediktivt sjekkpunkt, ikke en ferdig Hy4.

Hva som faktisk ble sluppet

Hy4 Preview er en Mixture-of-Experts-modell. Ryggmargen har 78 lag: første lag er tettsittende FFN, de neste 77 er MoE med 256 ruteeksperter og én delt ekspert. Hvert token aktiverer topp-8 ruteeksperter pluss den delte. I tillegg sitter et native MTP-lag på 10 milliarder parametre, 0,7 milliarder aktive, for spekulativ dekoding.

Arkitekturen henter fra DeepSeek og GLM: gated sparse attention med IndexCache for gjenbruk av indekser på tvers av lag, og utvidede residualstrømmer. Konteksten er 1 million tokener. Modellkortet på Hugging Face er tekstgenerering. Det er ikke en visjonsmodell.

Tencent skalerte tre akser: modellstørrelse, kontekst og data. Forrige Hy3 Preview i juli var 295 milliarder totalt, 21 milliarder aktive og 256 000 tokener. Hy4 er et sprang i vekt, ikke et nytt merkenavn på samme sjekkpunkt.

Vektene og en FP8-variant ligger på Hugging Face, ModelScope, GitCode og CNB. Offisielle serveroppskrifter peker mot vLLM og SGLang med tensorparallell 8. Tencent Cloud TokenHub og OpenRouter har API. WorkBuddy og CodeBuddy gir to ukers gratis tilgang. Hy3-gratisperioden er forlenget til 30. september. Pris: 0,834 dollar per million inn-tokener, 2,501 dollar per million ut-tokener, 0,042 dollar ved cache-treff.

Tallene er Tencents – med ett unntak

Tencent lot 163 interne eksperter blindteste 203 ingeniøroppgaver. Hy4 Preview fikk 2,99 av 4, foran GLM-5.3 (2,92) og Kimi K3 (2,94). Seiersandelene er smale: 46,8 prosent mot GLM, 51,2 prosent mot Kimi, med rundt 40 prosent tap i begge matcher. Det er en intern jury, ikke et uavhengig lederboard.

Hugging Face-kortet viser labens egne evaler: GPQA Diamond 92,3, DeepSWE 64,3, SWE-bench Pro 65,7, SkillsBench 62,9 og SWE-bench Multilingual 82,9. Behandle dem som Tencents målinger. Uavhengig, harness-låst sammenligning mot Claude, GPT og Qwen er ikke grunnlaget for innkjøp ennå.

Tencent er tydelig på at dette er et tidlig Hy4-sjekkpunkt. Kjente feil: modellen bruker for lang tid på komplekse oppgaver, og den oververifiserer egne svar. Labens argument for å slippe nå er det samme som med Hy3: få reell bruk, så fikse.

Selvlæring – med forbehold

Tencent skriver at Hy4 Preview for første gang deltok i å automatisere deler av egen utvikling: treningsmetoder, datastrategi, evalueringsrammer og lavnivå-operatorer. Modellen foreslo grep, kjørte eksperimenter og matet kode, logger og tilbakemelding inn i neste runde. På inferenssiden skal den ha analysert flaskehalser og økt ende-til-ende-gjennomstrømning med 31,8 prosent mot baseline, jevnt over kontekst og samtidighet.

I forskningsinnlegget beskrives også at modellen styrte flere Codex-økter parallelt på et lite posttreningsoppdrag og slo Codex som utforsket alene på åtte benker. Det er et operativt signal, ikke et bevis på autonom superintelligens. Det Tencent viser, er at en frontier-modell kan brukes som forskningsassistent på egen stakk – med mennesker, harness og måleopplegg rundt. Styret bør lese det som et krav til sporbarhet: hvem godkjente endringen, hvilken eval stanset en dårlig runde, og hva som ikke fikk lov å gå i produksjon.

Hva den er bygget for

Tencent sier eksplisitt at gevinsten sitter der arbeidet er hardest: lange kodeoppdrag, dokumenttungt kontorarbeid og forskningsproblemer. Treningsdata er laget sammen med interne programvare-, spill-, finans- og sikkerhetseksperter, og co-designet med CodeBuddy og WorkBuddy.

Koding: planlegging, debugging og validering over lang horisont, pluss mer visuell smak i front-end. Kontor: rotete kontekst over mange filer om til dokumenter, regneark og presentasjoner, med bedre finans- og dataanalyse. Spill: ett språkkrav til spillbar prototype, deretter flerrunders iterasjon mot motoren. Forskning: AI-R&D, molekyldynamikk, kondensert materie og ren matematikk.

Reuters rammer slippet som Tencents neste trekk i et tettere kinesisk modellmarked, etter Hunyuan 3.0 i april og ansettelsen av tidligere OpenAI-forsker Yao Shunyu. Bloomberg gjengir Tencents påstand om at Hy4 slår Z.AI og Moonshot i interne tester. Tredjepartsbenker mot Qwen 3.8 Max er ifølge kinesisk dekning mer blandet. Det er forventet for et preview.

Maskin, lisens og Kina-risiko

Apache 2.0 er den praktiske forskjellen mot Qwen-sporet. En bank eller et konsulenthus kan i utgangspunktet hoste, endre og bygge tjeneste på vektene uten Qwen-stil MaaS-klausul. Det fjerner ikke eksportkontroll, sanksjonscreening, datalokasjon eller leverandørstyring. Kjører dere mot Tencent Cloud eller OpenRouter, er det Tencents stakk. Kjører dere selv, er det deres GPU-er, deres logg og deres patch-plikt.

Dette er ikke en 16 GB-modell. Anbefalt tjeneroppsett er åtte GPU-er i tensorparallell. Simon Willison målte vektmappen til 1,56 TB. Qwen3.8-27B forblir den realistiske lokale kandidaten. Hy4 Preview er for de som allerede kjører MoE i rack, eller som vil teste om Apache-sporet kan erstatte en dyr frontier-API på koding og kontor.

Kjent begrensning: tekst inn, tekst ut. Trenger dere skjermbilder, PDF-layout eller video i samme modell, er dette feil sjekkpunkt.

Hva ledelsen bør gjøre

Sett Hy4 Preview i samme evalueringskø som Qwen3.8-Flash-Next og Kimi K3, med tre spor: intern self-host under Apache, API via OpenRouter/Tencent, og «ikke i produksjon før uavhengig eval». Juridisk: Apache mot Qwen Community License, pluss Kina-risiko i innkjøpspolicy. Teknisk: TP8, FP8, vLLM/SGLang – ikke en laptop-PoC. Operativt: preview-feilene (lang tenking, oververifisering) treffer agentløkker og kostnad. Ikke roter Claude eller GPT på Tencents interne 2,99-score.

Kilder og medier

Primærkilde: https://hy.tencent.ai/research/hy4-preview Kilde: Tencent, forskningsinnlegg «Introducing Hy4 preview» 28. august 2026. Offisiell kunngjøring: https://www.tencent.com/tencent-releases-and-open-sources-tencent-hy4-preview/ Modellkort og Apache 2.0-vekter: https://huggingface.co/tencent/Hy4-preview Reuters: https://www.reuters.com/world/asia-pacific/chinas-tencent-releases-new-open-source-ai-model-coding-research-tasks-2026-08-28/ Bloomberg: Tencent Touts New AI Model It Claims Outperforms Z.AI, Moonshot, 28. august 2026. Thumbnail: OpenAI Image 2 / hogby.ai