Your privacy choices

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

Quay lại blog

Đánh giá Tencent Hunyuan Hy4 bản chính thức: tuyên bố của hãng và mức 35 điểm của Artificial Analysis

Tencent HunyuanHy4đánh giá mô hìnhArtificial Analysisđiều khiển máy tính

Bài viết tổng hợp tài liệu công khai, không phải kết quả tự kiểm thử của Guishu Intelligence.

Tóm tắt: Tencent định vị Hy4 là mô hình chủ lực cho năng suất thực tế, còn Artificial Analysis (AA), đơn vị đánh giá độc lập, cho điểm tổng hợp thấp hơn trung vị của nhóm so sánh, đồng thời ghi nhận mô hình chạy chậm và trả lời rất dài. Hai nguồn này khác bản chất nên không thể gộp thành một con số.

Thông tin cơ bản

  • Nhà phát triển: Tencent Hunyuan (Tencent Hy). Tên hiển thị Hy4, tham số API hy4.
  • Ngày phát hành: trang nghiên cứu của Tencent và thông cáo báo chí ghi 2026-11-04. Danh sách nghiên cứu có một chỗ ghi 11-03, nên ngày của từng mục có thể lệch một ngày.
  • Thông số: Hy API Guide của TokenHub ghi ngữ cảnh 1M, đầu vào tối đa 960k, đầu ra tối đa 64k, nhận văn bản và hình ảnh, xuất văn bản, hỗ trợ suy luận.
  • Số tham số: trang nghiên cứu không công bố tổng tham số hay tham số kích hoạt của bản chính thức. 770B / 49B là số của bản tiền nhiệm Hy4 preview, không được áp cho bản chính thức. Trên mạng xã hội có bài đăng gán các số này cho bản chính thức, nhưng đó không phải thông tin từ nguồn gốc.

Tuyên bố của hãng

Toàn bộ phần dưới lấy từ trang nghiên cứu của Tencent, thông cáo báo chí và bài viết trên WeChat chính thức, là quan điểm của nhà sản xuất.

  • Năng lực mới: so với preview, bản chính thức lần đầu có khả năng hiểu hình ảnh và điều khiển máy tính (dòng lệnh và giao diện đồ họa), đồng thời hãng nói đã cải thiện khả năng tuân thủ chỉ dẫn, hiểu văn bản dài, tác vụ dài hơi và nghiên cứu chuyên sâu. Mô hình được huấn luyện riêng cho Blender, CAD và tác vụ dài giữa nhiều ứng dụng.
  • Bài kiểm tra tài chính: do Tencent FiT tổ chức, 213 chuyên gia, 579 câu hỏi. Điểm chính thức: Hy4 3.04, DeepSeek-V4.1-Flash-1017 2.97, Kimi K3.1 Pro 2.68, GLM-5.3 2.68; hãng cho rằng Hy4 đứng đầu nhóm mã nguồn mở. Đây là bài đánh giá do Tencent chủ trì, không phải bảng xếp hạng độc lập.
  • Đánh giá nội bộ của đối tác: đánh giá tổng hợp WorkBuddy có hiệu quả trung bình 83.18, tỷ lệ đạt 96.15%, hãng nói đứng đầu các mô hình trong nước ở 9 trên 12 kịch bản. Manus cho biết tỷ lệ hoàn thành tác vụ tài liệu văn phòng gần 97%. IRAB của Xuntu (讯兔) là 61.63, trang chủ Tencent ghi tăng 12.03 điểm so với preview (phần nội dung trên trang còn có cách viết "12.03 điểm phần trăm", ở đây giữ nguyên như nguồn).
  • Bài kiểm tra tìm kiếm tự xây dựng: tỷ lệ ảo giác giảm từ 15.76% xuống 5.45%, tỷ lệ đoán sai giảm từ 23.1% xuống 5.6%.
  • Đánh giá nội bộ của Yuanbao: tăng từ 65.25 lên 72.53.
  • Phát triển game: GameDev và GameLogic tăng 19.1% và 9.8% so với preview.

Tencent còn đưa ra nhiều biểu đồ benchmark công khai, nhưng bài này không dựa vào điểm số cụ thể trên các biểu đồ đó. Muốn đối chiếu tài liệu gốc, hãy mở trang nghiên cứu Tencent Hunyuan.

Đánh giá độc lập: Artificial Analysis cho 35 điểm

Số liệu từ trang Hy4 của AA (đối chiếu ngày 2026-11-18), điều kiện là Intelligence Index v5.0.1:

Chỉ tiêu Hy4 Trung vị nhóm so sánh
Intelligence Index v5.0.1 35 43
Token đầu ra khi đánh giá 160M 65.1M
Thời gian mỗi tác vụ 13.5 phút 11.5 phút

Cùng trang còn ghi độ trễ token đầu tiên 117.82 giây, tốc độ xuất 96 tok/s, gắn nhãn Proprietary và nhận xét very verbose. Chỉ số này gồm các tác vụ như AA-Briefcase, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode-AA 2.0, AA-Omniscience, GDP.pdf, HLE-Diamond, CritPt, Terminal-Bench-Science.

Truyền thông Trung Quốc thuật lại rằng trong các mô hình của phòng thí nghiệm Trung Quốc, Hy4 đứng thứ hai, sau Kimi K3.1 Pro (46). Đây là thông tin thuật lại qua nguồn thứ hai, không đồng nghĩa với thứ hạng toàn cầu; số liệu cụ thể lấy theo trang gốc của AA. Bài của The Decoder (nguồn thứ hai) ghi trung vị AA là 30 và nói Hy4 ngang Grok 4.7, không khớp với con số 43 trên trang gốc của AA. Chúng tôi không tìm thấy quan hệ ngang hàng đó trực tiếp trên trang AA và cũng không dùng trung vị 30.

"Mô hình mã nguồn mở mạnh nhất" và độ trễ của trọng số

Tiêu đề thông cáo ngày 4 tháng 11 của Tencent nói Hy4 góp mặt trong nhóm mô hình mã nguồn mở mạnh nhất. Nhưng tính đến 2026-11-18, hãng chỉ nói trọng số Hy4 sẽ được phát hành dần (xem bài đăng chính thức về mã nguồn mở); trọng số đã được phát hành là của Hy4 flash ngày 18 tháng 11. AA gắn nhãn Proprietary cho Hy4, khớp với tình trạng này. Vì vậy, vào ngày ra mắt, câu "mã nguồn mở mạnh nhất" là một thông báo mang tính dự báo, người đọc đừng coi đó là kết luận đã có thể tải về và tái lập. Thẻ hệ thống (system card) cũng dự kiến phát hành cùng đợt mở mã nguồn; bài này chưa đọc được system card đầy đủ.

Trên trang nghiên cứu, Tencent cũng thừa nhận Hy4 vẫn còn khoảng cách đáng kể so với các mô hình đóng hàng đầu, nhất là ở bộ toán khó nội bộ, phát triển phần mềm dài hơi, lặp cải tiến mô hình và bộ hỏi đáp thị giác.

Nên đọc các con số này thế nào

  • Các đánh giá của hãng phần lớn là bộ dữ liệu tự xây dựng hoặc kịch bản của đối tác. Chúng cho thấy Tencent muốn nhấn mạnh điều gì, chứ không dùng làm bảng xếp hạng được.
  • AA là nguồn độc lập nhưng chỉ là một chỉ số tổng hợp. 35 điểm thấp hơn trung vị 43 chỉ cho thấy trong bộ tác vụ này mô hình không có lợi thế, không có nghĩa là yếu ở mọi kịch bản.
  • Chậm và trả lời dài ảnh hưởng rõ đến tác vụ dài của agent: thời gian và lượng token cùng tăng. Các tác vụ ngắn như tài liệu, tra cứu, giao diện đơn giản ít bị ảnh hưởng hơn; với kỹ thuật phần mềm dài hơi, nên thử trước trên tác vụ của chính bạn.
  • Nếu đang chọn phiên bản dùng hằng ngày, xem Hy4 và Hy4 flash: nên chọn thế nào. Về lập trình và agent, xem Hy4 trong lập trình và agent: tổng hợp chuyên đề chính thức và trải nghiệm bên thứ ba; phản hồi sớm của người dùng ở phản hồi và giới hạn. Cách dùng trong sản phẩm có thể xem WorkBuddy và CodeBuddy. Thông số bản tiền nhiệm nằm trong hướng dẫn Hy4 preview, trong đó 770B / 49B chỉ áp dụng cho preview.

Điểm chưa xác minh và giới hạn

  • Tổng tham số, tham số kích hoạt của bản chính thức: hãng chưa công bố.
  • Trọng số Hy4 và system card: đến 2026-11-18 chưa phát hành.
  • Bài không tự kiểm thử; dữ liệu AA lấy theo trang vào ngày đối chiếu 2026-11-18 và có thể được cập nhật sau đó.
  • Việc nhà phát triển phát hành mô hình không có nghĩa là trang của chúng tôi gọi được mô hình đó.

Tài liệu tham khảo chính

Ngày đối chiếu: 2026-11-18.