Dux API Tencent Hy4 preview anno 2026: MoE 770B, contextus 1M et agentes ad codicem
Die 29 Augusti 2026 Hy4 preview recensuimus, quod Tencent die priore emiserat. Res gravis non est sola mutatio a Hy3 ad Hy4: Tencent nucleum ad 770B parametra auxit, contextum ad 1M extendit, atque exemplar in CodeBuddy, WorkBuddy et veris operibus technicis pergit probare.
Uno verbo: Hy4 preview est novum exemplar MoE primarium et fonte apertum Tencent Hunyuan ad codicem, agentes, analysim officii, progressionem ludorum et investigationem scientificam; nomen eius officiale ad serviendum localiter est hy4-preview, sed identificatoria exemplarium, pretia et copia secundum suggestum variant.
Hic dux nititur emissione Tencent, repositorio officiali, paginis Tencent Cloud TokenHub et primis commentariis scientificis a repositorio citatis. Mensurae venditoris non sunt probationes independentes huius situs. Tempore verificationis catalogus vivus huius situs hy4-preview non continebat; ideo hic articulus non dicit viam portae iam apertam esse.
Res praecipua de Hy4 preview
| Res | Informatio officialis verificata |
|---|---|
| Dies emissionis | 28 Augusti 2026 |
| Nomen officiale | Tencent Hy4 preview |
| Architectura | Mixture-of-Experts (MoE) |
| Parametra nuclei | 770B in summa, 49B actuosa |
| Stratum MTP nativum | 10B in summa, 0.7B actuosa |
| Altitudo nuclei | 78 strata |
| Dispositio peritorum | 256 periti ad itinerarium directi + 1 peritus communis; in singulis tokenis summi 8 periti directi activantur |
| Attentio / residuum | Gated DSA + IndexCache; quattuor series residuae iHC |
| Contextus | Repositorium ponit 1M; Tencent Cloud ponit maximum ingressum 960K et maximum egressum 64K |
| Exemplar officiale locale serviendum | hy4-preview |
| Pondera aperta | tencent/Hy4-preview, tencent/Hy4-preview-FP8 |
| Licentia | Apache 2.0 |
| Pretium publicum Tencent Cloud Guangzhou | Ingressus CNY 6, egressus CNY 18, lectio cache CNY 0.3 pro singulis 1M tokenis |
Ultima verificatio facta est die 29 Augusti 2026. Ante usum productionis iterum inspice consilium TokenHub, regionem destinatam, pretium hodiernum et agros usage in responsis.
Quid est Hy4 preview, et num est editio finalis Hy4?
Hy4 preview est prima iteratio Hy4, non futura editio finalis sine suffixo preview. Tencent aperte documentat quaestiones iam notas, inter quas longius quam necesse est ratiocinari in operibus implicatis atque opus proprium nimis saepe verificare.
Hic limes magni momenti est. «Exemplar primarium preview» significat iam adesse pondera aperta, formulas inference, cursum fine-accommodationis et aditum API; non significat mores, pretium aut gradus servitii in perpetuum fixos esse.
Tencent praeterea Hy4 preview in WorkBuddy, CodeBuddy, Yuanbao et ima praebet, cum aditu API per Tencent Cloud TokenHub et OpenRouter. Id satis est ad aestimationem moderatam, sed opera productionis critica versiones fixas, probationes regressionis et exemplar subsidiarium retinere debent.
Quid mutatum est in architectura MoE 770B?
Nucleus Hy4 preview 78 strata habet. Primum stratum Dense FFN adhibet; reliqua 77 sunt strata MoE, quae 256 peritos directos et unum peritum communem habent. In singulis tokenis octo periti directi summi ordinis una cum perito communi activantur.
Stratum MTP nativum etiam adest ad decodificationem speculativam sustinendam. Tencent nucleum describit ut 770B parametra in summa et 49B actuosa; si MTP additur, 10B in summa et 0.7B actuosa accedunt. Si una pagina 770B et altera numerum prope 780B ostendit, primum vide utrum MTP in summa numeretur.
Attentio utitur Gated DeepSeek Sparse Attention (Gated DSA) et IndexCache ad indices sparsos per strata reutilizandos. Via residua quattuor series identity Hyper-Connection (iHC) habet. Una simul haec consilia calculum et fluxum informationis moderabilem efficere student cum contextu 1M et scala magna MoE.
Repositorium quoque 64 capita attentionis, dimensionem compressionis Query 2,048, dimensionem compressionis Key-Value 512 et Indexer top-k 2,048 describit. Hi numeri ad compatibilitatem compagum inference et consilium capacitatis utiles sunt; per se tamen nullum eventum operis probant.
Quomodo fenestra contextus 1M intellegenda est?
Repositorium Tencent longitudinem contextus 1M ponit. Pagina producti Tencent Cloud limites servitii hospitati describit ut maximum ingressum 960K et maximum egressum 64K. Haec simul stare possunt, quia fenestra exemplaris, egressus reservatus, nuntius systematis et margo securitatis servitii diversos limites computationis habent.
Probationes productionis ne incipias petitione prope unum millionem tokenorum. Utere gradibus 32K, 128K, 256K, 512K et contextu ultra-longo, atque nota:
- tempus usque ad primum token et moram a principio ad finem
- tokena ingressus, egressus et lectionis cache
- accurationem inventionis inter varia documenta
- successum vocationum instrumentorum et numerum repetitionum
- rationem operum peractorum et tempus refectionis humanae
Capacitas contextus non est rectitudo automatica. Repositoria magna, libri computatorii nummarii et corpora investigationis adhuc indigent inventione, separatione permissionum et nexibus ad probationes.
Quam vim habet Hy4 preview in codice et agentibus?
Appendix mensurarum officialis Tencent amplos progressus super Hy3 in arte programmandi, usu instrumentorum et operibus longi contextus refert. Hic infra sunt quaedam indicia ex eodem tabulario officiali:
| Aestimatio a Tencent edita | Hy3 | Hy4 preview |
|---|---|---|
| SWE-bench Multilingual | 75.8 | 82.9 |
| DeepSWE | 28.0 | 64.3 |
| SWE Atlas - Refactoring | 32.9 | 53.3 |
| Terminal-Bench 2.1 | 70.8 | 85.4 |
| Toolathlon-Verified | 56.2 | 74.1 |
| OneMillionBench (with tools) | 51.5 | 65.4 |
Hi sunt eventus a Tencent editi, non probationes independentes huius situs. Tencent dicit exemplaria aestimata esse cum summo gradu ratiocinationis tunc praesto, quasdam res stellula signatas a Tencent probatas esse, atque apparatus probationis, rationes tokenorum, facultates loculorum securorum et sampling repetitum notas mutare posse.
Idem tabularium vetat electionem ex paucis numeris: Hy4 preview in ProgramBench 17.5 obtinet, infra Kimi K3, GPT 5.6 Sol et Claude Opus 5 in comparatione Tencent. Incrementum inter generationes verum est, sed Hy4 non omnem probationem codicis vincit.
Quid ostendit aestimatio peritorum 203 operum?
Tencent probationem caecam instituit cum 163 peritis internis per 203 opera technica vera. Eventus editus erat:
- Hy4 preview: medium 2.99 / 4
- GLM 5.3: medium 2.92 / 4; Hy4 vicit 46.8%, aequavit 12.8% et victus est 40.4%
- Kimi K3: medium 2.94 / 4; Hy4 vicit 51.2%, aequavit 7.9% et victus est 40.9%
Hoc interest, quia opera ex arte programmandi, ludis, rebus nummariis et securitate interna Tencent sumpta sunt, non solum ex tabulis publicis. Tamen manet aestimatio venditoris interna, non probatio tertiae partis plene repetibilis cum universo operum et regula publica.
Ratio certior adoptionis est construere probationes regressionis ex tuis repositoriis, documentis et mandatis acceptationis, deinde comparare rationem successus, moram et sumptus totos cum exemplaribus quae iam curris.
Quae opera Hy4 preview conveniunt?
- agentes ad codicem longi itineris, qui ordinant, emendant, errores quaerunt et opus verificatum reddunt
- opus frontale ubi codex, hierarchia visualis et qualitas interactionis simul magni sunt
- opera officii per varia documenta, quae documenta, tabulas calculi et presentationes tradunt
- prototypa ludorum peragenda, deinde opus per plures vices in machina ludi
- exemplaria nummaria et analysis datorum per multa documenta
- investigatio in AI, dynamica moleculari, physica materiae condensatae et mathematicis
- quaestiones instrumentis utentes et opera cognitionis per contextum 1M
Opera quae in productione scribunt adhuc egent regulis vel approbatione humana pro Shell, basibus datorum, solutionibus, permissionibus et nuntiis externis. Exemplar fortius periculum auctoritatis agentis non tollit.
Quod est pretium officiale Hy4 preview?
Pagina Tencent Cloud TokenHub nunc haec pretia referentia pro Guangzhou ostendit:
| Res computata | Pretium publicum |
|---|---|
| Ingressus | CNY 6 / 1M tokena |
| Egressus | CNY 18 / 1M tokena |
| Lectio cache | CNY 0.3 / 1M tokena |
Hoc est pretium directum officiale pro regione et tempore Tencent Cloud determinatis, non pretium universale suggestorum tertiorum. OpenRouter, alii praebitores inference et hospitatio propria suas rationes oeconomicas habent; multiplicator portae ex pretio directo TokenHub deduci non potest.
Tempore verificationis die 29 Augusti 2026 pagina pretiorum viva huius situs hy4-preview non ostendebat. Si postea additur, catalogo vivo et libro petitionum utere, non pretio directo Tencent Cloud in hoc articulo.
Haec identificatoria Hy4 ne misceas
| Via accessus | Nomen / identificatorium utendum |
|---|---|
| Exemplar locale serviendum in repositorio officiali | hy4-preview |
| OpenRouter | tencent/hy4-preview |
| Pondera Hugging Face BF16 | tencent/Hy4-preview |
| Pondera Hugging Face FP8 | tencent/Hy4-preview-FP8 |
Porta API plerumque nomen repositorii Hugging Face in identificatorium exemplaris hospitati non convertit. Nomen exactum ex suggesto destinato sume et per vocationem indicis exemplarium aut petitionem minimam verifica.
Quomodo Hy4 preview ipse hospitari et vocari potest?
Tencent vLLM aut SGLang commendat. Post initium, exemplar locale serviendum per API OpenAI-compatible Chat Completions voca:
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 patch and list the highest-risk regressions."}
],
temperature=0.9,
top_p=1.0,
)
print(response.choices[0].message.content)
Tencent temperature=0.9 et top_p=1.0 commendat. Exemplar defaultus high reasoning adhibet. Formula localis, cum responsa directa desiderantur, chat_template_kwargs.reasoning_effort = "no_think" adhibet ad cogitationem excludendam; praebitores hospitati agros additos diversos praebere possunt.
Formula officialis vLLM parallelismum tensorum octo viarum, decodificationem speculativam MTP, backend attentionis FLASHMLA_SPARSE et parser instrumentorum ac rationis hy_v4 adhibet. Formulam ne in apparatum diverso GPU, rectoribus, imagine aut compago sine examine capacitatis transferas.
Hy4 preview an Hy3?
| Ratio | Hy3 | Hy4 preview |
|---|---|---|
| Scala officialis | 295B in summa / 21B actuosa | 770B in summa / 49B actuosa |
| Contextus | 256K | 1M |
| Positio | agentes et productivitas sumptu efficaci | novum exemplar primarium ad codicem, agentes et productivitatem implicatam |
| Maturitas | a preview ad emissionem formalem progressum | Hy4 preview prima |
| Sumptus hospitii proprii | minor | multo maior |
Hy3 adhuc utilis est cum sumptus, scala emissionis et maturitas praecipua sunt. Adde Hy4 preview ad aestimationem moderatam si contextu longiore et arte programmandi aut usu instrumentorum per longum iter maiore indiges, sed exemplar productionis non substituas sola ratione numeri totalis parametrorum.
Index probationis productionis
- Identificatorium exactum ex suggesto destinato copia; noli casum litterarum aut spatium nominum divinare.
- Versionem exemplaris, Prompt, instrumenta, vim ratiocinationis, moram et maximum egressum fixa tene.
- Incipe operibus tantum legendis, antequam potestatem file, Shell, datorum basin aut effectus externos concedas.
- Rationem successus in repositoriis veris cum mandatis acceptationis metire, non ex impressionibus colloquii.
- Gradus contextus a 32K ad ultra-longum proba et moram, usum cache et totam rationem nota.
- Numerum maximum vicium, rationes tokenorum et portas approbationis pro operibus implicatis constitue.
- Vocationes instrumentorum, exitum structum et tabulam agri reasoning in porta destinata verifica.
- Pro versione preview probationes regressionis, viam subsidiariam et reversionem celerem retine.
Sententiae praecipuae
- Hy4 preview die 28 Augusti 2026 emissum et fonte apertum est, novum exemplar MoE primarium Tencent Hunyuan.
- Nucleus eius 770B parametra in summa et 49B actuosa habet, praeter stratum MTP nativum 10B/0.7B.
- Repositorium contextum 1M ponit; Tencent Cloud maximum ingressum 960K et maximum egressum 64K ponit.
- Tencent magnos progressus super Hy3 in codice, usu instrumentorum et contextu longo refert, sed non omnem probationem vincit.
hy4-preview,tencent/hy4-previewettencent/Hy4-preview-FP8identificatoria suggestorum diversorum sunt.- Haec porta tempore publicationis nondum viam aperuerat; copia et ratio sumptus per catalogum vivum verificandae sunt.
Quaestiones saepe positae
Num Hy4 preview publice emissum est?
Ita. Tencent Hy4 preview die 28 Augusti 2026 emisit et fonte aperto praebuit, cum aditu per WorkBuddy, CodeBuddy, Yuanbao, ima, TokenHub et OpenRouter. Attamen adhuc preview est, non editio finalis Hy4.
Num Hy4 preview est exemplar multimodale?
Repositorium emissionis officiale Tencent illud exemplar linguarum ad codicem, agentes et productivitatem describit, cum specificationibus publicis praecipue de textu, instrumentis et longo contextu. Ne concludas eum imagines aut video accipere propterea quod familia Hunyuan maior exemplaria visualia habet; tabulam facultatum praebitoris destinati inspice.
Quanta est longitudo contextus Hy4 preview?
Repositorium contextum 1M definit. Tencent Cloud separatim maximum ingressum 960K et maximum egressum 64K pro servitio hospitato ponit.
Quod est identificatorium API officiale Hy4 preview?
Nomen exemplaris serviendi in repositorio officiali est hy4-preview; OpenRouter utitur tencent/hy4-preview; pondera localiter hospitata utuntur tencent/Hy4-preview aut forma FP8. Identificatorium in consilio suggesti destinati praevalet.
Num Hy4 preview vocationem instrumentorum sustinet?
Formula vLLM Tencent parser instrumentorum hy_v4 et electionem automatam instrumentorum efficit, dum probatio officialis Toolathlon, MCP-Atlas et varia opera agentica complectitur. Parametra exacta servitii hospitati apud praebitorem verifica.
Quantum constat Hy4 preview?
Tencent Cloud TokenHub in Guangzhou nunc CNY 6 pro ingressu, CNY 18 pro egressu et CNY 0.3 pro lectione cache per millionem tokenorum ostendit. Regio, suggestum et promotiones pretium mutare possunt.
Possumne Hy4 preview per hanc portam iam vocare?
Tempore verificationis die 29 Augusti 2026 catalogus vivus et praebitores superiores activi huius situs hy4-preview non ostendebant. Paginam pretiorum vivam inspice si postea praesto fiat.
Potestne Hy4 preview cum Claude Code aut alio agente ad codicem operari?
Exemplar ad codicem et agentes destinatur atque viam localem cum OpenAI compatibilem praebet. Compatibilitas clientis tamen pendet a protocollo, forma vocationis instrumentorum, exitu reasoning et strato compatibilitatis praebitoris; ideo petitionem minimam et regressionem instrumentorum primum proba.
Fontes praecipui
- Emissio officialis Tencent: Tencent Releases and Open-Sources Tencent Hy4 preview
- GitHub officiale Tencent Hunyuan: Hy4-preview
- Pagina producti et pretiorum Tencent Cloud TokenHub
- Pagina producti Tencent Cloud Hunyuan: fines Hy4 preview
- Commentarius de Gated DeepSeek Sparse Attention
- Commentarius de IndexCache
- Pretia exemplarium viva huius situs: ad viam postea apertam verificandam, non pretium officiale Tencent Cloud