טנסנט משיקה את Hy4: מודל שמבין תמונות ומפעיל תוכנה לבד, אבל נשאר רחוק מהצמרת
טנסנט השיקה את Hy4, מודל שלראשונה מנתח תמונות ומפעיל תוכנה בעצמו, ומציבה אותו בין המודלים הפתוחים החזקים. בדירוג העצמאי של Artificial Analysis הוא שני בין המודלים של מעבדות סיניות, בפער ניכר אחרי Kimi K3.1 Pro. במתמטיקה ובקוד ברמה גבוהה הוא מפגר הרחק אחרי מודלים כמו Claude Opus 5.5.
טנסנט השיקה את הגרסה הסופית של Hy4, מודל שפה שמסוגל לראשונה לנתח תמונות ולהפעיל תוכנה באופן עצמאי. החברה מציבה אותו בין המודלים החזקים ביותר במשקלים פתוחים, אך הערכה עצמאית ראשונה מציירת תמונה צנועה יותר: מקום שני בין המודלים של מעבדות סיניות, בפער ניכר אחרי Kimi K3.1 Pro, והרחק מאחורי מודלים מובילים כמו Claude Opus 5.5 במשימות מתמטיקה וקוד קשות.
ההשקה מגיעה כחודשיים אחרי גרסת התצוגה המקדימה. לפי טנסנט, המודל אומן על כמות נתונים גדולה משמעותית מזו של קודמו. עם זאת, המשקלים עצמם, כלומר הפרמטרים המאומנים שמאפשרים להוריד מודל ולהריץ אותו באופן עצמאי, יפורסמו רק במועד שטרם נקבע. עד אז Hy4 זמין דרך Tencent Cloud, דרך OpenRouter ובאפליקציות של החברה, כמו הצ'טבוט Yuanbao.
תמונות, תוכנה ומשחקים
החידוש המרכזי הוא הבנת תמונות. בהדגמה של טנסנט המודל מאתר רכיב באורך של כשני מטרים על גג מחסן, בתוך תצלום אוויר של 2.8 ג'יגה-פיקסל, באמצעות קוד שמייצר ממנו חיתוכים. בנוסף הוא מפעיל מחשב בעצמו: טנסנט אימנה אותו על כלים מקצועיים כמו Blender ותוכנות CAD, ועל משימות שמחייבות מעבר בין כמה יישומים.
החברה התאימה את המודל גם למנועי המשחק Unreal, Unity ו-Godot, בשיתוף אולפני המשחקים שלה. לדברי צוות הפיתוח של Honor of Kings, המודל מבצע משימות הגדרה כמעט ללא שגיאות ומאתר את שורש הבאגים בתדירות גבוהה בהרבה מבעבר.
המספרים של טנסנט מול הדירוג העצמאי
טנסנט השקיעה במיוחד בתחומי הפיננסים והמשרד. במבחן שבו העריכו יותר מ-200 אנשי פיננסים כמעט 600 משימות אמיתיות, Hy4 דורג לדבריה לפני Deepseek V4.1 Flash, Kimi K3.1 Pro ו-GLM-5.3 Flash. בבדיקות פנימיות, שיעור ההזיות (תשובות מומצאות) בחיפוש ברשת ירד מכמעט 16 אחוזים לכ-5 אחוזים.
ואולם גם הטבלה של טנסנט עצמה מראה ש-Claude Opus 5.5 של אנתרופיק מקדים את Hy4 בכל 12 המבחנים, ו-GPT 6.1 Sol של OpenAI גובר עליו בשמונה מהם.
במדד Intelligence Index של Artificial Analysis קיבל Hy4 ציון 35, מעל החציון של 30, בתיקו עם Grok 4.7. Kimi K3.1 Pro עומד על 46. Hy4 משתווה בקירוב גם ל-Haiku 5.5, המודל הקטן ביותר של אנתרופיק, שעלותו למשימה במבחן נמוכה כמעט בחצי.
בלי חיפוש ברשת התמונה מורכבת יותר. במבחן הדיוק העובדתי AA-Omniscience המודל עונה נכון על כמחצית מהשאלות מתוך נתוני האימון שלו, וכשאינו יודע את התשובה, הוא ממציא אחת ב-89 אחוזים מהמקרים במקום להודות בכך.
מודל שעוזר לבנות מודלים
טנסנט מדווחת גם ששילוב של Hy4 עם מערכת הסוכנים Hyra 2.0 שיפר את התפוקה של תשתית האימון הפנימית שלה בכ-20 אחוזים, על פני שישה שלבים.
למה זה חשוב
הפער בין המספרים מלמד ככל הנראה בעיקר על ההבדל בין מדידה ממוקדת למדידה רחבה. Hy4 נראה חזק במשימות שעבורן כוון, כמו פיננסים ועבודה משרדית, אך טענות היתרון בתחומים האלה נשענות בעיקר על בדיקות של טנסנט ושותפותיה. למשתמשים המשמעות היא שכדאי לבחון את המודל על המשימה הספציפית שלהם, ולהתייחס בזהירות לתשובות שניתנות ללא חיפוש ברשת. פרסום המשקלים יהיה ככל הנראה המבחן הבא: רק אז יוכלו גורמים חיצוניים להריץ את המודל בעצמם ולבחון אותו לעומק.