Análisis de Tencent Hy4: 5 conclusiones clave sobre sus capacidades multimodales y de manejo de computadoras, su precio y sus limitaciones

Nota del autor: Tencent Hy4 ya está disponible en su versión definitiva y, por primera vez, incorpora comprensión de imágenes y manejo del ordenador. En este artículo comparamos las afirmaciones del fabricante, las pruebas de sus socios y las evaluaciones independientes de terceros para entender sus límites y casos de uso.

Unos dos meses después de lanzar la versión preliminar, Tencent presentó la versión definitiva de Hy4, que por primera vez permite comprender imágenes y manejar software de forma autónoma, con los mismos precios que la versión preliminar. Tencent afirma que el modelo ya figura entre los mejores modelos de pesos abiertos, aunque sus pesos no se publicarán hasta una fecha aún por anunciar.

Esto no es un resumen del evento de lanzamiento. Las pruebas de Tencent, los comentarios de sus socios y la evaluación independiente de Artificial Analysis no coinciden por completo; en algunos puntos, las diferencias son importantes. Aquí contrastamos las tres fuentes punto por punto para distinguir las afirmaciones del fabricante de las conclusiones independientes.

Qué te aporta: al terminar de leer sabrás qué capacidades incorpora Hy4, cuánto cuesta, en qué tareas se queda claramente atrás y cómo usarlo con precaución para programación, finanzas y trabajo de oficina.

Tencent Hy4: información clave

Empecemos con los datos confirmados. La mayoría de las capacidades descritas en la tabla proceden de fuentes oficiales de Tencent; los datos de terceros se identifican más adelante.

Contexto del lanzamiento de Tencent Hy4

La generación anterior de Tencent, Hy3, tiene 295.000 millones de parámetros y se publicó bajo la licencia Apache 2.0. En los meses siguientes, Zhipu lanzó GLM-5.3, DeepSeek presentó V4.1-Flash-1017 y Moonshot AI lanzó Kimi K3.1 Pro, en medio de una intensa competencia entre los modelos chinos. Hy4 busca devolver a Tencent al grupo de cabeza en esta carrera.

Otro cambio importante tiene que ver con los criterios de evaluación. A finales de octubre, Artificial Analysis revisó su índice general, que ahora se basa en un 60 % en conjuntos de pruebas privados no publicados. Con el nuevo criterio, la diferencia entre los modelos abiertos y los modelos más avanzados pasó de 3 a 12 puntos. Por eso, no conviene comparar directamente la puntuación de Hy4 con las clasificaciones anteriores a la revisión.

Análisis de las capacidades multimodales y de manejo del ordenador de Hy4 de Tencent

La comprensión de imágenes y el manejo del ordenador son las dos novedades más importantes de esta generación de Hy4. La primera permite al modelo ver imágenes; la segunda, actuar. Solo combinando ambas puede llegar a desenvolverse en flujos de trabajo reales de oficina y desarrollo.

Comprensión de imágenes de Hy4: recortes mediante código para encontrar detalles

En una demostración de Tencent, Hy4 tenía que encontrar una pieza de unos dos metros en el tejado de un almacén dentro de una imagen aérea de 2.800 millones de píxeles. Para hacerlo, utilizó código para generar regiones de recorte y examinó cada una ampliada, en lugar de intentar «ver» toda la imagen de una sola vez. Este enfoque de «ver imágenes con ayuda de herramientas» resulta interesante para procesar planos de gran tamaño, imágenes de teledetección y gráficos complejos.

Tencent también afirma que la comprensión de imágenes puede ayudar en programación, por ejemplo, para crear sitios web y juegos a partir de diseños. En el desarrollo de juegos, la empresa colaboró con sus propios estudios para adaptar Hy4 a motores habituales como Unreal, Unity y Godot. Según el equipo de desarrollo de «Honor of Kings», Hy4 realiza tareas de configuración prácticamente sin errores y también tiene una tasa de éxito mucho mayor que antes al localizar la causa raíz de los bugs. Sin embargo, se trata de comentarios de un equipo interno de Tencent y no se ha publicado la metodología de prueba.

Manejo del ordenador con Hy4: software profesional y tareas entre aplicaciones

Por primera vez, Hy4 puede manejar un ordenador de forma autónoma y controlar directamente el software para completar tareas. Tencent lo entrenó específicamente con herramientas profesionales como Blender y CAD, además de incluir tareas que requieren usar varias aplicaciones en secuencia. En entornos de oficina, Hy4 puede colaborar con personas en tiempo real para trabajar con archivos de Word, Excel y PowerPoint.

Aquí hay una referencia importante. Ese mismo día, la firma de análisis SemiAnalysis publicó el benchmark GDPx, que pone a agentes de IA a manejar software profesional como Siemens NX en entornos de trabajo simulados y realistas, con tareas de hasta 8 horas de duración. Ningún modelo superó el 12% de puntuación; incluso Claude Opus 5.5, que ocupó el primer puesto, solo alcanzó ese 12%. Hy4 no aparece en la clasificación, pero el resultado nos recuerda que la capacidad de manejar un ordenador sigue siendo muy incipiente en toda la industria: todavía hay una gran distancia entre «poder manejar software» y «completar trabajo profesional de forma independiente».

Hy4 participa en el entrenamiento de sus propios «descendientes»

Tencent también mostró una línea de trabajo bastante singular: usar Hy4 para mejorar el propio desarrollo de IA. En pruebas internas de tareas de investigación en siete áreas, la empresa afirma que Hy4 ocupó el primer puesto entre los modelos abiertos. Combinado con el sistema de agentes Hyra 2.0, Hy4 aumentó en torno a un 20% el rendimiento de procesamiento de la infraestructura de entrenamiento interna de Tencent en seis pasos.

Después, Hy4 entrenó de forma autónoma una versión de Jev, el modelo de toma de decisiones de la startup estadounidense TypeSafe AI. Esta variante, Hyra-Jev, superó al Jev original en 6 de 8 benchmarks. Tencent también publicará como modelos abiertos dos modelos especializados en biología y física creados de esta forma. Aunque son pruebas realizadas por la propia Tencent, dejan ver su intención a largo plazo: convertir Hy4 en un acelerador de la investigación y el desarrollo interno de IA.

Comparativa de las tres evaluaciones de Tencent Hy4: fabricante, socios y organismos independientes

Esta sección es el punto central del artículo. Las tres partes ofrecen perspectivas muy distintas del mismo modelo, así que, antes de elegir, conviene tener claro quién hace cada afirmación.

Principales diferencias entre las pruebas de Tencent Hy4 y las evaluaciones independientes

La diferencia más evidente aparece al comparar Hy4 con Kimi K3.1 Pro. En las pruebas financieras de Tencent, Hy4 queda por delante de Kimi, pero en el índice general de Artificial Analysis está 11 puntos por detrás. No es necesariamente una contradicción: la prueba financiera cubre un ámbito concreto, mientras que el índice general abarca varias dimensiones, como trabajo intelectual, programación, ciencia y sentido común. Dicho de otro modo, Hy4 tiene ventaja en el ámbito financiero que Tencent ha trabajado especialmente, pero no lidera en capacidades generales.

También hay un detalle importante sobre la relación calidad-precio. Según Artificial Analysis, la puntuación general de Hy4 es aproximadamente igual a la de Haiku 5.5, el modelo más pequeño de Anthropic, pero el costo por tarea de Haiku 5.5 en ese benchmark es casi la mitad del de Hy4. En otras palabras, no basta con mirar el precio por token para concluir que «Hy4 es más barato»: también hay que calcular cuántos tokens consume realmente al completar una tarea.

Limitaciones de Tencent Hy4 en tareas de alta dificultad

La propia Tencent reconoce que Hy4 sigue claramente por detrás de los mejores modelos comerciales en matemáticas avanzadas, proyectos de programación extensos y análisis complejo de imágenes. La mayor brecha aparece en Hy-FrontierMath T5:

Un 13.0 frente a puntuaciones superiores a 90 no significa que sea «un poco más débil»: juega en una categoría completamente distinta. Si tu negocio requiere razonamiento matemático de nivel de competición, código para proyectos de ingeniería de larga duración o análisis de imágenes de alta precisión, Hy4 no es, por ahora, una buena opción como modelo principal.

Análisis del impacto de Tencent Hy4: qué significa para desarrolladores y equipos de producto

Para desarrolladores: con y sin conexión son dos modelos distintos

Al comparar las cifras de «una tasa de alucinaciones de alrededor del 5 % con conexión» y «un 89 % de respuestas inventadas sin conexión», la conclusión es clara: la fiabilidad factual de Hy4 depende en gran medida de la búsqueda externa. El 5 % de Tencent procede de pruebas internas con búsqueda en línea, mientras que el 89 % refleja la tendencia a inventar información medida por Artificial Analysis en una prueba sin acceso a fuentes externas. Al integrar Hy4 en un producto, conviene diseñarlo como un «modelo que necesita búsqueda».

Para llevarlo a la práctica, estas son algunas recomendaciones:

• Usar búsqueda para todas las preguntas sobre hechos: primero recupera información mediante búsqueda o RAG y después pide al modelo que responda basándose en ella, sin recurrir a su memoria.
• Dejar claro en la indicación que puede decir «no lo sé»: pide al modelo que responda directamente «la información proporcionada no lo menciona» cuando no encuentre un dato, para reducir la probabilidad de que lo invente.
• Pedir que indique las fuentes: haz que el modelo señale de qué fragmento procede cada conclusión, para facilitar las comprobaciones manuales.
• Verificar dos veces las cifras importantes: comprueba mediante código o reglas los números de los resultados financieros y los informes. Como señala la evaluación GDPx, una sola cifra incorrecta en una tabla puede hacer que todo el resultado pierda valor.

A continuación se muestra un ejemplo mínimo de invocación con «búsqueda aumentada + permiso para no responder». Sustituye el nombre del modelo por uno al que tengas acceso; consulta la consola de cada plataforma para conocer el ID específico de Hy4.

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

context = "（这里放检索召回的资料片段）"
resp = client.chat.completions.create(
    model="your-model-name",
    messages=[
        {"role": "system", "content": "只依据给定资料回答；资料没有的内容回答“资料未提及”，并标注出处段落。"},
        {"role": "user", "content": f"资料：{context}\n\n问题：该公司三季度营收是多少？"}
    ],
    temperature=0
)
print(resp.choices[0].message.content)

import openai
from typing import List, Dict

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

SYSTEM = (
    "只依据给定资料回答问题。"
    "如果资料中没有答案，必须只回答：资料未提及。"
    "回答时注明依据的资料段落编号。"
)

def ask(model: str, context: str, question: str) -> str:
    try:
        resp = client.chat.completions.create(
            model=model,
            messages=[
                {"role": "system", "content": SYSTEM},
                {"role": "user", "content": f"资料：\n{context}\n\n问题：{question}"}
            ],
            temperature=0,
            max_tokens=500
        )
        return resp.choices[0].message.content
    except Exception as e:
        return f"Error: {e}"

def evaluate(models: List[str], cases: List[Dict]) -> None:
    """En los casos con answerable=False, la respuesta se omite a propósito para detectar respuestas inventadas."""
    for m in models:
        refused, fabricated = 0, 0
        for c in cases:
            out = ask(m, c["context"], c["question"])
            if not c["answerable"]:
                if "资料未提及" in out:
                    refused += 1
                else:
                    fabricated += 1
        print(f"{m}: 正确拒答 {refused}，疑似编造 {fabricated}")

cases = [
    {"context": "[1] 公司二季度营收 12 亿元。", "question": "三季度营收是多少？", "answerable": False},
    {"context": "[1] 公司二季度营收 12 亿元。", "question": "二季度营收是多少？", "answerable": True},
]

# Sustituye la lista por los ID de los modelos que quieras comparar
evaluate(["model-a", "model-b"], cases)

🎯 Consejo para elegir un modelo: al evaluar modelos nuevos como Hy4, lo más fiable es compararlos con las mismas preguntas y muestras de tu propio negocio, en lugar de fijarte solo en las clasificaciones. APIYI apiyi.com ofrece una interfaz unificada compatible con OpenAI: con una sola clave API puedes acceder a Claude, GPT, Gemini y varios modelos chinos, lo que facilita probar todos los candidatos con el mismo conjunto de pruebas. Para saber si Hy4 ya está disponible en la plataforma, consulta la lista de modelos de la consola.

Impacto para responsables de producto: tareas para las que Hy4 es adecuado y no adecuado

Al combinar la información de las tres fuentes, podemos resumir así la adecuación de Hy4 a cada tarea.

Impacto en el sector: apertura de pesos y endurecimiento de la regulación

Está previsto que Hy4 publique sus pesos, lo que podría dar a las empresas la opción de desplegarlo en su propia infraestructura. Sin embargo, aún no se han anunciado ni la fecha de publicación ni la licencia, así que por ahora no conviene incluirlo en planes que requieran plazos de entrega concretos.

También hay cambios en el ámbito regulatorio. En octubre, el Ministerio de Comercio y el Ministerio de Ciencia y Tecnología de China publicaron un borrador de marco de control de exportaciones que abarca los pesos de los modelos situados entre los diez primeros del mundo o con más de dos billones de parámetros. No obstante, contempla una vía rápida de aprobación automática para las publicaciones de código abierto. En materia de seguridad, Tencent afirma que filtró deliberadamente material relacionado con el hacking durante el entrenamiento. Su propio laboratorio de seguridad no detectó un aumento del riesgo de uso indebido y señaló que el riesgo biológico estaba muy por debajo de su umbral. La empresa publicará un informe de seguridad detallado junto con los pesos.

Preguntas frecuentes sobre Tencent Hy4

Tencent Hy4: puntos clave

• Dos novedades: Hy4 incorpora por primera vez comprensión de imágenes y manejo autónomo de computadoras, incluidos Blender, CAD y documentos de Office.
• Precio sin cambios: unos 0,83 dólares por millón de tokens de entrada y 2,50 dólares por millón de salida, igual que la versión preliminar.
• Evaluación independiente por encima de la media: obtiene 35 puntos en el índice general de AA y ocupa el segundo puesto entre los modelos chinos, aunque queda claramente por detrás de Kimi K3.1 Pro.
• Necesita recuperación de información: la tasa de alucinaciones ronda el 5 % con acceso a internet; sin conexión, cuando no sabe la respuesta, la inventa el 89 % de las veces.
• Se queda atrás en tareas difíciles: hay una brecha considerable frente a los mejores modelos comerciales en matemáticas avanzadas, proyectos de programación largos y análisis complejo de imágenes.
• Conviene verificar las pruebas propias: las clasificaciones financieras y las conclusiones de los socios proceden en su mayoría de pruebas propias. Antes de ponerlo en producción, conviene validarlo con muestras propias.
• Una comparación más fiable: la interfaz unificada de APIYI apiyi.com permite comparar modelos alternativos o de referencia con Hy4 usando el mismo conjunto de pruebas.

Resumen

Los puntos clave de Tencent Hy4 son:

1. Sus capacidades han mejorado notablemente: la comprensión de imágenes y el manejo de computadoras son las principales novedades de esta generación, con especial atención a los ámbitos financiero y de oficina.
2. Conviene distinguir las fuentes: las pruebas propias del fabricante y sus socios tienden a ser optimistas. La evaluación independiente de Artificial Analysis lo sitúa en segundo lugar entre los modelos chinos, cerca de Haiku 5.5.
3. Sus limitaciones son concretas: sin conexión tiende a inventar respuestas y se queda claramente atrás en matemáticas difíciles y proyectos de programación largos. Todo esto influye directamente en la elección del modelo.

Si trabajas con consultas de datos financieros, procesamiento de documentos o configuraciones de juegos, vale la pena hacer una prueba piloto de Hy4 con recuperación de información. Si tu caso de uso depende de conocimientos sin acceso a fuentes externas o de razonamiento avanzado, por ahora es preferible elegir un modelo más potente. Lo recomendable es usar primero la interfaz unificada de APIYI apiyi.com para probar los modelos candidatos con las mismas preguntas y después decidir en función del costo y la precisión.

📚 Referencias

1. THE DECODER – Tencent releases Hy4 with vision and computer use: noticia sobre el lanzamiento de Hy4
2. Enlace: the-decoder.com/tencent-releases-hy4-with-vision-and-computer-use-claims-second-place-among-chinese-ai-models

3. Descripción: incluye datos oficiales de Tencent, opiniones de sus socios y resultados de evaluaciones independientes de Artificial Analysis

4. THE DECODER – SemiAnalysis GDPx 基准报道: evaluación de agentes de IA en situaciones laborales reales

5. Enlace: the-decoder.com/no-ai-agent-scores-above-12-percent-on-semianalysis-new-real-world-work-benchmark

6. Descripción: permite conocer el nivel general de los agentes que operan computadoras con software profesional

7. Artificial Analysis: organización independiente de evaluación de modelos

8. Enlace: artificialanalysis.ai
9. Descripción: ofrece los datos más recientes de evaluaciones como Intelligence Index y AA-Omniscience

Autor: equipo técnico de APIYI
Consultas técnicas: contáctanos desde la página principal de APIYI en apiyi.com. Para más información sobre la integración, visita el centro de documentación en docs.apiyi.com