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

Dňa 28. augusta 2026 Tencent vydal a open-sourcoval Hy4 preview, nový flagship Mixture-of-Experts model rodiny Tencent Hy, predtým známej najmä ako Hunyuan.^[1][6]

Hlavné parametre:

770B parametrov celkom
49B aktívnych parametrov na token
78 vrstiev
256 routed experts + 1 shared expert
top-8 routed experts na token
kontext 1M
Apache License 2.0

^[2]

Tencent zverejnil plné váhy aj Hy4 preview-FP8. Kompletný Hugging Face repository má približne 1,56 TB.^[2][3]

Model je určený pre software engineering, kancelárske workflow, finančnú analýzu, game development, vedecký výskum a tool-using agentov.^[1][2]

Tri body sú zásadné.

Po prvé, váhy sú pod Apache 2.0, takže je možný self-hosting aj komerčné použitie v súlade s licenciou.^[2][4]

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

Po tretie Tencent tvrdí, že Hy4 pomáhal optimalizovať vlastný vývojový a inference pipeline. Jedna optimalizačná slučka mala zvýšiť end-to-end throughput o 31,8 % oproti internému baseline Tencent.^[1]

To neznamená plne autonómny self-training. Tencent opisuje ranú engineeringovú recursive self-improvement slučku.

Stav informácií: 31. augusta 2026.

TL;DR

Čo Tencent vydal?

Tencent zverejnil:

Hy4 preview
Hy4 preview-FP8

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

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

Reuters potvrdil release 28. augusta a zameranie na software engineering, research a financial analysis.^[6]

770B neznamená 770B aktívnych na token

Hy4 používa Mixture-of-Experts.

Backbone má:

770B total

ale na token aktivuje približne:

49B

parametrov.^[2]

To je asi 6,4 % backbone.

MoE znižuje aktívny compute na token, ale celý model musí byť stále uložený a rozdelený v inference infraštruktúre.

Ako sú experti usporiadaní?

Backbone má 78 vrstiev.^[2]

Prvá používa dense FFN.

Ďalších 77 obsahuje:

256 routed experts
1 shared expert

Na token sa aktivuje:

top-8 routed experts
+
shared expert

^[2]

Hy4 vs Hy3: veľký skok

Hy3:

295B total
21B active
256K context

^[5][12]

Hy4 preview:

770B total
49B active
1M context

^[2]

Približne:

• 2,61× viac celkových parametrov,
• 2,33× viac aktívnych parametrov,
• minimálne 3,9× dlhší deklarovaný kontext.

Tencent uvádza, že súčasne rozšíril veľkosť, kontext, tréningové dáta a post-training.^[2]

Kontext 1M

Model card uvádza:

Context Length: 1M

^[2]

OpenRouter:

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

^[7]

Je to zaujímavé pre veľké codebase, dlhé agent sessions, multi-document analysis a research.

Maximálny kontext však nie je to isté ako efektívna kvalita práce s celou dĺžkou.

Gated DeepSeek Sparse Attention

Hy4 používa Gated DeepSeek Sparse Attention.^[2]

Sparse attention obmedzuje výpočet pri dlhých sekvenciách výberom relevantných pozícií.

Tencent ho kombinuje s:

IndexCache

Čo je IndexCache?

IndexCache znovu používa sparse indices medzi vrstvami.^[8]

Paper ukazuje na testovaných DSA modeloch nižšiu prácu indexera a rýchlejší prefill/decode pri malom dopade na kvalitu.^[8]

Ide o výsledky IndexCache, nie priame kompletné benchmarky Hy4.

Natívna MTP vrstva

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

Tencent uvádza:

10B total
0.7B active

Slúži na speculative decoding a oficiálne vLLM/SGLang recipes ju používajú.^[2]

Váhy sú skutočne verejné

Hugging Face ukazuje:

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

^[3]

K dispozícii je aj:

tencent/Hy4-preview-FP8

^[11]

To umožňuje self-hosting, fine-tuning, analýzu váh a vlastný inference stack.

Apache 2.0

Model card a oficiálne repo uvádzajú:

Apache License 2.0

^[2][4]

Ide o permisívnu licenciu umožňujúcu použitie, zmeny a distribúciu vrátane komerčného použitia podľa jej podmienok.

Oficiálny self-hosting

Tencent odporúča:

vLLM
SGLang

^[2]

vLLM recipe používa:

vllm/vllm-openai:hy4-preview

a:

--tensor-parallel-size 8

^[2]

SGLang používa --tp-size 8.

Neznamená to, že stačí ľubovoľných osem GPU. Rozhoduje memory, precision, KV cache, context a concurrency.

OpenAI-compatible API

Po deploymente cez vLLM/SGLang možno Hy4 volať cez 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 odporúča temperature=0.9 a top_p=1.0.^[2]

Reasoning možno obmedziť

Defaultne Hy4 používa high reasoning pre zložité úlohy.^[2]

Pre priamejšie odpovede:

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

To je užitočné, pretože príliš dlhý reasoning je oficiálna limitation.

Oficiálne limity preview

Tencent priznáva:^[2][6]

1. model niekedy uvažuje dlhšie, než je potrebné,
2. má tendenciu k over-verification.

V agentoch to môže znamenať viac tool calls, latency a nákladov.

Benchmarky: hlavný caveat

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

K 31. augustu chýba široká nezávislá replikácia celej tabuľky v identickej konfigurácii.

Preto používame označenie:

Tencent-reported

Vybrané výsledky

Transkripcia Tencent tabuľky:^[2][9][10]

Všetky sú vendor-reported.

SWE-bench Multilingual: 82,9 %

Tencent:

Hy4 preview: 82.9%
Hy3: 75.8%

^[9]

Rozdiel +7,1 bodu.

Pred porovnaním s inými výsledkami treba skontrolovať variant benchmarku a harness.

SWE-bench Pro: 65,7 %

Tencent:

Hy4 preview: 65.7%
Hy3: 57.9%

^[9][10]

+7,8 bodu, teda silný signál zlepšenia software engineering.

DeepSWE: najväčší skok

Transkripcia:

Hy3: 28.0%
Hy4 preview: 64.3%

^[9]

Taký veľký rozdiel si obzvlášť zaslúži nezávislú replikáciu.

Terminal-Bench 2.1: 85,4 %

Tencent uvádza:

Hy4 preview: 85.4%

^[9][10]

Silné pre coding agents, ale v tabuľke sú aj konkurenti s podobnými alebo vyššími výsledkami. Nie je to univerzálne víťazstvo.

GPQA Diamond: 92,3 %

Tencent-reported:

92.3%

^[9][10]

Podporuje positioning pre scientific reasoning.^[1]

Benchmark však nezaručuje spoľahlivosť v reálnom výskume.

MCP-Atlas a tool use

Tencent:

MCP-Atlas: 83.7%

^[9][10]

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

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

Tencent testoval:^[1][2]

163 Tencent expertov
203 engineering tasks
škála 0–4

Priemer:

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 internom workload Tencent, nie univerzálny nezávislý dôkaz.

Claude Opus 5 a GPT-5.6 Sol

Tencent zahŕňa aj uzavreté 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 sú rôzne varianty/settings v grafe Tencent a nemožno ich zlúčiť do jedného jednoduchého rebríčka.

API cena

Tencent uvádza:^[1]

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

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

Cena tokenu nie je cena úspešného tasku. Dlhý reasoning a ďalšie tool calls môžu zmeniť ekonomiku.

Self-hosting vs API

API

Vhodné na rýchle nasadenie, premenlivý load a keď nechcete prevádzkovať veľký GPU cluster.

Self-hosting

Vhodné pre data residency, kontrolu inference a veľké stabilné workloady.

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

Naozaj Hy4 „optimalizoval sám seba“?

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

Navrhoval prístupy, spúšťal experimenty a iteroval podľa výsledkov.

Tencent tomu hovorí:

early-stage recursive self-improvement loop

Neznamená to plne autonómny self-training.

Čo znamená +31,8 % throughput?

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

Výsledok:

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

Nie 31,8 % rýchlejší než Kimi, Claude alebo GPT.

Hlavné výhody

• Apache 2.0.
• Kontext 1M.
• 49B aktívnych zo 770B total.
• Silný coding/agent profil podľa Tencent.
• Oficiálne vLLM/SGLang recipes.
• FP8.
• Konkurencieschopná API cena.

Riziká a neznáme

• Preview status.
• Benchmarky prevažne vendor-reported.
• Over-reasoning.
• Over-verification.
• Náročná self-hosting infraštruktúra.
• Reálnu kvalitu 1M context treba testovať.
• Data governance závisí pri API od providera.

Ako benchmarkovať vo firme?

Porovnať na identických taskoch:

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

Merať:

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

Kľúčová metrika:

cost per successful task

Deployment checklist

Kvalita

• Testovať interné tasky.
• Oddeliť Tencent benchmarky od nezávislých výsledkov.
• Porovnať high reasoning a no_think.
• Merať over-verification.
• Testovať halucinácie.
• Validovať tool calling.
• Validovať structured outputs.
• Testovať dlhé agent sessions.

Long context

• Testovať 32K, 128K, 256K a viac.
• Merať retrieval accuracy.
• Merať time-to-first-token.
• Merať KV-cache footprint.
• Nepovažovať 1M context za 1M perfektnej pamäte.
• Testovať repo-level coding.
• Testovať cross-document reasoning.
• Testovať prompt injection v dlhom kontexte.

Self-hosting

• Overiť GPU requirements.
• Začať oficiálnym FP8.
• Testovať vLLM.
• Testovať SGLang.
• Merať throughput pri reálnej concurrency.
• Merať P50/P95/P99.
• Naplánovať storage.
• Nechať právne preveriť Apache 2.0.

API

• Overiť aktuálnu cenu.
• Overiť cache semantics a TTL.
• Overiť data retention.
• Overiť processing region.
• Nastaviť cost limits.
• Monitorovať usage per agent.
• Mať fallback model.
• Merať cost per successful task.

Oplatí sa prejsť z Hy3?

Pre používateľov Hy3 je Hy4 jasný POC kandidát.

Na papieri:

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

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

Hy4 však môže reasonovať dlhšie, potrebuje viac infraštruktúry a stále je preview.

Verdikt POLPROG

Hy4 preview je jeden z najdôležitejších open-weight release konca augusta 2026.

Dôležitá je kombinácia:

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

Tri úrovne dôkazov treba oddeľovať.

Technické fakty

Architektúra, licencia, váhy, kontext, deployment a cena sú dobre zdokumentované.^[1][2][3][7]

Benchmarky

Silné, ale pri launchi prevažne Tencent-reported.^[2][9][10]

Self-improvement

Reálna súčasť opísaného R&D workflow, nie plne autonómny self-training.^[1]

Rozumný záver k 31. augustu:

Hy4 preview patrí na shortlist pre coding agents, research agents, long-context workflow a self-hosted AI infraštruktúru.

Zatiaľ nemožno povedať:

Hy4 je najlepší model na svete.

Možno povedať:

Tencent dostal Hy4 do malej skupiny open-weight modelov, ktoré pri návrhu produkčného AI stacku nemožno ignorovať.