Hy4 de Tencent Hunyuan, análisis de la versión final: lo que afirma Tencent frente a los 35 puntos de Artificial Analysis
Este artículo recopila información pública y no es una prueba propia de Guishu Intelligence.
Resumen: Tencent presenta Hy4 como un modelo de referencia pensado para la productividad real. Artificial Analysis (AA), evaluador independiente, le da una puntuación global inferior a la mediana de su grupo de comparación, además de un modelo lento y de salidas largas. Son dos tipos de fuente distintos y no se pueden fundir en una sola nota.
Datos básicos
- Fabricante: Tencent Hunyuan (Tencent Hy / Tencent Hunyuan). Nombre comercial Hy4, parámetro de API
hy4. - Lanzamiento: la página de investigación de Tencent y el comunicado de prensa indican el 2026-11-04. En el listado de investigación aparece una entrada con 11-03, así que la fecha puede variar en un día según la entrada.
- Especificaciones: la Hy API Guide de TokenHub indica contexto de 1M, entrada máxima de 960k, salida máxima de 64k, entrada de texto e imagen, salida de texto y razonamiento compatible.
- Parámetros: la página de investigación de la versión final no publica los parámetros totales ni los activos. Las cifras 770B / 49B corresponden a la versión anterior, Hy4 preview, y no valen para la versión final. Algunas publicaciones en redes las atribuyen a la versión final, pero no es una cifra de la fuente primaria.
Lo que afirma Tencent
Todo lo siguiente procede de la página de investigación de Tencent, del comunicado de prensa y del artículo en la cuenta oficial de WeChat. Es la versión del fabricante.
- Capacidades nuevas: respecto a preview, la versión final incorpora por primera vez comprensión visual y manejo del ordenador (línea de comandos e interfaz gráfica), y según Tencent mejora el seguimiento de instrucciones, la comprensión de textos largos, las tareas de largo recorrido y la investigación profunda. Hubo entrenamiento específico para Blender, CAD y tareas largas entre aplicaciones.
- Prueba abierta de finanzas: organizada por Tencent FiT, con 213 expertos y 579 preguntas. Las puntuaciones oficiales son Hy4 3,04, DeepSeek-V4.1-Flash-1017 2,97, Kimi K3.1 Pro 2,68 y GLM-5.3 2,68, y Tencent afirma que es el primero entre los modelos abiertos. Es una evaluación dirigida por Tencent, no una clasificación independiente.
- Evaluaciones internas de socios: la evaluación global de WorkBuddy da un efecto medio de 83,18 y una tasa de aprobación del 96,15 %, y Tencent afirma que en 9 de 12 escenarios es el primer modelo chino. Manus señala una tasa de finalización de tareas de documentos de oficina cercana al 97 %. En el IRAB de Xuntu Technology la puntuación es 61,63, y el sitio oficial indica una mejora de 12,03 puntos sobre preview (el texto del sitio usa también «12,03 puntos porcentuales»; aquí se transmite tal como lo da el sitio).
- Prueba propia de búsqueda: la tasa de alucinaciones baja del 15,76 % al 5,45 % y la tasa de errores por conjetura del 23,1 % al 5,6 %.
- Evaluación interna de Yuanbao: de 65,25 a 72,53.
- Juegos: GameDev y GameLogic mejoran un 19,1 % y un 9,8 % respecto a preview.
Tencent publica además varios gráficos de pruebas abiertas, pero este artículo no se apoya en las cifras concretas de esos gráficos. Para comprobar el material original, abre la página de investigación de Tencent Hunyuan.
Evaluación independiente: 35 puntos en Artificial Analysis
Datos de la página de Hy4 en AA (consultada el 2026-11-18), con el Intelligence Index v5.0.1 como condición:
| Concepto | Hy4 | Mediana del grupo |
|---|---|---|
| Intelligence Index v5.0.1 | 35 | 43 |
| Tokens de salida en la evaluación | 160M | 65,1M |
| Tiempo por tarea | 13,5 minutos | 11,5 minutos |
La misma página indica un tiempo hasta el primer token de 117,82 segundos y una velocidad de salida de 96 tok/s, lo marca como Proprietary y lo califica de very verbose. El índice se compone de tareas como AA-Briefcase, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience, GDP.pdf, HLE-Diamond, CritPt y Terminal-Bench-Science.
Medios en chino, citando a AA, sitúan a Hy4 en segundo lugar entre los modelos de laboratorios chinos, solo por detrás de Kimi K3.1 Pro (46). Es una referencia de segunda mano y no equivale a un puesto en una clasificación mundial; las cifras exactas son las de la página original de AA. El reportaje de The Decoder (fuente secundaria) escribe una mediana de 30 en AA y un empate con Grok 4.7. Eso no coincide con el 43 de la página original de AA. Este artículo no comprobó ese empate directamente en la página de AA y tampoco adopta esa mediana.
«El mejor open source» y el desfase con los pesos
El comunicado de Tencent del 4 de noviembre se titula «se une a las filas de los mejores modelos de código abierto». Pero a 2026-11-18 Tencent solo dice que los pesos de Hy4 se publicarán más adelante (véase la publicación oficial sobre el código abierto); los pesos ya publicados son los de Hy4 flash, el 18 de noviembre. Que AA marque Hy4 como Proprietary concuerda con ese estado. Por eso, «el mejor open source» fue en el día del lanzamiento una formulación anticipada, y el lector no debería tomarla como una conclusión ya descargable y reproducible. La system card también está prevista para el lanzamiento del código abierto y este artículo no ha leído una system card completa.
Tencent reconoce además en su página de investigación que Hy4 sigue teniendo una brecha considerable con los mejores modelos cerrados, sobre todo en matemáticas internas de alta dificultad, desarrollo de largo recorrido, iteración de modelos y conjuntos de preguntas visuales.
Cómo leer estas cifras
- Las evaluaciones oficiales son en su mayoría conjuntos propios o escenarios de socios. Sirven para ver qué quiere destacar Tencent, no como clasificación.
- AA es una fuente independiente, pero es un único índice compuesto. Los 35 puntos, por debajo de la mediana, solo indican que en este conjunto de tareas no destaca; no significa que sea débil en todos los escenarios.
- Que sea lento y de salida larga tiene un efecto concreto en tareas largas de agentes: el tiempo y el consumo de tokens se amplifican juntos. Las tareas cortas, como documentos cotidianos, búsquedas o interfaces sencillas, se ven menos afectadas; en ingeniería de software de largo recorrido conviene probar antes con tus propias tareas.
- Para elegir la versión de uso diario, consulta Hy4 o Hy4 flash: cómo elegir. Sobre programación y agentes, véase Hy4 en programación y agentes: ensayos oficiales y experiencias de terceros, y para las primeras opiniones de usuarios, opiniones de usuarios y límites. Para el acceso desde productos, WorkBuddy y CodeBuddy. Las especificaciones de la versión anterior están en la guía de Hy4 preview, donde 770B / 49B solo valen para preview.
Lo no verificado y los límites
- Parámetros totales y activos de la versión final: Tencent no los ha publicado.
- Pesos de Hy4 y system card: no publicados a 2026-11-18.
- Este artículo no incluye pruebas propias. Los datos de AA son los de la página en la consulta del 2026-11-18 y pueden actualizarse.
- Que Tencent lo haya publicado no significa que esté disponible en este sitio.
Referencias principales
Fecha de comprobación: 2026-11-18.
- Página de investigación de Tencent Hunyuan Hy4
- Cuenta oficial de WeChat de Tencent Hunyuan: lanzamiento de Hy4
- Comunicado de prensa de Tencent: Tencent Launches Hy4
- TokenHub Hy API Guide
- Artificial Analysis: Hy4
- Reportaje de The Decoder sobre Hy4 (fuente secundaria; su mediana no coincide con la página original de AA, solo como contraste)
- Publicación oficial de @TencentHunyuan sobre el código abierto