คู่มือ Tencent Hy4 Preview 2026: MoE 770B บริบท 1M และ Coding Agent
เมื่อวันที่ 29 สิงหาคม 2026 เราได้ตรวจสอบ Hy4 preview ซึ่ง Tencent เปิดตัวในวันก่อนหน้า การเปลี่ยนแปลงสำคัญไม่ได้มีเพียงการเปลี่ยนจาก Hy3 เป็น Hy4 เท่านั้น: Tencent ขยาย backbone เป็น 770B พารามิเตอร์ เพิ่มบริบทเป็น 1M และยังคงประเมินโมเดลใน CodeBuddy, WorkBuddy และเวิร์กโฟลว์วิศวกรรมจริง
สรุปในประโยคเดียว: Hy4 preview คือ MoE flagship แบบโอเพนซอร์สรุ่นใหม่ของ Tencent Hunyuan สำหรับการเขียนโค้ด เอเจนต์ การวิเคราะห์งานสำนักงาน การพัฒนาเกม และการวิจัยวิทยาศาสตร์; ชื่อโมเดลที่เสิร์ฟแบบ self-hosted อย่างเป็นทางการคือ hy4-preview แต่รหัสโมเดล ราคา และความพร้อมใช้งานแตกต่างกันไปตามแพลตฟอร์ม
คู่มือนี้อ้างอิงจากประกาศของ Tencent รีโพซิทอรีอย่างเป็นทางการ หน้า Tencent Cloud TokenHub และงานวิจัยต้นฉบับที่รีโพซิทอรีอ้างถึง benchmark ของผู้ให้บริการไม่ใช่การทดสอบอิสระโดยเว็บไซต์นี้ ขณะตรวจสอบ แคตตาล็อก live ของเว็บไซต์นี้ยังไม่มี hy4-preview ดังนั้นบทความนี้ไม่ได้อ้างว่า gateway เปิดเส้นทางดังกล่าวแล้ว
ข้อมูลสำคัญของ Hy4 preview
| รายการ | ข้อมูลอย่างเป็นทางการที่ตรวจสอบแล้ว |
|---|---|
| วันที่เปิดตัว | 28 สิงหาคม 2026 |
| ชื่ออย่างเป็นทางการ | Tencent Hy4 preview |
| สถาปัตยกรรม | Mixture-of-Experts (MoE) |
| พารามิเตอร์ของ backbone | รวม 770B, active 49B |
| เลเยอร์ MTP แบบ native | รวม 10B, active 0.7B |
| ความลึกของ backbone | 78 เลเยอร์ |
| โครงสร้าง expert | routed 256 ตัว + shared 1 ตัว; เปิดใช้ routed expert 8 ตัวแรกต่อ token |
| Attention / residual | Gated DSA + IndexCache; residual stream แบบ iHC 4 สาย |
| บริบท | 1M ในรีโพซิทอรี; Tencent Cloud ระบุ input สูงสุด 960K และ output สูงสุด 64K |
| โมเดลที่เสิร์ฟในเครื่องอย่างเป็นทางการ | hy4-preview |
| น้ำหนักโมเดลแบบเปิด | tencent/Hy4-preview, tencent/Hy4-preview-FP8 |
| ใบอนุญาต | Apache 2.0 |
| ราคาสาธารณะของ Tencent Cloud ในกว่างโจว | input CNY 6, output CNY 18, cache read CNY 0.3 ต่อ 1M tokens |
ตรวจสอบล่าสุดเมื่อวันที่ 29 สิงหาคม 2026 ก่อนนำไปใช้จริงใน production ให้ตรวจสอบคอนโซล TokenHub ภูมิภาคเป้าหมาย ราคาปัจจุบัน และฟิลด์ usage ใน response อีกครั้ง
Hy4 preview คืออะไร และเป็น Hy4 รุ่นสุดท้ายหรือไม่?
Hy4 preview คือรุ่นแรก ๆ ของการพัฒนา Hy4 ไม่ใช่รุ่นสุดท้ายในอนาคตที่ไม่มีคำต่อท้าย preview Tencent ระบุปัญหาที่ทราบแล้วอย่างชัดเจน เช่น ใช้เวลาคิดกับงานซับซ้อนนานเกินจำเป็น และตรวจสอบงานของตัวเองมากเกินไป
ขอบเขตนี้สำคัญ คำว่า “flagship preview” หมายความว่าโมเดลมีน้ำหนักแบบเปิด สูตรการทำ inference pipeline สำหรับ fine-tuning และช่องทาง API แล้ว แต่ไม่ได้หมายความว่าพฤติกรรม ราคา หรือระดับบริการจะคงที่ถาวร
Tencent ยังให้บริการ Hy4 preview ใน WorkBuddy, CodeBuddy, Yuanbao และ ima พร้อมการเข้าถึง API ผ่าน Tencent Cloud TokenHub และ OpenRouter นี่เพียงพอให้เริ่มประเมินโมเดลได้ แต่เวิร์กโฟลว์สำคัญควร pin เวอร์ชัน มี regression suite และเตรียมโมเดลสำรองไว้เสมอ
สถาปัตยกรรม MoE 770B เปลี่ยนแปลงอย่างไร?
backbone ของ Hy4 preview มี 78 เลเยอร์ เลเยอร์แรกใช้ dense FFN ส่วนอีก 77 เลเยอร์เป็น MoE ที่มี routed expert 256 ตัวและ shared expert 1 ตัว ในแต่ละ token จะเปิดใช้ routed expert 8 ตัวที่มีคะแนนสูงสุดพร้อมกับ shared expert
เลเยอร์ MTP แบบ native รองรับ speculative decoding Tencent ระบุว่า backbone มีพารามิเตอร์รวม 770B และ active 49B; เมื่อรวม MTP จะเพิ่มเป็นรวม 10B และ active 0.7B หากหน้าใดระบุ 770B แต่อีกหน้าระบุค่าใกล้ 780B ให้ตรวจสอบก่อนว่ารวม MTP หรือไม่
Attention ใช้ Gated DeepSeek Sparse Attention (Gated DSA) ร่วมกับ IndexCache เพื่อใช้ sparse index ข้ามเลเยอร์ซ้ำ ส่วนเส้นทาง residual ใช้ identity Hyper-Connection (iHC) 4 สาย การออกแบบทั้งหมดมีเป้าหมายให้การคำนวณและการไหลของข้อมูลยังจัดการได้เมื่อใช้บริบท 1M และ MoE ขนาดใหญ่
รีโพซิทอรียังระบุ attention head 64 หัว มิติการบีบอัด query 2,048 มิติการบีบอัด key-value 512 และ indexer top-k 2,048 ค่าเหล่านี้ช่วยตรวจสอบความเข้ากันได้กับ inference framework และวางแผน capacity แต่ไม่ได้พิสูจน์ผลลัพธ์ของงานใดงานหนึ่งด้วยตัวเอง
ควรตีความหน้าต่างบริบท 1M อย่างไร?
รีโพซิทอรีของ Tencent ระบุความยาวบริบท 1M ส่วนหน้าผลิตภัณฑ์ Tencent Cloud ระบุขีดจำกัดของบริการ hosted เป็น input สูงสุด 960K และ output สูงสุด 64K ข้อมูลทั้งสองแบบอยู่ร่วมกันได้ เพราะหน้าต่างของโมเดล output ที่บริการสำรองไว้ system prompt และ safety margin ใช้ขอบเขตการนับคนละแบบ
อย่าเริ่มทดสอบ production ด้วยคำขอที่ใกล้หนึ่งล้าน tokens ให้ใช้ระดับ 32K, 128K, 256K, 512K และบริบทขนาดใหญ่มาก แล้วบันทึกข้อมูลต่อไปนี้:
- เวลาไปถึง token แรกและ latency ตั้งแต่ต้นจนจบ
- input, output และ cache-read tokens
- ความแม่นยำของการค้นคืนข้ามไฟล์
- อัตราสำเร็จของ tool call และจำนวน retry
- อัตราสำเร็จของงานและเวลาที่มนุษย์ต้องแก้ไขซ้ำ
ความจุบริบทไม่ได้หมายถึงความถูกต้องโดยอัตโนมัติ รีโพซิทอรีขนาดใหญ่ สมุดงานการเงิน และคลังงานวิจัยยังต้องใช้ retrieval การแยกสิทธิ์ และลิงก์หลักฐาน
Hy4 preview แข็งแกร่งแค่ไหนสำหรับ Coding และ Agent?
ภาคผนวก benchmark ของ Tencent รายงานว่าดีขึ้นอย่างกว้างขวางเมื่อเทียบกับ Hy3 ในด้านวิศวกรรมซอฟต์แวร์ การใช้เครื่องมือ และงานบริบทระยะยาว ด้านล่างคือค่าบางส่วนจากตารางทางการเดียวกัน:
| การประเมินที่ Tencent เผยแพร่ | 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 (พร้อม tools) | 51.5 | 65.4 |
นี่คือผลที่ Tencent เผยแพร่ ไม่ใช่การทดสอบอิสระโดยเว็บไซต์นี้ Tencent ระบุว่าโมเดลถูกประเมินด้วยการตั้งค่า reasoning สูงสุดที่มีในขณะนั้น ผลที่มีเครื่องหมายดอกจันบางส่วนทดสอบโดย Tencent เอง และ harness งบประมาณ token ทรัพยากร sandbox และการสุ่มซ้ำมีผลต่อคะแนน
ตารางเดียวกันช่วยป้องกันการเลือกเฉพาะคะแนนสูง: Hy4 preview ได้ 17.5 บน ProgramBench ซึ่งต่ำกว่า Kimi K3, GPT 5.6 Sol และ Claude Opus 5 ในการเปรียบเทียบของ Tencent การพัฒนาจากรุ่นก่อนมีอยู่จริง แต่ Hy4 ไม่ได้เป็นผู้นำในทุก benchmark ด้าน Coding
การประเมินโดยผู้เชี่ยวชาญจาก 203 งานจริงแสดงอะไร?
Tencent ทำ blind evaluation กับผู้เชี่ยวชาญภายใน 163 คน ครอบคลุมงานวิศวกรรมจริง 203 งาน ผลที่เผยแพร่มีดังนี้:
- Hy4 preview: ค่าเฉลี่ย 2.99 / 4
- GLM 5.3: 2.92 / 4; Hy4 ชนะ 46.8% เสมอ 12.8% และแพ้ 40.4%
- Kimi K3: 2.94 / 4; Hy4 ชนะ 51.2% เสมอ 7.9% และแพ้ 40.9%
ผลนี้มีความหมายเพราะงานมาจากงานซอฟต์แวร์ เกม การเงิน และความปลอดภัยจริงของ Tencent ไม่ใช่แค่ leaderboard สาธารณะ อย่างไรก็ตาม นี่ยังคงเป็นการประเมินภายในของผู้ให้บริการ ไม่ใช่ benchmark จากบุคคลที่สามที่ทำซ้ำได้ทั้งหมดพร้อมชุดงานและเกณฑ์ให้คะแนนแบบสาธารณะ
วิธีนำไปใช้ที่น่าเชื่อถือคือสร้าง regression suite จากรีโพซิทอรี เอกสาร และคำสั่งตรวจรับของคุณเอง แล้วเปรียบเทียบอัตราสำเร็จ latency และต้นทุนรวมกับโมเดลที่ใช้อยู่
Workload แบบใดเหมาะกับ Hy4 preview?
- Coding Agent ที่ทำงานระยะยาวและสามารถวางแผน แก้ patch debug และตรวจสอบได้
- งาน frontend ที่ต้องให้ความสำคัญกับโค้ด ลำดับชั้นทางภาพ และคุณภาพการโต้ตอบพร้อมกัน
- เวิร์กโฟลว์สำนักงานข้ามไฟล์ที่ส่งมอบเอกสาร สเปรดชีต และงานนำเสนอ
- ต้นแบบเกมที่เล่นได้ แล้วทำงานต่อกับเอนจินผ่านการเรียกใช้หลายรอบ
- การสร้างแบบจำลองทางการเงินและการวิเคราะห์ข้อมูลหลายไฟล์
- งานวิจัยด้าน AI พลศาสตร์โมเลกุล ฟิสิกส์สสารควบแน่น และคณิตศาสตร์
- การค้นหาและงานความรู้ที่ใช้เครื่องมือบนบริบท 1M
การเขียนข้อมูลใน production ยังต้องมี policy gate หรือการอนุมัติจากมนุษย์สำหรับ shell ฐานข้อมูล การชำระเงิน สิทธิ์ และข้อความภายนอก โมเดลที่เก่งขึ้นไม่ได้ลบความเสี่ยงด้านการอนุญาตของ agent
ราคา Hy4 preview อย่างเป็นทางการคือเท่าไร?
Tencent Cloud TokenHub แสดงราคาอ้างอิงสำหรับกว่างโจวดังนี้:
| รายการเรียกเก็บเงิน | ราคาสาธารณะ |
|---|---|
| Input | CNY 6 / 1M tokens |
| Output | CNY 18 / 1M tokens |
| Cache read | CNY 0.3 / 1M tokens |
นี่คือราคา direct ของ Tencent Cloud ที่ขึ้นกับภูมิภาคและช่วงเวลา ไม่ใช่ราคาสากลสำหรับแพลตฟอร์มของบุคคลที่สาม OpenRouter ผู้ให้บริการ inference อื่น และการ self-host มีเศรษฐศาสตร์คนละแบบ จึงไม่สามารถอนุมาน gateway multiplier จากราคา direct ของ TokenHub ได้
ณ เวลาตรวจสอบวันที่ 29 สิงหาคม 2026 หน้าราคาปัจจุบัน ของเว็บไซต์นี้ยังไม่มี hy4-preview หากมีการเพิ่มในภายหลัง ให้ใช้แคตตาล็อก live และ request ledger แทนราคาตรงของ Tencent Cloud ในบทความนี้
อย่าสลับรหัสโมเดล Hy4 เหล่านี้
| ช่องทางเข้าถึง | ชื่อ / ID ที่ควรใช้ |
|---|---|
| โมเดลที่เสิร์ฟในเครื่องจากรีโพซิทอรีทางการ | hy4-preview |
| OpenRouter | tencent/hy4-preview |
| น้ำหนัก BF16 บน Hugging Face | tencent/Hy4-preview |
| น้ำหนัก FP8 บน Hugging Face | tencent/Hy4-preview-FP8 |
โดยทั่วไป API gateway จะไม่แปลงชื่อรีโพซิทอรี Hugging Face เป็น hosted model ID ให้อัตโนมัติ ให้คัดลอกตัวระบุที่ตรงกันจากแพลตฟอร์มเป้าหมาย แล้วตรวจสอบด้วย model-list call หรือคำขอขนาดเล็ก
จะ self-host และเรียกใช้ Hy4 preview ได้อย่างไร?
Tencent แนะนำ vLLM หรือ SGLang หลังเปิดใช้งานแล้ว ให้เรียกโมเดลที่เสิร์ฟในเครื่องผ่าน Chat Completions API ที่เข้ากันได้กับ OpenAI:
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 แนะนำ temperature=0.9 และ top_p=1.0 โมเดลตั้งค่า reasoning ระดับสูงเป็นค่าเริ่มต้น local template ของรีโพซิทอรีใช้ chat_template_kwargs.reasoning_effort = "no_think" สำหรับคำตอบโดยตรง ส่วนผู้ให้บริการ hosted อาจเปิดใช้ฟิลด์ extension ต่างกัน
สูตร vLLM อย่างเป็นทางการใช้ tensor parallelism 8 ทาง MTP speculative decoding, attention backend FLASHMLA_SPARSE และ tool/reasoning parser hy_v4 อย่านำสูตรนี้ไปวางบนฮาร์ดแวร์ที่มี GPU ไดรเวอร์ image หรือ framework ต่างกันโดยไม่ตรวจสอบ capacity ก่อน
Hy4 preview เทียบกับ Hy3
| มิติ | Hy3 | Hy4 preview |
|---|---|---|
| ขนาดอย่างเป็นทางการ | รวม 295B / active 21B | รวม 770B / active 49B |
| บริบท | 256K | 1M |
| ตำแหน่งผลิตภัณฑ์ | agent และ productivity ที่คุ้มค่า | flagship รุ่นใหม่สำหรับ Coding, Agent และ productivity ที่ซับซ้อน |
| ระดับความพร้อม | พัฒนาจาก preview สู่รุ่นทางการแล้ว | Hy4 preview ระยะแรก |
| ค่าใช้จ่าย self-host | ต่ำกว่า | สูงขึ้นอย่างมาก |
Hy3 ยังใช้งานได้ดีเมื่อค่าใช้จ่าย ขนาดการ deploy และความพร้อมของระบบเป็นปัจจัยหลัก ให้เพิ่ม Hy4 preview ในการประเมินแบบควบคุมเมื่อจำเป็นต้องใช้บริบทยาวขึ้นและงานวิศวกรรมหรือการใช้เครื่องมือแบบต่อเนื่องที่แข็งแกร่งขึ้น แต่อย่าแทนที่โมเดล production เพียงเพราะจำนวนพารามิเตอร์รวมสูงกว่า
Checklist สำหรับการประเมินใน production
- คัดลอก model ID ที่ตรงกันจากแพลตฟอร์มเป้าหมาย อย่าเดาเรื่องตัวพิมพ์หรือ namespace
- Pin เวอร์ชันโมเดล prompt เครื่องมือ ระดับ reasoning timeout และ output สูงสุด
- เริ่มจากงานแบบอ่านอย่างเดียวก่อนอนุญาต side effect ต่อไฟล์ shell ฐานข้อมูล หรือบริการภายนอก
- วัดอัตราสำเร็จจากรีโพซิทอรีจริงและคำสั่งตรวจรับ ไม่ใช่ความรู้สึกจากการสนทนา
- ทดสอบระดับบริบทตั้งแต่ 32K ขึ้นไป และบันทึก latency การใช้ cache และค่าใช้จ่ายรวม
- ตั้งจำนวนรอบสูงสุด งบประมาณ token และ approval gate สำหรับงานซับซ้อน
- ตรวจสอบ tool call, structured output และการแมปฟิลด์ reasoning บนผู้ให้บริการเป้าหมาย
- เก็บ regression suite, fallback route และ rollback ที่รวดเร็วสำหรับโมเดล preview
ประเด็นสำคัญ
- Hy4 preview เปิดตัวและเป็นโอเพนซอร์สเมื่อวันที่ 28 สิงหาคม 2026 ในฐานะ MoE flagship รุ่นใหม่ของ Tencent Hunyuan
- backbone มีพารามิเตอร์รวม 770B และ active 49B พร้อมเลเยอร์ MTP แบบ native รวม 10B/active 0.7B
- รีโพซิทอรีระบุบริบท 1M; Tencent Cloud ระบุ input สูงสุด 960K และ output สูงสุด 64K
- Tencent รายงานการพัฒนาที่มากขึ้นจาก Hy3 ในด้าน Coding การใช้เครื่องมือ และบริบทระยะยาว แต่ไม่ได้เป็นผู้นำในทุก benchmark
hy4-preview,tencent/hy4-previewและtencent/Hy4-preview-FP8เป็นตัวระบุเฉพาะของแต่ละแพลตฟอร์ม- gateway นี้ยังไม่ได้เปิดเส้นทางดังกล่าวในเวลาที่เผยแพร่ ความพร้อมใช้งานและการเรียกเก็บเงินต้องตรวจสอบจากแคตตาล็อก live
คำถามที่พบบ่อย
Hy4 preview เปิดตัวอย่างเป็นทางการแล้วหรือยัง?
เปิดตัวแล้ว Tencent เผยแพร่และเปิดซอร์ส Hy4 preview เมื่อวันที่ 28 สิงหาคม 2026 พร้อมช่องทาง WorkBuddy, CodeBuddy, Yuanbao, ima, TokenHub และ OpenRouter แต่ยังคงเป็น preview ไม่ใช่ Hy4 รุ่นสุดท้าย
Hy4 preview เป็น multimodal หรือไม่?
รีโพซิทอรีเปิดตัวของ Tencent นำเสนอโมเดลนี้เป็น language model สำหรับ Coding, Agent และ productivity โดยสเปกสาธารณะเน้น text, tools และบริบทระยะยาว อย่าอนุมานว่ารับภาพหรือวิดีโอเพียงเพราะตระกูล Hunyuan โดยรวมมี visual model ให้ตรวจสอบตารางความสามารถของผู้ให้บริการเป้าหมาย
Hy4 preview มีบริบทความยาวเท่าไร?
รีโพซิทอรีระบุบริบท 1M Tencent Cloud แยกกันระบุ input สูงสุด 960K และ output สูงสุด 64K สำหรับบริการ hosted
Hy4 preview มี API ID อย่างเป็นทางการว่าอะไร?
ชื่อโมเดลที่เสิร์ฟโดยรีโพซิทอรีทางการคือ hy4-preview; OpenRouter ใช้ tencent/hy4-preview; น้ำหนัก self-host ใช้ tencent/Hy4-preview หรือรุ่น FP8 ให้ยึด ID ในคอนโซลของแพลตฟอร์มเป้าหมายเป็นหลัก
Hy4 preview รองรับการเรียกใช้เครื่องมือหรือไม่?
สูตร vLLM ของ Tencent เปิดใช้ hy_v4 tool parser และ automatic tool choice ขณะที่ชุด benchmark ยังรวม Toolathlon และ MCP-Atlas ให้ตรวจสอบพารามิเตอร์ hosted ที่แน่นอนกับผู้ให้บริการ
Hy4 preview มีค่าใช้จ่ายเท่าไร?
Tencent Cloud TokenHub แสดงราคาสำหรับกว่างโจวที่ input CNY 6, output CNY 18 และ cache read CNY 0.3 ต่อหนึ่งล้าน tokens ภูมิภาค แพลตฟอร์ม และโปรโมชั่นอาจทำให้ราคาเปลี่ยนแปลง
ตอนนี้เรียก Hy4 preview ผ่าน gateway นี้ได้หรือไม่?
ณ เวลาตรวจสอบวันที่ 29 สิงหาคม 2026 แคตตาล็อก live และ upstream ที่เปิดใช้งานยังไม่มี hy4-preview ให้ตรวจสอบ หน้าราคาปัจจุบัน หากมีการเปิดให้ใช้ภายหลัง
Hy4 preview ใช้กับ Claude Code หรือ Coding Agent อื่นได้หรือไม่?
โมเดลนี้ออกแบบมาสำหรับ Coding และ Agent และรองรับเส้นทางการเสิร์ฟในเครื่องที่เข้ากันได้กับ OpenAI ความเข้ากันได้ของ client ยังขึ้นอยู่กับ protocol รูปแบบ tool call ผลลัพธ์ reasoning และ compatibility layer ของผู้ให้บริการ จึงควรตรวจสอบคำขอขั้นต่ำและ regression ของเครื่องมือก่อน
แหล่งข้อมูลหลัก
- ประกาศ Tencent: Tencent Releases and Open-Sources Tencent Hy4 preview
- GitHub อย่างเป็นทางการของ Tencent Hunyuan: Hy4-preview
- หน้าผลิตภัณฑ์และราคาของ Tencent Cloud TokenHub
- หน้าผลิตภัณฑ์ Tencent Cloud Hunyuan: ขีดจำกัดของ Hy4 preview
- บทความวิจัย Gated DeepSeek Sparse Attention
- บทความวิจัย IndexCache
- ราคาของโมเดลแบบ live บนเว็บไซต์นี้: ใช้ตรวจสอบความพร้อมของเส้นทางภายหลัง ไม่ใช่ราคาอย่างเป็นทางการของ Tencent Cloud