Обзор Tencent Hy4: 5 ключевых выводов о мультимодальных возможностях, управлении компьютером, цене и ограничениях

Примечание автора: Tencent официально выпустила Hy4 — модель впервые получила поддержку понимания изображений и управления компьютером. В этой статье мы сравним заявления производителя, результаты тестов партнёров и независимые оценки, чтобы разобраться в возможностях и ограничениях модели.

Примерно через два месяца после выпуска предварительной версии Tencent представила финальную версию Hy4. Она впервые поддерживает понимание изображений и самостоятельную работу с программами на компьютере, а цена осталась прежней. По словам Tencent, модель впервые вошла в число сильнейших моделей с открытыми весами, однако сами веса станут доступны позднее — дата пока не объявлена.

Это не пересказ презентации. Результаты тестов Tencent, отзывы партнёров и независимая оценка Artificial Analysis не вполне совпадают, причём некоторые расхождения довольно заметны. Мы сопоставим все три источника и разберёмся, что относится к заявлениям производителя, а что — к независимым выводам.

Главное: вы узнаете, какие возможности появились в Hy4, сколько она стоит, в каких задачах заметно отстаёт от конкурентов и как безопаснее применять её в программировании, финансах и офисной работе.

Tencent Hy4: главное

Для начала соберём подтверждённые факты в одной таблице. Большинство описаний возможностей основано на официальных данных Tencent; сторонние данные отдельно отмечены ниже.

На фоне чего вышла Tencent Hy4

Предыдущее поколение Tencent, Hy3, насчитывало 295 миллиардов параметров и было открыто под лицензией Apache 2.0. За последующие несколько месяцев Zhipu выпустила GLM-5.3, DeepSeek — V4.1-Flash-1017, а Moonshot AI — Kimi K3.1 Pro. Конкуренция между китайскими моделями заметно обострилась. С Hy4 Tencent рассчитывает вернуться в первую лигу.

Есть и ещё один важный нюанс: изменилась методика оценки. В конце октября Artificial Analysis обновила свой сводный индекс: теперь на 60% он основан на закрытых тестовых наборах. По новой методике разрыв между открытыми и ведущими моделями вырос с 3 до 12 баллов. Поэтому результаты Hy4 не стоит напрямую сравнивать со старым рейтингом до обновления.

Мультимодальные возможности и управление компьютером в Tencent Hy4

Понимание изображений и управление компьютером — два главных изменения в этом поколении Hy4. Первое позволяет модели видеть изображения, второе — выполнять действия. Вместе эти возможности могут помочь ей справляться с реальными офисными задачами и разработкой.

Понимание изображений в Hy4: поиск деталей с помощью обрезки

В демонстрации Tencent модель Hy4 должна была найти на аэрофотоснимке размером 2,8 миллиарда пикселей объект около двух метров на крыше одного из складов. Для этого она с помощью кода выделяла и увеличивала отдельные участки, проверяя их один за другим, вместо того чтобы пытаться «просмотреть» весь снимок сразу. Такой подход с использованием инструментов может пригодиться при работе с чертежами огромного размера, данными дистанционного зондирования и сложными диаграммами.

Tencent также утверждает, что понимание изображений помогает в программировании — например, при создании сайтов и игр по макетам. В области разработки игр компания совместно со своими игровыми студиями адаптировала Hy4 для популярных движков, включая Unreal, Unity и Godot. По отзывам команды разработчиков Honor of Kings, Hy4 почти без ошибок справляется с задачами настройки, а коренные причины багов находит гораздо чаще, чем раньше. Впрочем, это отзывы внутренней команды Tencent: методика тестирования не опубликована.

Управление компьютером в Hy4: профессиональное ПО и работа с несколькими приложениями

Hy4 впервые получила возможность самостоятельно управлять компьютером и выполнять задачи непосредственно в программах. Tencent специально обучала модель работе с профессиональными инструментами, такими как Blender и CAD-системы, а также задачам, требующим последовательного использования нескольких приложений. Для офисных задач Hy4 может совместно с человеком в реальном времени работать с файлами Word, Excel и PowerPoint.

Здесь есть важный ориентир для сравнения. В тот же день аналитическая компания SemiAnalysis представила бенчмарк GDPx, в котором AI-агенты работают с профессиональным ПО, включая Siemens NX, в имитации реальной рабочей среды. Выполнение одной задачи может занимать до 8 часов. Ни одна модель не набрала больше 12%: даже лидер рейтинга Claude Opus 5.5 получил лишь 12%. Hy4 в этом рейтинге не участвовала, но результат напоминает: навыки управления компьютером пока находятся на ранней стадии развития во всей отрасли. Между «умеет работать с программой» и «способна самостоятельно выполнять профессиональную работу» по-прежнему большая разница.

Hy4 участвует в обучении собственных «потомков»

Tencent также показала необычное направление применения модели: использование Hy4 для совершенствования самой разработки ИИ. По данным компании, в тестах на внутренних исследовательских задачах из семи областей Hy4 заняла первое место среди открытых моделей. Работая вместе с агентной системой Hyra 2.0, Hy4 за шесть шагов повысила пропускную способность внутренней инфраструктуры обучения Tencent примерно на 20%.

Затем Hy4 самостоятельно обучила одну из версий модели принятия решений Jev от американского стартапа TypeSafe AI. Получившийся вариант Hyra-Jev превзошёл оригинальную Jev в 6 из 8 бенчмарков. Tencent также выпустит в открытом доступе две специализированные модели для биологии и физики, созданные таким же способом. Всё это — результаты собственных тестов Tencent, но они позволяют увидеть долгосрочную цель компании: превратить Hy4 в инструмент ускорения внутренних исследований и разработок в области ИИ.

Сравнение оценок Tencent Hy4: производитель, партнёры и независимые организации

Это ключевой раздел статьи. Три стороны дают одной и той же модели заметно разные характеристики, поэтому при выборе важно понимать, кто именно делает заявление.

Главные расхождения между тестами Tencent Hy4 и независимой оценкой

Самое заметное расхождение касается сравнения Hy4 и Kimi K3.1 Pro. В финансовом тесте Tencent модель Hy4 опередила Kimi, но в сводном индексе Artificial Analysis отстала от неё на 11 баллов. Это не обязательно противоречие: финансовый тест охватывает узкую область, а сводный индекс учитывает несколько направлений — работу с информацией, программирование, науку и здравый смысл. Иными словами, Hy4 может иметь преимущество в финансовых задачах, которым Tencent уделила особое внимание, но по общим возможностям она не лидирует.

При оценке соотношения цены и качества тоже есть важный нюанс. По данным Artificial Analysis, общий результат Hy4 примерно равен показателю Haiku 5.5 — самой компактной модели Anthropic. При этом стоимость выполнения одной задачи для Haiku 5.5 в этом тесте почти вдвое ниже, чем для Hy4. Поэтому нельзя утверждать, что «Hy4 дешевле», глядя только на цену токенов: нужно также учитывать, сколько токенов фактически уходит на выполнение задачи.

Слабые стороны Tencent Hy4 в сложных задачах

Сама Tencent признаёт, что Hy4 всё ещё заметно уступает лучшим коммерческим моделям в высшей математике, работе над крупными проектами по программированию и сложном анализе изображений. Самый большой разрыв наблюдается в Hy-FrontierMath T5:

13.0 против показателей выше 90 — это уже не «немного слабее», а совершенно разные уровни. Если ваши задачи связаны с математическими рассуждениями олимпиадного уровня, долгосрочными проектами по разработке или высокоточным анализом изображений, Hy4 пока не подходит на роль основной модели.

Анализ влияния Tencent Hy4: что это значит для разработчиков и продуктовых команд

Для разработчиков: с доступом к интернету и без него — две разные модели

Если сопоставить два показателя — «около 5% галлюцинаций с доступом к интернету» и «89% выдуманных ответов без доступа к интернету», вывод очевиден: фактическая надёжность Hy4 сильно зависит от внешнего поиска. Показатель 5% получен во внутреннем тестировании Tencent с использованием поиска в интернете, а 89% — результат теста Artificial Analysis без доступа к внешним источникам. При интеграции Hy4 в продукт её стоит считать моделью, которой обязательно нужен поиск.

При внедрении можно воспользоваться несколькими подходами:

• Для всех фактических вопросов используйте поиск: сначала найдите материалы через поисковую систему или RAG, а затем попросите модель ответить на их основе, а не по памяти.
• Явно разрешите модели говорить «не знаю» в промпте: потребуйте отвечать «в материалах не упоминается», если нужной информации нет. Это снизит вероятность выдуманных ответов.
• Просите указывать источники: пусть модель отмечает, из какого фрагмента материалов взят каждый вывод. Так ответы будет проще выборочно проверить вручную.
• Повторно проверяйте важные числа: данные в финансовых отчётах и других подобных результатах стоит дополнительно проверять программно или с помощью правил. Как отмечается в оценке GDPx, одно неверное число в таблице может обесценить весь результат.

Ниже — минимальный пример вызова с использованием поиска и возможностью отказаться от ответа. Замените имя модели на доступное вам; точный ID Hy4 для каждой платформы уточняйте в её консоли.

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:
    """Для вопросов с answerable=False в cases ответ намеренно отсутствует в материалах: это позволяет проверить склонность модели к выдумыванию."""
    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},
]

# Замените список на ID моделей, которые хотите сравнить
evaluate(["model-a", "model-b"], cases)

🎯 Совет по выбору модели: оценивая новые модели вроде Hy4, надёжнее всего сравнивать их на одних и тех же примерах из ваших рабочих задач, а не полагаться только на рейтинги. APIYI apiyi.com предоставляет единый интерфейс, совместимый с OpenAI: с одним API-ключом можно вызывать Claude, GPT, Gemini и модели нескольких китайских разработчиков. Это упрощает проверку всех кандидатов на одном тестовом наборе. Чтобы узнать, доступна ли Hy4 на платформе, проверьте список моделей в консоли.

Что это значит для руководителей продукта: для каких задач подходит Hy4

На основе информации из трёх источников можно примерно оценить, для каких задач подходит Hy4.

Влияние на отрасль: открытые веса и ужесточение регулирования

Разработчики Hy4 планируют открыть веса модели. Это означает, что в будущем компании смогут развёртывать её в собственной инфраструктуре. Однако дата публикации весов и условия лицензии пока неизвестны, поэтому включать модель в проекты с чёткими сроками поставки преждевременно.

Изменения происходят и на уровне регулирования. В октябре Министерство коммерции и Министерство науки и технологий Китая опубликовали проект правил экспортного контроля. Он охватывает веса моделей, входящих в мировую десятку лидеров или имеющих более двух триллионов параметров, но предусматривает ускоренную процедуру с автоматическим одобрением для публикации с открытым исходным кодом. Что касается безопасности, Tencent заявляет, что при обучении намеренно отфильтровала материалы, связанные с хакерством. Собственная лаборатория безопасности компании не обнаружила повышенного риска злоупотреблений, а уровень биологической опасности оказался значительно ниже установленного порога. Подробный отчёт о безопасности опубликуют вместе с весами.

Частые вопросы о Tencent Hy4

Tencent Hy4: главное

• Две новые возможности: Hy4 впервые поддерживает понимание изображений и самостоятельную работу с компьютером, включая Blender, CAD и документы Office.
• Цены не выросли: около 0,83 доллара за миллион входных токенов и 2,50 доллара за миллион выходных — столько же, сколько у предварительной версии.
• В независимом тесте — выше среднего: 35 баллов в сводном индексе AA, второе место среди китайских моделей, но заметное отставание от Kimi K3.1 Pro.
• Нужен поиск: при подключении к интернету доля галлюцинаций составляет около 5%; без него модель выдумывает ответ в 89% случаев, когда его не знает.
• Сложные задачи даются хуже: в высшей математике, длинных проектах по программированию и сложном анализе изображений модель заметно уступает ведущим коммерческим моделям.
• Результаты собственных тестов стоит перепроверять: рейтинги в финансовых задачах и выводы партнёров в основном основаны на собственных тестах. Перед запуском проверьте модель на своих данных.
• Сравнение надёжнее: через единый интерфейс APIYI apiyi.com можно сравнить Hy4 с альтернативными или контрольными моделями на одном и том же наборе тестов.

Итоги

Главное о Tencent Hy4:

1. Возможности заметно улучшились: понимание изображений и работа с компьютером — главные нововведения этого поколения. Особое внимание уделили финансовым и офисным сценариям.
2. Оценки разных сторон стоит рассматривать отдельно: результаты собственных тестов производителя и партнёров выглядят оптимистично. В независимом тесте Artificial Analysis модель заняла второе место среди китайских моделей и оказалась примерно на уровне Haiku 5.5.
3. Слабые стороны вполне конкретны: без доступа к интернету модель склонна выдумывать ответы, а в сложной математике и длинных проектах по программированию заметно отстаёт. Всё это напрямую влияет на выбор модели.

Если вы работаете с запросами финансовых данных, обработкой документов или настройкой игр, стоит провести пилотное тестирование Hy4 с подключённым поиском. Если же вашему сценарию нужны знания без доступа к внешним источникам или сложные рассуждения, пока лучше выбрать более сильную модель. Рекомендуем сначала протестировать модели-кандидаты на одних и тех же задачах через единый интерфейс APIYI apiyi.com, а затем принять решение с учётом стоимости и точности.

📚 Источники

1. THE DECODER — Tencent releases Hy4 with vision and computer use: статья о выпуске Hy4
2. Ссылка: the-decoder.com/tencent-releases-hy4-with-vision-and-computer-use-claims-second-place-among-chinese-ai-models

3. Описание: официальные данные Tencent, отзывы партнёров и результаты независимого тестирования Artificial Analysis

4. THE DECODER — статья о бенчмарке SemiAnalysis GDPx: оценка ИИ-агентов на реальных рабочих задачах

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

6. Описание: помогает оценить общий уровень агентов, управляющих компьютером и работающих с профессиональным ПО

7. Artificial Analysis: организация, проводящая независимую оценку моделей

8. Ссылка: artificialanalysis.ai
9. Описание: актуальные данные тестов Intelligence Index, AA-Omniscience и других бенчмарков

Автор: техническая команда APIYI
Технические вопросы: свяжитесь с нами через главную страницу APIYI на apiyi.com. Дополнительные материалы по подключению доступны в центре документации docs.apiyi.com