Your privacy choices

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

Kembali ke blog

Ulasan Tencent Hunyuan Hy4 versi rasmi: dakwaan pembangun dan skor 35 Artificial Analysis

Tencent HunyuanHy4ulasan modelArtificial Analysiskawalan komputer

Artikel ini merumuskan maklumat awam dan bukan hasil ujian sendiri Guishu Intelligence.

Ringkasnya: Tencent meletakkan Hy4 sebagai model utama untuk produktiviti sebenar, manakala Artificial Analysis (AA), penilai bebas, memberi skor keseluruhan yang lebih rendah daripada median kumpulan perbandingannya dan mencatat model ini perlahan serta menjawab terlalu panjang. Kedua-dua sumber ini berbeza asalnya, jadi tidak boleh digabungkan menjadi satu skor.

Maklumat asas

  • Pembangun: Tencent Hunyuan (Tencent Hy). Nama paparan Hy4, parameter API hy4.
  • Tarikh keluaran: halaman penyelidikan Tencent dan siaran media menulis 2026-11-04. Dalam senarai penyelidikan ada satu tempat menulis 11-03, jadi tarikh entri mungkin berbeza sehari.
  • Spesifikasi: Hy API Guide TokenHub menyenaraikan konteks 1M, input maksimum 960k, output maksimum 64k, input teks dan imej, output teks, serta sokongan penaakulan.
  • Bilangan parameter: halaman penyelidikan tidak mengumumkan jumlah parameter atau parameter aktif versi rasmi. 770B / 49B ialah angka Hy4 preview, versi terdahulu, dan tidak boleh dipakai untuk versi rasmi. Ada hantaran di media sosial yang menulis angka ini untuk versi rasmi, tetapi itu bukan kenyataan sumber asal.

Dakwaan pembangun

Semua yang berikut datang daripada halaman penyelidikan Tencent, siaran media dan artikel WeChat rasmi, dan merupakan kenyataan pengeluar.

  • Keupayaan baharu: berbanding preview, versi rasmi buat pertama kali mempunyai kefahaman imej dan kawalan komputer (baris arahan dan antara muka grafik), dan pembangun menyatakan kepatuhan arahan, kefahaman teks panjang, tugas jangka panjang serta penyelidikan mendalam telah bertambah baik. Latihan khusus dibuat untuk Blender, CAD dan tugas jangka panjang merentas aplikasi.
  • Ujian kewangan oleh pakar: dianjurkan Tencent FiT, 213 pakar, 579 soalan. Skor rasmi: Hy4 3.04, DeepSeek-V4.1-Flash-1017 2.97, Kimi K3.1 Pro 2.68, GLM-5.3 2.68; pembangun mendakwa Hy4 nombor satu antara model sumber terbuka. Ini penilaian yang diterajui Tencent, bukan papan pendahulu bebas.
  • Penilaian dalaman rakan kongsi: penilaian komprehensif WorkBuddy mempunyai purata keberkesanan 83.18 dan kadar lulus 96.15%; pembangun menyatakan ia nombor satu antara model domestik China dalam 9 daripada 12 senario. Manus melaporkan kadar siap tugas dokumen pejabat hampir 97%. IRAB Xuntu (讯兔) ialah 61.63, dan laman Tencent menulis peningkatan 12.03 mata berbanding preview (teks laman itu juga ada sebutan "12.03 mata peratusan", di sini disalin seperti laman).
  • Ujian carian buatan sendiri: kadar halusinasi turun daripada 15.76% kepada 5.45%, kadar tekaan salah turun daripada 23.1% kepada 5.6%.
  • Penilaian dalaman Yuanbao: naik daripada 65.25 kepada 72.53.
  • Pembangunan permainan: GameDev dan GameLogic meningkat 19.1% dan 9.8% berbanding preview.

Tencent turut menyiarkan beberapa carta penanda aras awam, tetapi artikel ini tidak menjadikan skor khusus pada carta itu sebagai bukti. Untuk menyemak bahan asal, sila buka halaman penyelidikan Tencent Hunyuan.

Penilaian bebas: Artificial Analysis memberi 35 mata

Data daripada halaman Hy4 di AA (disemak 2026-11-18), dengan syarat Intelligence Index v5.0.1:

Perkara Hy4 Median kumpulan perbandingan
Intelligence Index v5.0.1 35 43
Token output semasa penilaian 160M 65.1M
Masa setiap tugas 13.5 minit 11.5 minit

Halaman yang sama turut mencatat kelewatan token pertama 117.82 saat, kelajuan output 96 tok/s, dilabel Proprietary dengan ulasan very verbose. Indeks ini terdiri daripada tugas seperti AA-Briefcase, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience, GDP.pdf, HLE-Diamond, CritPt dan Terminal-Bench-Science.

Media China memetik AA bahawa antara model makmal China, Hy4 di tempat kedua, di bawah Kimi K3.1 Pro (46). Ini petikan sumber kedua, bukan kedudukan global; angka tepat tertakluk pada halaman asal AA. Laporan The Decoder (sumber kedua) menulis median AA sebagai 30 dan mendakwa Hy4 seri dengan Grok 4.7, tidak sepadan dengan angka 43 pada halaman asal AA. Kami tidak menemui hubungan seri itu secara terus pada halaman AA dan tidak menggunakan median 30.

"Sumber terbuka terkuat" dan jurang masa pemberat

Tajuk siaran media Tencent pada 4 November menyebut Hy4 antara model sumber terbuka terkuat. Namun sehingga 2026-11-18, pihak rasmi hanya menyatakan pemberat Hy4 akan dilepaskan secara berperingkat (lihat hantaran rasmi sumber terbuka); pemberat yang sudah dilepaskan ialah milik Hy4 flash pada 18 November. AA melabel Hy4 sebagai Proprietary, selaras dengan keadaan ini. Oleh itu, pada hari pelancaran, "sumber terbuka terkuat" ialah kenyataan awal, dan pembaca tidak patut menganggapnya sebagai kesimpulan yang sudah boleh dimuat turun dan diulang. Kad sistem juga dirancang untuk dikeluarkan bersama pelepasan sumber terbuka; artikel ini belum membaca kad sistem yang lengkap.

Dalam halaman penyelidikan, Tencent turut mengakui Hy4 masih jauh ketinggalan berbanding model tertutup terkemuka, terutamanya pada set matematik sukar dalaman, pembangunan jangka panjang, lelaran model dan set soal jawab visual.

Cara membaca angka-angka ini

  • Penilaian pembangun kebanyakannya set buatan sendiri atau senario rakan kongsi. Ia sesuai untuk melihat apa yang Tencent mahu tonjolkan, bukan untuk dijadikan kedudukan.
  • AA ialah sumber bebas, tetapi hanya satu indeks komposit. Skor 35 di bawah median 43 hanya menunjukkan model tidak menonjol dalam set tugas ini, bukan bermakna ia lemah dalam semua senario.
  • Kelembapan dan output panjang memberi kesan nyata kepada tugas ejen yang panjang: masa dan penggunaan token bertambah serentak. Tugas pendek seperti dokumen, carian dan frontend mudah kurang terkesan, manakala kejuruteraan perisian jangka panjang wajar diuji dahulu dengan tugas anda sendiri.
  • Jika anda memilih versi untuk kegunaan harian, lihat Memilih antara Hy4 dan Hy4 flash. Untuk pengaturcaraan dan ejen, lihat Hy4 dalam pengaturcaraan dan ejen: rumusan tugas khusus rasmi dan pengalaman pihak ketiga; suara pengguna awal ada dalam maklum balas pengguna dan batasan. Cara penggunaan dalam produk boleh dirujuk di WorkBuddy dan CodeBuddy. Spesifikasi versi terdahulu ada dalam panduan Hy4 preview, dan 770B / 49B di dalamnya hanya terpakai untuk preview.

Perkara belum disahkan dan batasan

  • Jumlah parameter dan parameter aktif versi rasmi: tidak diumumkan pembangun.
  • Pemberat Hy4 dan kad sistem: belum dikeluarkan setakat 2026-11-18.
  • Artikel ini tidak membuat ujian sendiri; data AA mengikut halaman pada tarikh semakan 2026-11-18 dan mungkin dikemas kini kemudian.
  • Pelepasan oleh pembangun tidak bermakna model itu boleh dipanggil di laman kami.

Rujukan utama

Tarikh semakan: 2026-11-18.