テンセント混元 Hy4 のコーディングとエージェント:公式の特化訴求とサードパーティの使用感の整理
本記事は公開情報の整理であり、貴数智能の自社検証ではありません。公式の説明とサードパーティの個人デモは分けて書きます。両者は証拠の強さが異なり、後者は少数の個人投稿にすぎず、体系的な検証ではありません。
公式の特化訴求
以下はテンセントの研究ページと公式 WeChatに基づく、ベンダー側の説明です。
- コンピューター操作:Hy4 正式版は初めてコンピューター操作(CUA)をサポートし、コマンドラインと GUI の両方を対象とします。
- 特化学習:Blender、CAD、アプリ横断の長期タスクに向けた学習を行ったとしています。
- ゲーム分野:公式は UE、Unity、Godot など主要エンジンへの深い対応を実現したとし、GameDev と GameLogic は preview より 19.1% と 9.8% 向上としています。これは preview からの伸びであり、絶対的な水準でも他モデルとの比較でもありません。
- 長期タスクとマルチモーダル:元宝チームは、マルチモーダルエージェントの完了度が従来の VLM より 36.8% 向上したとしています(WeChat 記事参照)。これは製品内部の評価です。
- flash の役割:公式は、日常の簡単なフロントエンドや computer use には Hy4 flash、長期のソフトウェアエンジニアリングには Hy4 を勧めています(flash 研究ページ参照)。WorkBuddy の評価では、flash の長期コーディングはわずかに低下するとしています。詳しくは Hy4 と Hy4 flash の選び方をご覧ください。
独立評価に含まれる関連情報
Artificial Analysis の Intelligence Index v5.0.1 には、Terminal-Bench 4.0 や FrontierCode-AA 2.0 など、コーディングやターミナルに近いタスクが含まれます。Hy4 の総合は35点、比較グループ中央値は43で、ページには遅く出力が非常に長いと記されています。35点が示すのは、このタスク群では目立たないということで、すべての場面で弱いという意味ではありません。AA のページにはコーディング単独のサブスコアが載っておらず、本記事で引用できないため、コーディング力の強弱をここから判断することはできません。詳しくは Hy4 レビューをご覧ください。
サードパーティの個人デモ(X、2026-11-17、サンプルは非常に少ない)
以下は flash の重みが公開される前日の個人投稿です。いずれも1つか数件の事例にとどまり、体系的なテストではありません。
- @DDJCXX:同じプロンプトで3Dの江南水郷を制作し、Qwen4-Max(xhigh)のほうが Hy4 flash(high)より明らかに良いとしています。所要時間も記載。元投稿。
- @shabnam_774:flash で3D Snake をゼロから作り、同じプロンプトで DeepSeek-V4.1-Flash-1017 と比較。サンプルは1件。元投稿。
- @Histonemax:一晩で6件の事例をテスト。普段は Opus を使っており、flash は使えると評価。元投稿。
これらの投稿にはプロンプト、採点基準、繰り返し実行の統一がなく、投稿者が複数回の出力を見たかどうかも確認できません。1件目は flash にやや否定的な比較、あとの2件は肯定的または中間的で、合わせて言えるのは初期の反応が割れているということだけです。
自分で試すときのタスク設計
- 合否を確認できる小さなタスクにする。たとえば「鍵を取らないとドアが開かず、やり直すと状態がリセットされる」など。
- 同じプロンプトと同じ推論レベルで2つのモデルを実行し、所要時間を記録する。
- コンピューター操作を試すときは、権限と範囲を絞り、各ステップの操作記録を確認する。
- 判断する前に3回以上実行する。1回の生成ごとの差は大きい。
製品内での使い方は WorkBuddy と CodeBuddy の使い方をご覧ください。ほかの反応はユーザーの声と限界、flash の仕様は flash レビューにあります。
貴数智能は、本記事に書かれたタスクを自社検証していません。上流でのリリースは、本サイトで利用できることを意味しません。
主な参考資料
確認日:2026-11-18。