📚InfoQ中国•最新收集於 0m
Tencent Hunyuan Hy4 預覽版開源
#open-source#agentic-workflow#ai-coding#human-oversighttencent-hunyuan-hy4tencenthunyuan-hy4workbuddy
💡了解開源 Hunyuan Hy4 與 WorkBuddy 如何提供小型團隊級的 AI 交付能力。
⚡ 30-Second TL;DR
有什麼變化
Hunyuan Hy4 以開源預覽版形式發布。
為什麼重要
Hy4 開源後，開發者將有更多機會評估、客製化並參與 Tencent 的模型生態系。WorkBuddy 的實測也再次顯示，代理型生產力工具可以加速交付，但仍需要審查與責任機制。
下一步行動
下載 Hunyuan Hy4 預覽版，透過 WorkBuddy 在一個內部程式開發流程中測試，並在部署前要求人工審查。
誰應關注：Developers & AI Engineers
關鍵要點
- •Hunyuan Hy4 以開源預覽版形式發布。
- •該專案鼓勵使用者參與模型訓練與改進。
- •WorkBuddy 能支援小型團隊的端到端交付，但尚未完全自主。
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 8 個來源。
🔑 增強重點摘要
- •Hunyuan Hy4 採用混合專家模型（MoE）架構，擁有 7700 億總參數與 490 億激活參數，旨在平衡運算效率與模型效能。
- •該模型支援超過 100 萬 token 的超長上下文窗口，專為處理大規模數據分析與長序列任務而設計。
- •在內部盲測中，Hy4 在 203 項工程任務中取得 2.99/4.00 的評分，表現優於 GLM-5.3 與 Kimi K3。
- •騰訊透過 TokenHub 與 OpenRouter 提供 API 存取，定價策略為輸入每百萬 token 6 元人民幣，輸出每百萬 token 18 元人民幣。
- •騰訊近期研發支出年增 35% 至 273 億人民幣，資本支出激增 176% 至 528 億人民幣，顯示其對 AI 基礎設施的戰略性投入。
📊 競品分析▸ Show
| 特性 | Hunyuan Hy4 | GLM-5.3 | Kimi K3 |
|---|---|---|---|
| 內部盲測評分 | 2.99 | 2.92 | 2.94 |
| 核心架構 | MoE (49B 激活) | 未公開 | 未公開 |
| 應用場景 | 代理工作流、工程開發 | 通用語言模型 | 通用語言模型 |
🛠️ 技術深入
- 架構：採用混合專家模型 (MoE) 架構，總參數規模達 7700 億，激活參數為 490 億。
- 上下文能力：支援超過 100 萬 token 的長文本處理。
- 基準測試：Terminal Bench 2.1 得分 85.4，DeepSWE 分數從 28.0 提升至 64.3。
- 整合性：深度整合於 Tencent Cloud TokenHub、OpenRouter 以及內部工具 WorkBuddy 與 CodeBuddy。
🔮 前景展望AI analysis grounded in cited sources
騰訊將透過 WorkBuddy 實現企業級 AI 代理的自動化交付。
Hy4 的工程優化能力與 WorkBuddy 的整合，將使小型團隊能以更少的人力完成複雜的端到端軟體開發任務。
Hunyuan 系列模型將進一步向垂直領域專家化發展。
從 Hy3 到 Hy4 的演進路徑顯示騰訊正將資源集中於代理行為與多模態能力的深度開發，以區隔通用型大模型。
⏳ 時間線
2026-07
騰訊發布 Hunyuan Hy3 模型。
2026-08
騰訊正式開源 Hunyuan Hy4 預覽版。
📎 來源 (8)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： InfoQ中国 ↗
每週 AI 簡報
每週一封，可隨時退訂。