Análise do Tencent Hy4: 5 conclusões importantes sobre capacidades multimodais e de operação de computadores, preços e limitações

作者注：O Tencent Hy4 foi lançado oficialmente e, pela primeira vez, oferece compreensão de imagens e operação de computadores. Este artigo compara as declarações da empresa, os testes de parceiros e as avaliações independentes para mostrar seus limites e cenários de uso.

Cerca de dois meses após lançar a versão prévia, a Tencent apresentou a versão oficial do Hy4, que passa a oferecer compreensão de imagens e operação autônoma de softwares no computador, pelo mesmo preço da versão prévia. A Tencent afirma que o modelo entrou pela primeira vez no grupo dos melhores modelos de pesos abertos, mas os pesos só serão disponibilizados em uma data ainda não anunciada.

Este não é um simples resumo do evento de lançamento. Os testes da Tencent, o feedback dos parceiros e a avaliação independente da Artificial Analysis nem sempre coincidem — e algumas diferenças são consideráveis. Aqui, comparamos ponto a ponto o que dizem as três fontes, distinguindo as afirmações da fabricante das conclusões independentes.

O que você vai descobrir: quais recursos o Hy4 ganhou, quanto custa, em quais tarefas ele fica claramente para trás e como usá-lo com segurança em programação, finanças e trabalho de escritório.

Tencent Hy4: principais informações

Vamos começar com os fatos já confirmados. A maioria das descrições de recursos na tabela vem da própria Tencent; os dados de terceiros serão identificados separadamente ao longo do artigo.

O contexto do lançamento do Tencent Hy4

O Hy3, modelo da geração anterior da Tencent, tem 295 bilhões de parâmetros e foi disponibilizado sob a licença Apache 2.0. Nos meses seguintes, a Zhipu lançou o GLM-5.3, a DeepSeek lançou o V4.1-Flash-1017 e a Moonshot AI apresentou o Kimi K3.1 Pro, acirrando a competição entre os modelos chineses. O Hy4 chega com a missão de trazer a Tencent de volta ao primeiro escalão dessa disputa.

Outro ponto importante é a mudança nos critérios de avaliação. No fim de outubro, a Artificial Analysis reformulou seu índice geral, que agora tem 60% da pontuação baseada em conjuntos de testes privados e não divulgados. Pelos novos critérios, a diferença entre os modelos abertos e os modelos mais avançados passou de 3 para 12 pontos. Por isso, não é recomendável comparar diretamente a pontuação do Hy4 com rankings anteriores à reformulação.

Hy4 da Tencent: capacidades multimodais e operação de computadores

A compreensão de imagens e a operação de computadores são as duas maiores novidades desta geração do Hy4. A primeira permite que o modelo interprete imagens; a segunda, que execute ações. É a combinação das duas que pode torná-lo capaz de lidar com fluxos reais de trabalho de escritório e desenvolvimento.

Compreensão de imagens do Hy4: recortes por código para encontrar detalhes

Em uma demonstração da Tencent, o Hy4 precisava encontrar uma peça de cerca de dois metros no telhado de um galpão, dentro de uma imagem aérea de 2,8 bilhões de pixels. Em vez de tentar “ver” a imagem inteira de uma só vez, ele usou código para gerar áreas de recorte e examinou cada trecho ampliado. Essa abordagem de análise visual com ajuda de ferramentas pode ser útil para lidar com plantas de grandes dimensões, imagens de sensoriamento remoto e gráficos complexos.

A Tencent também afirma que a compreensão de imagens pode ajudar na programação, por exemplo, na criação de sites e jogos a partir de layouts. Para o desenvolvimento de jogos, a empresa trabalhou com seus próprios estúdios para adaptar o modelo a engines populares como Unreal, Unity e Godot. Segundo a equipe de desenvolvimento de Honor of Kings, o Hy4 praticamente não comete erros em tarefas de configuração e tem uma taxa de sucesso bem maior do que antes na identificação da causa raiz de bugs. Ainda assim, esse é um relato de uma equipe interna da Tencent, sem metodologia de teste divulgada.

Operação de computadores pelo Hy4: software profissional e tarefas com vários aplicativos

Pela primeira vez, o Hy4 é capaz de operar um computador de forma autônoma, controlando softwares diretamente para executar tarefas. A Tencent treinou o modelo especificamente com ferramentas profissionais, como Blender e CAD, e também incluiu tarefas que exigem o uso sequencial de vários aplicativos. No escritório, o Hy4 pode colaborar com pessoas em tempo real na edição de arquivos do Word, Excel e PowerPoint.

Há uma referência importante aqui. No mesmo dia, a empresa de análise SemiAnalysis lançou o benchmark GDPx, que coloca agentes de IA para operar softwares profissionais, como o Siemens NX, em ambientes simulados de trabalho real. Cada tarefa pode durar até 8 horas. Nenhum modelo alcançou uma pontuação superior a 12%: o primeiro colocado, Claude Opus 5.5, atingiu apenas 12%. O Hy4 não apareceu no ranking, mas o resultado serve de lembrete: a capacidade de operar computadores ainda está em estágio inicial em todo o setor, e há uma grande distância entre “conseguir operar um software” e “concluir um trabalho profissional de forma independente”.

Hy4 participa do treinamento de seus próprios “descendentes”

A Tencent também apresentou uma iniciativa diferente: usar o Hy4 para aprimorar o próprio desenvolvimento de IA. Em testes internos de tarefas de pesquisa em sete áreas, a empresa afirma que o Hy4 ficou em primeiro lugar entre os modelos abertos. Em conjunto com o sistema de agentes Hyra 2.0, o Hy4 aumentou em cerca de 20% a vazão da infraestrutura interna de treinamento da Tencent, em seis etapas.

Depois, o Hy4 treinou de forma autônoma uma versão do Jev, modelo de decisão da startup americana TypeSafe AI. Essa variante, chamada Hyra-Jev, superou o Jev original em 6 de 8 benchmarks. A Tencent também pretende lançar como modelos abertos dois modelos especializados em biologia e física produzidos dessa forma. Todos esses resultados vêm de testes da própria Tencent, mas mostram sua intenção de longo prazo: fazer do Hy4 um acelerador da pesquisa e do desenvolvimento interno de IA.

Comparação de avaliações do Tencent Hy4: fabricante, parceiros e instituições independentes

Esta seção é o ponto central do artigo. As três fontes traçam perfis bem diferentes do mesmo modelo, então, na hora de escolher, é importante saber quem está falando.

Principais divergências entre os testes internos do Tencent Hy4 e as avaliações independentes

A divergência mais evidente aparece na comparação entre o Hy4 e o Kimi K3.1 Pro. Nos testes financeiros da Tencent, o Hy4 ficou à frente do Kimi, mas, no índice geral da Artificial Analysis, ficou 11 pontos atrás. Isso não é necessariamente uma contradição: o teste financeiro avalia um cenário específico, enquanto o índice geral cobre várias dimensões, como trabalho intelectual, programação, ciência e conhecimentos gerais. Em outras palavras, o Hy4 pode ter vantagem no cenário financeiro, no qual a Tencent concentrou seus esforços, sem liderar em capacidade geral.

Há também um ponto importante sobre custo-benefício. Segundo a Artificial Analysis, a pontuação geral do Hy4 é próxima à do Haiku 5.5, o menor modelo da Anthropic, mas o custo por tarefa do Haiku 5.5 nesse benchmark é quase metade do custo do Hy4. Ou seja, não dá para concluir que o Hy4 é mais barato olhando apenas para o preço por token: também é preciso considerar a quantidade de tokens efetivamente consumida para concluir cada tarefa.

Onde o Tencent Hy4 ainda fica para trás em tarefas difíceis

A própria Tencent reconhece que o Hy4 ainda fica bem atrás dos melhores modelos comerciais em matemática avançada, projetos de programação mais longos e análise complexa de imagens. A maior diferença aparece no Hy-FrontierMath T5:

Uma pontuação de 13.0 contra mais de 90 não é apenas “um pouco inferior”: são patamares completamente diferentes. Se o seu negócio depende de raciocínio matemático de nível competitivo, projetos de engenharia de software de longa duração ou análise de imagens de alta precisão, o Hy4 ainda não é uma boa opção como modelo principal.

Análise do impacto do Tencent Hy4: o que significa para desenvolvedores e equipes de produto

Impacto para desenvolvedores: com e sem acesso à internet, são dois modelos diferentes

Ao comparar os números de “cerca de 5% de alucinações com acesso à internet” e “89% de informações inventadas sem acesso à internet”, a conclusão é clara: a confiabilidade factual do Hy4 depende muito da busca externa. Os 5% da Tencent vêm de um teste interno com busca na internet, enquanto os 89% foram medidos pela Artificial Analysis em uma avaliação sem consulta a fontes externas. Ao integrar o Hy4 a um produto, faz sentido projetá-lo como um “modelo que precisa de busca”.

Na prática, algumas medidas ajudam:

• Use busca para todas as perguntas factuais: primeiro recupere materiais por meio de pesquisa ou RAG; depois, peça ao modelo que responda com base neles, em vez de confiar na memória.
• Deixe claro no comando que o modelo pode dizer que não sabe: peça que ele responda “a informação não consta nos materiais” quando não encontrar a resposta, reduzindo a chance de inventar informações.
• Peça que indique as fontes: solicite que o modelo identifique o trecho de origem de cada conclusão, facilitando a verificação manual.
• Confira novamente os números importantes: valide com código ou regras os valores em relatórios e resultados financeiros. Como apontou a avaliação GDPx, um único número errado em uma tabela pode comprometer o valor de toda a resposta.

A seguir, um exemplo mínimo de invocação com “geração aumentada por recuperação + permissão para não responder”. Substitua o nome do modelo por um que esteja disponível para você. Consulte o console da plataforma para saber o ID específico do 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:
    """As questões em cases com answerable=False não têm resposta no material de propósito, para testar a tendência de inventar respostas."""
    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},
]

# Substitua a lista pelos IDs dos modelos que você quer comparar
evaluate(["model-a", "model-b"], cases)

🎯 Dica para escolher um modelo: ao avaliar novos modelos como o Hy4, a forma mais confiável é compará-los usando as mesmas questões e exemplos do seu negócio, em vez de olhar apenas para os rankings. A APIYI, em apiyi.com, oferece uma interface unificada compatível com a OpenAI: com uma única chave API, você pode chamar Claude, GPT, Gemini e vários modelos chineses, facilitando o teste dos candidatos no mesmo conjunto de dados. Para saber se o Hy4 já está disponível na plataforma, consulte a lista de modelos no console.

Impacto para responsáveis por produto: tarefas para as quais o Hy4 é ou não adequado

Com base nas informações das três fontes, a adequação do Hy4 às diferentes tarefas pode ser resumida da seguinte forma.

Impacto no setor: pesos abertos e regulamentação mais rígida

A Hy4 planeja disponibilizar seus pesos abertamente, o que significa que as empresas poderão ter a opção de implantá-la em ambientes privados no futuro. Porém, a data de disponibilização e a licença ainda não foram anunciadas. Por enquanto, é melhor não incluí-la em projetos que dependam de um prazo de entrega definido.

Também há mudanças no cenário regulatório. Em outubro, o Ministério do Comércio e o Ministério da Ciência e Tecnologia da China publicaram uma proposta de estrutura para controle de exportações. Ela abrange os pesos de modelos entre os dez primeiros do ranking global ou com mais de dois trilhões de parâmetros, mas prevê uma via rápida de aprovação automática para lançamentos de código aberto. Na área de segurança, a Tencent afirma que filtrou intencionalmente materiais relacionados a hackers durante o treinamento. Seu laboratório de segurança não detectou aumento no risco de uso indevido, e os riscos biológicos ficaram muito abaixo do limite definido pela empresa. Um relatório detalhado de segurança será publicado junto com os pesos.

Perguntas frequentes sobre o Tencent Hy4

Tencent Hy4: principais pontos

• Duas novidades: o Hy4 passa a oferecer compreensão de imagens e operação autônoma de computadores, incluindo tarefas no Blender, CAD e documentos do Office.
• Preço sem aumento: cerca de US$ 0,83 por milhão de tokens de entrada e US$ 2,50 por milhão de tokens de saída, igual à versão prévia.
• Avaliação independente acima da média: 35 pontos no índice geral da AA, segundo lugar entre os modelos chineses, mas bem atrás do Kimi K3.1 Pro.
• Busca é indispensável: a taxa de alucinação é de cerca de 5% com acesso à internet. Sem conexão, o modelo inventa respostas em 89% dos casos em que não sabe a resposta.
• Fica atrás em tarefas difíceis: há uma diferença significativa em relação aos principais modelos comerciais em matemática avançada, projetos longos de programação e análise complexa de imagens.
• Resultados próprios precisam de revisão: os rankings financeiros e as conclusões de parceiros se baseiam, em grande parte, em testes próprios. Valide com suas próprias amostras antes de colocar o modelo em produção.
• Compare com mais segurança: pela interface unificada da APIYI apiyi.com, é possível comparar modelos alternativos ao Hy4 no mesmo conjunto de testes.

Resumo

Os principais pontos sobre o Tencent Hy4:

1. As capacidades avançaram bastante: compreensão de imagens e operação de computadores são as maiores novidades desta geração, com atenção especial aos cenários financeiros e de escritório.
2. As avaliações devem ser analisadas separadamente: os testes próprios do fabricante e dos parceiros tendem a ser otimistas. Já a avaliação independente da Artificial Analysis coloca o modelo em segundo lugar entre os chineses, em uma posição próxima à do Haiku 5.5.
3. As limitações são específicas: sem conexão à internet, o modelo tende a inventar respostas; em matemática avançada e projetos longos de programação, fica bem atrás. Esses pontos afetam diretamente a escolha do modelo.

Se você trabalha com consultas a dados financeiros, processamento de documentos ou configuração de jogos, vale fazer um projeto-piloto com o Hy4 e uma ferramenta de busca. Se o cenário depende de conhecimento sem consulta a fontes externas ou de raciocínio avançado, por enquanto é melhor escolher um modelo mais potente. A recomendação é usar primeiro a interface unificada da APIYI apiyi.com para testar os modelos candidatos com as mesmas questões e, depois, decidir levando em conta o custo e a precisão.

📚 Referências

1. THE DECODER – Tencent releases Hy4 with vision and computer use: cobertura do lançamento do Hy4
2. Link: the-decoder.com/tencent-releases-hy4-with-vision-and-computer-use-claims-second-place-among-chinese-ai-models

3. Descrição: inclui dados oficiais da Tencent, feedback de parceiros e resultados da avaliação independente da Artificial Analysis

4. THE DECODER – Cobertura do benchmark GDPx da SemiAnalysis: avaliação de agentes de IA em situações reais de trabalho

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

6. Descrição: mostra o desempenho geral de agentes que operam computadores em softwares profissionais

7. Artificial Analysis: organização independente de avaliação de modelos

8. Link: artificialanalysis.ai
9. Descrição: disponibiliza dados atualizados de avaliações como Intelligence Index e AA-Omniscience

Autor: equipe técnica da APIYI
Discussões técnicas: entre em contato conosco pela página inicial do site APIYI apiyi.com. Para mais informações sobre integração, acesse a documentação em docs.apiyi.com