Tencent Hy4 preview: 770B parametri, 49B attivi e contesto 1M. Benchmark, prezzo e confronto con Kimi K3, GLM-5.3 e Claude Opus 5

Il 28 agosto 2026 Tencent ha pubblicato e reso open source Hy4 preview, il nuovo modello flagship Mixture-of-Experts della famiglia Tencent Hy, precedentemente nota soprattutto come Hunyuan.^[1][6]

Specifiche principali:

770B parametri totali
49B parametri attivi per token
78 layer
256 routed experts + 1 shared expert
top-8 routed experts attivi per token
contesto 1M
Apache License 2.0

^[2]

Tencent ha rilasciato sia i pesi completi sia Hy4 preview-FP8. Il repository completo su Hugging Face pesa circa 1,56 TB.^[2][3]

Il modello è pensato per software engineering, lavoro d’ufficio, analisi finanziaria, game development, ricerca scientifica e agenti con tool use.^[1][2]

Tre aspetti sono particolarmente importanti.

Primo: i pesi sono sotto Apache 2.0, quindi il modello può essere self-hosted e usato commercialmente nel rispetto della licenza.^[2][4]

Secondo: Tencent pubblica benchmark vendor-reported molto forti, tra cui 82,9% su SWE-bench Multilingual, 85,4% su Terminal-Bench 2.1 e 83,7% su MCP-Atlas.^[2][9]

Terzo: Tencent afferma che Hy4 abbia partecipato all’ottimizzazione del proprio processo di sviluppo e della propria infrastruttura inference. Un ciclo separato di ottimizzazione avrebbe aumentato l’end-to-end throughput del 31,8% rispetto a un baseline interno Tencent.^[1]

Questo non significa che il modello si sia addestrato completamente da solo. Tencent descrive un early-stage recursive self-improvement loop applicato al processo R&D.

Stato delle informazioni: 31 agosto 2026.

TL;DR

Cosa ha pubblicato Tencent?

Tencent ha reso disponibili:

Hy4 preview
Hy4 preview-FP8

su Hugging Face, ModelScope, GitCode e CNB.^[2]

Il modello è disponibile anche tramite WorkBuddy, CodeBuddy, Tencent Cloud TokenHub e OpenRouter.^[1][7]

Reuters ha confermato il lancio del 28 agosto e i principali use case dichiarati: software engineering, ricerca e analisi finanziaria.^[6]

770B non significa 770B attivi per token

Hy4 usa una architettura Mixture-of-Experts.

Il backbone contiene:

770B total

ma per ogni token vengono attivati circa:

49B

parametri.^[2]

È circa il 6,4% del backbone.

MoE riduce il calcolo effettivo per token, ma non elimina la necessità di memorizzare e distribuire un modello enorme.

Organizzazione degli esperti

Il backbone ha 78 layer.^[2]

Il primo usa un FFN dense.

Gli altri 77 contengono:

256 routed experts
1 shared expert

Per ogni token sono attivati:

top-8 routed experts
+
shared expert

^[2]

Hy4 vs Hy3: salto di scala

Hy3:

295B total
21B active
256K context

^[5][12]

Hy4 preview:

770B total
49B active
1M context

^[2]

In termini approssimativi:

• 2,61× più parametri totali,
• 2,33× più parametri attivi,
• almeno 3,9× più contesto dichiarato.

Tencent afferma di aver aumentato insieme model size, context length, training data e post-training.^[2]

Contesto da 1M token

La model card dichiara:

Context Length: 1M

^[2]

OpenRouter mostra:

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

^[7]

È interessante per grandi codebase, lunghe sessioni agentiche, multi-document analysis, research e repo-level refactoring.

Ma context window dichiarato e qualità effettiva del retrieval non sono equivalenti.

Gated DeepSeek Sparse Attention

Hy4 usa Gated DeepSeek Sparse Attention.^[2]

Sparse attention riduce il costo delle sequenze molto lunghe selezionando posizioni rilevanti invece di usare full quadratic attention ovunque.

Tencent lo combina con:

IndexCache

Cosa fa IndexCache?

IndexCache riutilizza sparse indices tra più layer.^[8]

Il paper relativo mostra, sui modelli DSA testati, una riduzione del lavoro dell’indexer e speedup di prefill/decode con piccolo impatto sulla qualità.^[8]

Questi risultati riguardano IndexCache, non un benchmark diretto dell’intero Hy4.

Layer MTP nativo

Oltre al backbone, Hy4 include un layer Multi-Token Prediction.^[2]

Tencent specifica:

10B total
0.7B active

Serve allo speculative decoding ed è attivato nei recipe ufficiali vLLM e SGLang.^[2]

I pesi sono realmente pubblici

Hugging Face mostra:

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

^[3]

È disponibile anche:

tencent/Hy4-preview-FP8

^[11]

Questo consente self-hosting, fine-tuning, analisi dei pesi e stack di inference personalizzati.

Apache 2.0

La model card e il repository ufficiale indicano:

Apache License 2.0

^[2][4]

È una licenza permissiva che consente uso, modifica e redistribuzione, anche commerciale, nel rispetto dei suoi termini.

Self-hosting ufficiale

Tencent raccomanda:

vLLM
SGLang

^[2]

Il recipe vLLM usa:

vllm/vllm-openai:hy4-preview

e:

--tensor-parallel-size 8

^[2]

SGLang usa --tp-size 8.

Non significa che qualunque otto GPU siano sufficienti. Contano memoria, precision, KV cache, contesto e concurrency.

API compatibile OpenAI

Una volta servito con vLLM o SGLang, Hy4 può essere chiamato tramite endpoint OpenAI-compatible.^[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 raccomanda temperature=0.9 e top_p=1.0.^[2]

Il reasoning può essere ridotto

Di default Hy4 usa un livello alto di reasoning per task difficili.^[2]

Per risposte più dirette:

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

Questo è utile perché il reasoning troppo lungo è uno dei limiti ufficiali.

Limiti ufficiali della preview

Tencent riconosce:^[2][6]

1. il modello può impiegare più tempo del necessario su task complessi,
2. tende a over-verify il proprio lavoro.

Negli agenti questo può aumentare tool calls, latency e costo.

Benchmark: prima il caveat

Tencent ha pubblicato un benchmark appendix nella model card.^[2]

Al 31 agosto non esiste ancora una vasta replica indipendente dell’intera tabella con configurazione identica.

Perciò definiamo questi dati:

Tencent-reported

Risultati selezionati

Trascrizione della tabella Tencent:^[2][9][10]

Tutti sono vendor-reported.

SWE-bench Multilingual: 82,9%

Tencent riporta:

Hy4 preview: 82.9%
Hy3: 75.8%

^[9]

Sono +7,1 punti.

Per confrontarlo con altri risultati bisogna verificare la specifica variante di benchmark e harness.

SWE-bench Pro: 65,7%

Tencent riporta:

Hy4 preview: 65.7%
Hy3: 57.9%

^[9][10]

Sono +7,8 punti e un forte segnale di miglioramento software-engineering rispetto a Hy3.

DeepSWE: il salto più grande

La trascrizione indica:

Hy3: 28.0%
Hy4 preview: 64.3%

^[9]

Proprio perché il salto è enorme, una replica indipendente è particolarmente importante.

Terminal-Bench 2.1: 85,4%

Tencent riporta:

Hy4 preview: 85.4%

^[9][10]

È un ottimo risultato per coding agents, ma il chart Tencent mostra anche competitor con risultati simili o superiori. Non dimostra una vittoria universale.

GPQA Diamond: 92,3%

Risultato Tencent-reported:

92.3%

^[9][10]

Supporta il posizionamento scientifico del modello.^[1]

Non garantisce affidabilità nella ricerca reale.

MCP-Atlas e tool use

Tencent riporta:

MCP-Atlas: 83.7%

^[9][10]

OpenRouter conferma supporto per tools, tool_choice e structured outputs via JSON Schema.^[7]

Hy4 vs Kimi K3 e GLM-5.3: blind test interno

Tencent ha condotto:^[1][2]

163 esperti Tencent
203 task di engineering
scala 0–4

Medie:

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

^[1]

Contro Kimi K3:

51.2% wins
7.9% ties
40.9% losses

Contro GLM-5.3:

46.8% wins
12.8% ties
40.4% losses

^[2]

È un vantaggio ristretto in un workload interno Tencent, non prova universale.

Claude Opus 5 e GPT-5.6 Sol

Tencent include anche modelli frontier chiusi nel benchmark appendix.^[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]

I valori doppi rappresentano configurazioni/varianti diverse nel chart Tencent e non vanno fusi in un ranking unico.

Prezzo API

Tencent pubblica:^[1]

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

OpenRouter mostra gli stessi prezzi.^[7][13]

Il prezzo per token non equivale al costo per task: reasoning più lungo e più tool calls possono cambiare l’economia reale.

Self-hosting vs API

API

Utile per partire rapidamente, gestire domanda variabile ed evitare un grande cluster GPU.

Self-hosting

Utile per data residency, controllo dell’inference, carichi grandi e stabili.

Con circa 1,56 TB di pesi completi, non è un modello tipico da singola workstation.^[3]

Hy4 si è davvero “auto-ottimizzato”?

Tencent dice che il modello ha partecipato all’ottimizzazione automatizzata di training methods, data strategies, evaluation frameworks e low-level operators.^[1]

Avrebbe proposto approcci, eseguito esperimenti e iterato sui risultati.

Tencent lo definisce:

early-stage recursive self-improvement loop

Non equivale a dire che Hy4 si sia addestrato completamente da solo.

Cosa significa +31,8% throughput?

Tencent afferma che Hy4 abbia analizzato bottleneck e iterato su operator fusion e communication optimization.^[1]

Risultato dichiarato:

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

Non significa 31,8% più veloce di Kimi, Claude o GPT.

Vantaggi principali

• Apache 2.0.
• Contesto 1M.
• 49B attivi su 770B totali.
• Forte profilo coding/agent secondo Tencent.
• Recipe ufficiali vLLM/SGLang.
• FP8.
• Prezzo API competitivo.

Rischi e incognite

• Status preview.
• Benchmark soprattutto vendor-reported.
• Over-reasoning.
• Over-verification.
• Infrastruttura self-hosting pesante.
• Qualità reale del contesto 1M da misurare.
• Data governance dipende dal provider quando si usa l’API.

Come benchmarkarlo in azienda?

Confrontare su task identici:

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

Misurare:

• task completion,
• test pass rate,
• qualità del diff,
• tool calls,
• retry,
• token,
• latency,
• costo per task,
• regressioni,
• modifiche fuori scope,
• long-context quality.

Metrica chiave:

cost per successful task

Checklist di deployment

Qualità

• Test su task interni.
• Separare benchmark Tencent e risultati indipendenti.
• Confrontare high reasoning e no_think.
• Misurare over-verification.
• Testare allucinazioni.
• Validare tool calling.
• Validare structured outputs.
• Testare sessioni agentiche lunghe.

Long context

• Testare 32K, 128K, 256K e oltre.
• Misurare retrieval accuracy.
• Misurare time-to-first-token.
• Misurare KV-cache footprint.
• Non assumere che 1M context = 1M memoria perfetta.
• Testare repo-level coding.
• Testare cross-document reasoning.
• Testare prompt injection in contesti lunghi.

Self-hosting

• Verificare requisiti GPU.
• Partire da FP8 ufficiale.
• Testare vLLM.
• Testare SGLang.
• Misurare throughput con concurrency reale.
• Misurare P50/P95/P99.
• Pianificare storage.
• Verificare Apache 2.0 con legal.

API

• Verificare prezzo attuale.
• Verificare cache semantics e TTL.
• Verificare data retention.
• Verificare regione di processing.
• Definire limiti di costo.
• Monitorare usage per agent.
• Mantenere fallback model.
• Misurare cost per successful task.

Conviene migrare da Hy3?

Per utenti Hy3, Hy4 merita un POC.

Sulla carta:

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

oltre a grandi miglioramenti vendor-reported in coding e agents.^[2][5][9]

Ma Hy4 può reasonare più a lungo, richiede più infrastruttura ed è ancora preview.

Verdetto POLPROG

Hy4 preview è una delle release open-weight più importanti di fine agosto 2026.

Conta la combinazione:

770B total
49B active
1M context
Apache 2.0
FP8
vLLM + SGLang
prezzo API aggressivo
profilo coding/agent forte

Tre livelli di evidenza vanno separati.

Fatti tecnici

Architettura, licenza, pesi, contesto, deployment e prezzo sono ben documentati.^[1][2][3][7]

Benchmark

Impressionanti, ma al lancio soprattutto Tencent-reported.^[2][9][10]

Self-improvement

Parte reale del workflow R&D descritto, ma non self-training completamente autonomo.^[1]

Conclusione ragionevole al 31 agosto:

Hy4 preview deve entrare nella shortlist per coding agents, research agents, workflow long-context e infrastruttura AI self-hosted.

Non ci sono ancora basi per dire:

Hy4 è il miglior modello al mondo.

Ci sono basi per dire:

Tencent ha portato Hy4 nel ristretto gruppo di modelli open-weight che non si possono ignorare in uno stack AI di produzione.