Your privacy choices

Allow optional cookies for referral attribution, visit analytics, and Google Ads purchase measurement.

ブログ一覧に戻る

テンセント混元 Hy4 flash レビュー:11月18日にオープンソース化、224B と 220B の2つの数字をどう読むか

テンセント混元Hy4 flashオープンウェイトモデルMoEマルチモーダル

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。

タイムライン

  • 2026-11-16:テンセント公式の研究ページと公式 WeChatで Hy4 flash を発表(研究一覧には 11-15 と書かれた箇所もあります)。
  • 2026-11-18:公式アカウント @TencentHunyuan が Hy4 flash、Hy4 flash-FP8、Hy4 flash-base のオープンソース化を発表。公式投稿は Hy4 の重みが続いて公開されるとも述べており、Hy4 正式版はまだオープンソース化されていません。
  • 配布先は GitHub、Hugging Face、ModelScope、GitCode。ライセンスは Tencent Hy License です(公式投稿とモデルカード参照)。

仕様:出典ごとに数字が異なる

出典 総パラメーター アクティブパラメーター
公式研究ページ、公式 WeChat、公式 X 投稿 224B(64B の Engram を含む) 12B
Hugging Face モデルカード(GitHub も同じ) 220B(64B の Engram を含む) 12B

公式は 224B と 220B の違いを説明しておらず、本記事も揃えません。引用するときは出典を明記してください。

共通仕様は TokenHub の Hy API Guide によるもので、1M コンテキスト、最大入力 960k、最大出力 64k、入力はテキストと画像、出力はテキスト、推論に対応します。API ID は hy4-flash です。

アーキテクチャの要点(オープンソースのモデルカード)

以下は Hugging Face モデルカードと GitHubに基づきます。

  • 言語バックボーンは42層。dense FFN 1層と MoE 41層で、identity Hyper-Connections を使用。
  • ビジョンエンコーダーは SigLIP2-So400m-Patch16-Res512 を改変したもの。
  • 5層のドラフトモデル DFly2(0.85B)を内蔵。
  • Hy4 との構造上の違いは3点。ハイブリッドアテンション(IndexPool とスライディングウィンドウを 1:3 で交互配置)、LatentMoE、Engram n-gram 埋め込み。
  • モデルカードは reasoning_effort に "high"(デフォルト、思考オン)または "no_think" を推奨し、サンプリング例は temperature=0.9、top_p=1.0 です。これはオープンソース推論の説明であり、貴数智能のパラメーター推奨ではありません。

テンセントは研究ページで、KV cache は Hy3 の約 1/24、Hy4 の約 1/6、後学習は Hy4 からの自己蒸留で、強化学習によりエンドツーエンドの出力長が 50% 短くなり、公式の最適化スタックではデコード速度が 150 tps を超えるとも述べています。これらは公式の技術的な主張で、本記事では再現していません。

公式の位置づけと評価

公式の棲み分けは次のとおりです。ディープサーチ、文書、スライド、簡単なフロントエンド、computer use など日常的なタスクの大半は flash、長期のソフトウェアエンジニアリングなど複雑なタスクは知能の上限がより高い Hy4。公式は flash の総合的な効果が Hy4 preview をわずかに上回るとしています。

  • WorkBuddy の評価(WeChat 記事):日常タスクの効果は Hy4 とほぼ同等、長期コーディングはわずかに低下、平均タスク所要時間は 70% 短縮としています。
  • 社内ブラインドテスト:WorkBuddy の社内ユーザー85人、27カテゴリ計259タスク。公式はユーザー満足度が Claude Haiku 5.5 に近く、タスク所要時間は最短としています。本記事が採るのはこの定性的な結論だけです。公式の社内ブラインドテストであり、独立したランキングではありません。
  • WeChat Pay ラボ(WeChat 記事):実機の決済クライアントとコード静的スキャンのシナリオで、flash は DeepSeek-V4.1-Flash-1017 と平均スコアが同等かそれ以上としています。このラボのシナリオに限った話です。

製品側の説明

  • 元宝:元宝の公式 WeChat(11-16)は、Hy4 flash を全ユーザー向けに提供開始し、素早い回答とディープシンキングに対応、Hy4 モデルの中で切り替えると述べています。混元公式 WeChatは元宝の製品責任者の発言として、Hy3 比でエージェント能力が 13.6% 向上、人手比較の GSB が 7.56% 向上、一般会話は GLM-5.3-Flash 比で 2.52% 向上し、マルチターンで最も顕著と伝えています。
  • 企業微信(WeCom)(WeChat 記事):flash の出力速度は Hy4 比で 88% 向上、思考モードの出力トークンは約 60% 減少としています。
  • テンセントは同じWeChat 記事で、TokenHub、WorkBuddy、QQ、ima、Marvis で提供開始とし、OpenRouter にも tencent/hy4-flash が現れています。期間限定の体験やキャンペーンは公式ページをご確認ください。本記事は価格や特典の数字を掲載しません。

これらの数字は各製品チームの社内基準によるもので、比較対象もテストセットも異なります。足し合わせたり、互いに比べたりすることはできません。

独立評価の空白

2026-11-18 時点で、Artificial Analysis に Hy4 flash 専用のページは見つかっていないため、引用できる独立した総合スコアはありません。AA のページの35点は Hy4 正式版のものです(Hy4 レビュー参照)。flash の成績として読まないでください。

読んだあとは

2つの選び方は Hy4 と Hy4 flash の選び方、初期の個人デモはテンセント混元 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とユーザーの声と限界をご覧ください。製品での使い方は WorkBuddy と CodeBuddy の使い方にあります。

限界

2026-11-18 時点で、公式がオープンウェイトを発表したばかりで、コミュニティが検証できる第三者評価はまだ多くありません。本記事の効果に関する数字はすべてベンダーまたはパートナーの説明です。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。