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 正式版レビュー:公式の主張と Artificial Analysis 35点の読み比べ

テンセント混元Hy4モデル評価Artificial Analysisコンピューター操作

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。

先に結論です。テンセントは Hy4 を「実務の生産性」向けのフラッグシップと位置づけています。一方、独立評価機関の Artificial Analysis(AA)の総合スコアは比較グループの中央値を下回り、速度は遅め、出力は長めという評価です。この2つは情報源の性質が違うため、1つの点数にまとめることはできません。

基本情報

  • 提供元:テンセント混元(Tencent Hy / Tencent Hunyuan)。表示名は Hy4、API ID は hy4。
  • 発表日:テンセント公式の研究ページとプレスリリースは 2026-11-04 としています。研究一覧には 11-03 と書かれた箇所もあり、日付は1日ずれる可能性があります。
  • 仕様:TokenHub の Hy API Guide によると、コンテキスト 1M、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。
  • パラメーター数:正式版の研究ページは総パラメーター数もアクティブパラメーター数も公表していません。770B / 49B は前世代 Hy4 preview の数字で、正式版に当てはめてはいけません。SNS には正式版の数字として書いた投稿がありますが、第一者の公式情報ではありません。

公式の主張

以下はすべてテンセント公式の研究ページ、プレスリリース、公式 WeChat 記事に基づく、ベンダー側の説明です。

  • 新機能:preview と比べ、正式版は視覚理解を初めて導入し、コンピューター操作(コマンドラインと GUI)を初めてサポートしました。指示追従、長文理解、長期タスク、ディープリサーチも向上したとしています。Blender、CAD、アプリ横断の長期タスクに特化した学習も行ったとのことです。
  • 金融クラウドテスト:テンセント FiT が主催し、専門家213人、579問。公式スコアは Hy4 3.04、DeepSeek-V4.1-Flash-1017 2.97、Kimi K3.1 Pro 2.68、GLM-5.3 2.68 で、公式はオープンソースモデルで首位としています。これはテンセント主導の評価であり、独立したランキングではありません。
  • パートナーの社内評価:WorkBuddy の総合評価は平均 83.18、合格率 96.15% で、公式は12シナリオ中9つで国内モデル首位としています。Manus はオフィス文書タスクの完了率が97%近いと述べています。訊兎科技(Xuntu)の IRAB は 61.63 で、公式サイトは preview から 12.03 ポイント向上としています(公式サイトの本文には「12.03 パーセントポイント」という表記もあり、ここでは公式の言い方をそのまま伝えます)。
  • 自社の検索テスト:ハルシネーション率は 15.76% から 5.45%、推測エラー率は 23.1% から 5.6% に低下。
  • 元宝(Yuanbao)の社内評価:65.25 から 72.53 に向上。
  • ゲーム分野:GameDev と GameLogic は preview より 19.1% と 9.8% 向上。

公式は公開ベンチマークの図も複数掲載していますが、本記事は図中の個別スコアを根拠にしません。原資料はテンセント混元の研究ページでご確認ください。

独立評価:Artificial Analysis の35点

AA の Hy4 ページ(2026-11-18 確認)の数値です。条件は Intelligence Index v5.0.1 です。

項目 Hy4 比較グループ中央値
Intelligence Index v5.0.1 35 43
評価時の出力トークン 160M 65.1M
1タスクあたりの所要時間 13.5分 11.5分

同ページには、最初のトークンまでの遅延 117.82秒、出力速度 96 tok/s も載っており、Proprietary と表示され、ページのコメントは very verbose です。この指数は AA-Briefcase、AutomationBench-AA、Terminal-Bench 4.0、FrontierCode-AA 2.0、AA-Omniscience、GDP.pdf、HLE-Diamond、CritPt、Terminal-Bench-Science などのタスクで構成されています。

中国語メディアは AA を引用して、Hy4 は中国のラボのモデルで2位、Kimi K3.1 Pro(46)に次ぐと伝えています。これは二次情報で、世界ランキングの順位を意味しません。数値は AA の原ページが優先です。The Decoder の記事(二次情報)は AA の中央値を30と書き、Grok 4.7 と並ぶとしていますが、AA 原ページの43と食い違います。本記事は AA のページで並びを直接確認できておらず、その中央値も採用しません。

「最強クラスのオープンモデル」と重み公開のずれ

テンセントが11月4日に出したプレスリリースのタイトルは「世界有数のオープンソース AI モデルの仲間入り」という趣旨です。しかし 2026-11-18 時点で、公式は Hy4 の重みを順次公開するとしか述べていません(公式のオープンソース投稿参照)。実際に重みが公開されたのは11月18日の Hy4 flash です。AA が Hy4 を Proprietary と表示しているのもこの状況と合っています。したがって「最強クラスのオープンモデル」は発表当日の時点では予告的な表現であり、ダウンロードして再現できる結論として受け取るべきではありません。システムカードもオープンソース公開に合わせて出す予定とされており、本記事は完全なシステムカードを確認できていません。

公式は研究ページで、Hy4 はトップクラスのクローズドモデルとの差がまだ大きいことも認めています。特に社内の高難度数学、長期開発、モデル反復、視覚質問応答のセットで差があるとしています。

数字の読み方

  • 公式の評価は自社セットやパートナーの業務シナリオが中心です。テンセントが何を強調したいかを知る材料にはなりますが、順位として扱うべきではありません。
  • AA は独立した情報源ですが、あくまで1つの総合指数です。35点が中央値を下回ることは、このタスク群では目立たないという意味であり、すべての場面で弱いという意味ではありません。
  • 遅く出力が長いことは、エージェントの長いタスクで具体的に効いてきます。所要時間とトークン消費が一緒に膨らむためです。日常の文書、検索、簡単なフロントエンドのような短いタスクでは影響は小さめです。長期のソフトウェアエンジニアリングは、まず自分のタスクで確かめてください。
  • 日常用にどちらを選ぶかはHy4 と Hy4 flash の選び方、コーディングとエージェントはテンセント混元 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、初期のユーザーの声は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、前世代の仕様は Hy4 preview ガイドにあります。そこにある 770B / 49B は preview にのみ当てはまります。

未確認の事項と限界

  • 正式版の総パラメーター数とアクティブパラメーター数:公式は未公表です。
  • Hy4 の重みとシステムカード:2026-11-18 時点で未公開です。
  • 本記事は自社検証を行っていません。AA のデータは 2026-11-18 に確認した時点のページに基づき、今後更新される可能性があります。
  • 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。