Tencent Hy4 preview: 770B parametrů, 49B aktivních a kontext 1M. Benchmarky, cena a srovnání s Kimi K3, GLM-5.3 a Claude Opus 5

Dne 28. srpna 2026 Tencent vydal a open-sourcoval Hy4 preview, nový flagship Mixture-of-Experts model rodiny Tencent Hy, dříve známé hlavně jako Hunyuan.^[1][6]

Hlavní parametry:

770B parametrů celkem
49B aktivních parametrů na token
78 vrstev
256 routed experts + 1 shared expert
top-8 routed experts na token
kontext 1M
Apache License 2.0

^[2]

Tencent zveřejnil plné váhy i Hy4 preview-FP8. Kompletní Hugging Face repository má přibližně 1,56 TB.^[2][3]

Model je určen pro software engineering, kancelářské workflow, finanční analýzu, game development, vědecký výzkum a tool-using agenty.^[1][2]

Tři body jsou zásadní.

Za prvé, váhy jsou pod Apache 2.0, takže je možné self-hosting i komerční použití v souladu s licencí.^[2][4]

Za druhé Tencent uvádí silné vendor-reported benchmarky, například 82,9 % SWE-bench Multilingual, 85,4 % Terminal-Bench 2.1 a 83,7 % MCP-Atlas.^[2][9]

Za třetí Tencent tvrdí, že Hy4 pomáhal optimalizovat vlastní vývojový a inference pipeline. Jedna optimalizační smyčka měla zvýšit end-to-end throughput o 31,8 % proti internímu baseline Tencent.^[1]

To neznamená plně autonomní samotrénování. Tencent popisuje ranou engineeringovou recursive self-improvement smyčku.

Stav informací: 31. srpna 2026.

TL;DR

Co Tencent vydal?

Tencent zveřejnil:

Hy4 preview
Hy4 preview-FP8

na Hugging Face, ModelScope, GitCode a CNB.^[2]

Model je dostupný také přes WorkBuddy, CodeBuddy, Tencent Cloud TokenHub a OpenRouter.^[1][7]

Reuters potvrdil vydání 28. srpna a zaměření na software engineering, research a financial analysis.^[6]

770B neznamená 770B aktivních na token

Hy4 používá Mixture-of-Experts.

Backbone má:

770B total

ale na token aktivuje asi:

49B

parametrů.^[2]

Je to přibližně 6,4 % backbone.

MoE snižuje aktivní compute na token, ale celý model musí být stále uložen a rozmístěn v inference infrastruktuře.

Jak jsou experti uspořádáni?

Backbone má 78 vrstev.^[2]

První používá dense FFN.

Dalších 77 obsahuje:

256 routed experts
1 shared expert

Na token se aktivuje:

top-8 routed experts
+
shared expert

^[2]

Hy4 vs Hy3: velký skok

Hy3:

295B total
21B active
256K context

^[5][12]

Hy4 preview:

770B total
49B active
1M context

^[2]

Přibližně:

• 2,61× více celkových parametrů,
• 2,33× více aktivních parametrů,
• minimálně 3,9× delší deklarovaný kontext.

Tencent uvádí, že současně rozšířil velikost, kontext, tréninková data a post-training.^[2]

Kontext 1M

Model card uvádí:

Context Length: 1M

^[2]

OpenRouter:

1,048,576 tokens
64,000 max completion tokens

^[7]

To je zajímavé pro velké codebase, dlouhé agent sessions, multi-document analysis a research.

Maximální kontext však není totéž jako efektivní kvalita práce s celou délkou.

Gated DeepSeek Sparse Attention

Hy4 používá Gated DeepSeek Sparse Attention.^[2]

Sparse attention omezuje výpočet u dlouhých sekvencí výběrem relevantních pozic.

Tencent jej kombinuje s:

IndexCache

Co je IndexCache?

IndexCache znovu používá sparse indices mezi vrstvami.^[8]

Paper ukazuje na testovaných DSA modelech nižší práci indexeru a rychlejší prefill/decode při malém dopadu na kvalitu.^[8]

Jde o výsledky IndexCache, nikoli přímé kompletní benchmarky Hy4.

Nativní MTP vrstva

Hy4 má mimo backbone jednu Multi-Token Prediction vrstvu.^[2]

Tencent uvádí:

10B total
0.7B active

Slouží ke speculative decoding a oficiální vLLM/SGLang recipes ji používají.^[2]

Váhy jsou skutečně veřejné

Hugging Face ukazuje:

tencent/Hy4-preview
1.56 TB
131 safetensors shards
Apache-2.0

^[3]

K dispozici je také:

tencent/Hy4-preview-FP8

^[11]

To umožňuje self-hosting, fine-tuning, analýzu vah a vlastní inference stack.

Apache 2.0

Model card a oficiální repo uvádí:

Apache License 2.0

^[2][4]

Jde o permisivní licenci umožňující použití, změny a distribuci, včetně komerčního použití, podle jejích podmínek.

Oficiální self-hosting

Tencent doporučuje:

vLLM
SGLang

^[2]

vLLM recipe používá:

vllm/vllm-openai:hy4-preview

a:

--tensor-parallel-size 8

^[2]

SGLang používá --tp-size 8.

Neznamená to, že stačí libovolných osm GPU. Rozhoduje memory, precision, KV cache, context a concurrency.

OpenAI-compatible API

Po deploymentu přes vLLM/SGLang lze Hy4 volat přes OpenAI-compatible endpoint.^[2]

from openai import OpenAI

client = OpenAI(
    base_url="http://127.0.0.1:8000/v1",
    api_key="EMPTY",
)

response = client.chat.completions.create(
    model="hy4-preview",
    messages=[{"role": "user", "content": "Review this repository architecture."}],
    temperature=0.9,
    top_p=1.0,
)

Tencent doporučuje temperature=0.9 a top_p=1.0.^[2]

Reasoning lze omezit

Defaultně Hy4 používá high reasoning pro složité úlohy.^[2]

Pro přímější odpovědi:

extra_body={
    "chat_template_kwargs": {
        "reasoning_effort": "no_think"
    }
}

To je užitečné, protože příliš dlouhý reasoning je oficiální limitation.

Oficiální limity preview

Tencent přiznává:^[2][6]

1. model někdy uvažuje déle, než je potřeba,
2. má tendenci k over-verification.

V agentech to může znamenat více tool calls, latency a nákladů.

Benchmarky: hlavní caveat

Tencent vydal benchmark appendix v model card.^[2]

K 31. srpnu chybí široká nezávislá replikace celé tabulky v identické konfiguraci.

Proto používáme označení:

Tencent-reported

Vybrané výsledky

Transkripce Tencent tabulky:^[2][9][10]

Všechny jsou vendor-reported.

SWE-bench Multilingual: 82,9 %

Tencent:

Hy4 preview: 82.9%
Hy3: 75.8%

^[9]

Rozdíl +7,1 bodu.

Před porovnáním s jinými výsledky je nutné zkontrolovat variantu benchmarku a harness.

SWE-bench Pro: 65,7 %

Tencent:

Hy4 preview: 65.7%
Hy3: 57.9%

^[9][10]

+7,8 bodu, tedy silný signál zlepšení software engineering.

DeepSWE: největší skok

Transkripce:

Hy3: 28.0%
Hy4 preview: 64.3%

^[9]

Tak velký rozdíl si obzvlášť zaslouží nezávislou replikaci.

Terminal-Bench 2.1: 85,4 %

Tencent uvádí:

Hy4 preview: 85.4%

^[9][10]

Silné pro coding agents, ale v tabulce jsou i konkurenti s podobnými či vyššími výsledky. Nejde o univerzální vítězství.

GPQA Diamond: 92,3 %

Tencent-reported:

92.3%

^[9][10]

Podporuje positioning pro scientific reasoning.^[1]

Benchmark ale nezaručuje spolehlivost ve skutečném výzkumu.

MCP-Atlas a tool use

Tencent:

MCP-Atlas: 83.7%

^[9][10]

OpenRouter podporuje pro Hy4 tools, tool_choice a structured outputs přes JSON Schema.^[7]

Hy4 vs Kimi K3 a GLM-5.3: interní blind test

Tencent testoval:^[1][2]

163 Tencent expertů
203 engineering tasks
škála 0–4

Průměr:

Hy4 preview: 2.99
Kimi K3: 2.94
GLM-5.3: 2.92

^[1]

Proti Kimi K3:

51.2% wins
7.9% ties
40.9% losses

Proti GLM-5.3:

46.8% wins
12.8% ties
40.4% losses

^[2]

Je to malý náskok v interním workloadu Tencent, nikoli univerzální nezávislý důkaz.

Claude Opus 5 a GPT-5.6 Sol

Tencent zahrnuje i uzavřené frontier modely.^[9]

SWE-bench Multilingual:

Hy4 preview: 82.9%
Claude Opus 5: 89.5 / 85.8%
GPT-5.6 Sol: 74.1%

Terminal-Bench 2.1:

Hy4 preview: 85.4%
Claude Opus 5: 86.7 / 85.4%
GPT-5.6 Sol: 88.8 / 88.3%

^[9]

Dvojité hodnoty odpovídají různým variantám/settings v grafu Tencent a nelze je spojit do jednoho jednoduchého žebříčku.

API cena

Tencent uvádí:^[1]

Input:      $0.834 / 1M tokens
Output:     $2.501 / 1M tokens
Cache hit:  $0.042 / 1M tokens

OpenRouter zobrazuje stejné ceny.^[7][13]

Cena tokenu není cena úspěšného tasku. Dlouhé reasoning a další tool calls mohou změnit ekonomiku.

Self-hosting vs API

API

Vhodné pro rychlé nasazení, proměnlivý load a pokud nechcete provozovat velký GPU cluster.

Self-hosting

Vhodné pro data residency, kontrolu inference a velké stabilní workloady.

Při cca 1,56 TB full weights nejde o běžný single-workstation model.^[3]

Opravdu Hy4 „optimalizoval sám sebe“?

Tencent tvrdí, že model pomáhal automaticky optimalizovat training methods, data strategies, evaluation frameworks a low-level operators.^[1]

Navrhoval přístupy, spouštěl experimenty a iteroval podle výsledků.

Tencent tomu říká:

early-stage recursive self-improvement loop

Neznamená to plně autonomní self-training.

Co znamená +31,8 % throughput?

Tencent říká, že Hy4 analyzoval bottlenecks a iteroval nad operator fusion a communication optimization.^[1]

Výsledek:

+31.8% end-to-end throughput
vs interní Tencent baseline

Ne 31,8 % rychlejší než Kimi, Claude nebo GPT.

Hlavní výhody

• Apache 2.0.
• Kontext 1M.
• 49B aktivních z 770B total.
• Silný coding/agent profil podle Tencent.
• Oficiální vLLM/SGLang recipes.
• FP8.
• Konkurenceschopná API cena.

Rizika a neznámé

• Preview status.
• Benchmarky především vendor-reported.
• Over-reasoning.
• Over-verification.
• Náročná self-hosting infrastruktura.
• Skutečnou kvalitu 1M context je nutné testovat.
• Data governance závisí při API na providerovi.

Jak benchmarkovat ve firmě?

Porovnat na identických taskách:

Hy4 preview
Kimi K3
GLM-5.3
DeepSeek V4
Claude Opus 5
GPT-5.6 Sol

Měřit:

• task completion,
• test pass rate,
• kvalitu diffu,
• tool calls,
• retry,
• tokeny,
• latency,
• cenu za task,
• regrese,
• změny mimo scope,
• long-context quality.

Klíčová metrika:

cost per successful task

Deployment checklist

Kvalita

• Testovat interní tasky.
• Oddělit Tencent benchmarky od nezávislých výsledků.
• Porovnat high reasoning a no_think.
• Měřit over-verification.
• Testovat halucinace.
• Validovat tool calling.
• Validovat structured outputs.
• Testovat dlouhé agent sessions.

Long context

• Testovat 32K, 128K, 256K a více.
• Měřit retrieval accuracy.
• Měřit time-to-first-token.
• Měřit KV-cache footprint.
• Nepovažovat 1M context za 1M perfektní paměti.
• Testovat repo-level coding.
• Testovat cross-document reasoning.
• Testovat prompt injection v dlouhém kontextu.

Self-hosting

• Ověřit GPU requirements.
• Začít oficiálním FP8.
• Testovat vLLM.
• Testovat SGLang.
• Měřit throughput při reálné concurrency.
• Měřit P50/P95/P99.
• Naplánovat storage.
• Nechat právně prověřit Apache 2.0.

API

• Ověřit aktuální cenu.
• Ověřit cache semantics a TTL.
• Ověřit data retention.
• Ověřit processing region.
• Nastavit cost limits.
• Monitorovat usage per agent.
• Mít fallback model.
• Měřit cost per successful task.

Vyplatí se přejít z Hy3?

Pro uživatele Hy3 je Hy4 jasný POC kandidát.

Na papíře:

295B → 770B total
21B → 49B active
256K → 1M context

plus velká vendor-reported zlepšení v coding a agent evals.^[2][5][9]

Hy4 však může reasonovat déle, potřebuje více infrastruktury a stále je preview.

Verdikt POLPROG

Hy4 preview je jeden z nejdůležitějších open-weight release konce srpna 2026.

Důležitá je kombinace:

770B total
49B active
1M context
Apache 2.0
FP8
vLLM + SGLang
agresivní API cena
silný coding/agent profil

Tři úrovně důkazů je nutné oddělit.

Technická fakta

Architektura, licence, váhy, kontext, deployment a cena jsou dobře zdokumentované.^[1][2][3][7]

Benchmarky

Silné, ale při launchi převážně Tencent-reported.^[2][9][10]

Self-improvement

Reálná součást popsaného R&D workflow, ne plně autonomní self-training.^[1]

Rozumný závěr k 31. srpnu:

Hy4 preview patří na shortlist pro coding agents, research agents, long-context workflow a self-hosted AI infrastrukturu.

Zatím nelze říct:

Hy4 je nejlepší model na světě.

Lze říct:

Tencent dostal Hy4 do malé skupiny open-weight modelů, které při návrhu produkčního AI stacku nelze ignorovat.