🇨🇳TechNode•最新收集於 50m
Tencent 開源 770B 參數 Hy4 預覽版
#large-language-model#long-context#model-api#mixture-of-expertshy4-previewtencenthunyuanhy4workbuddycodebuddy
💡新的開源 7,700 億參數模型，為開發者帶來百萬 tokens 上下文視窗。
⚡ 30-Second TL;DR
有什麼變化
具備 7,700 億總參數與 490 億啟用參數
為什麼重要
Hy4 為開發者打造長上下文應用增加了另一個大型開源模型選項。其高總參數與較低啟用參數的組合，可能適合同時評估模型品質、上下文長度與服務效率的團隊。
下一步行動
透過 Hy4 API 在長文件或程式碼儲存庫工作負載上進行測試，並與目前模型比較輸出品質、延遲及服務成本。
誰應關注：Developers & AI Engineers
關鍵要點
- •具備 7,700 億總參數與 490 億啟用參數
- •支援超過 100 萬 tokens 的上下文視窗
- •可透過 WorkBuddy、CodeBuddy、Yuanbao 與 ima 使用，並提供 API 存取
🧠 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
- •Hy4 採用混合專家模型 (MoE) 架構，透過模型自我優化技術提升訓練效率，使端到端吞吐量提升了 31.8%。
- •在 203 項工程任務的內部盲測中，Hy4 以 2.99 分（滿分 4 分）的成績超越了 GLM 5.3 與 Kimi K3。
- •該模型定價策略為每百萬輸入 tokens 約 0.83 美元，每百萬輸出 tokens 約 2.50 美元，旨在與 Grok 4.5 等閉源模型競爭。
- •Hy4 支援多標記預測 (Multi-Token Prediction, MTP) 與推測解碼 (Speculative Decoding) 技術，以優化推理速度。
- •模型具備跨領域應用能力，特別針對科學研究（如分子動力學與物理模擬）及複雜編碼代理任務進行了優化。
📊 競品分析▸ Show
| 特性 | Tencent Hy4 | GLM 5.3 | Kimi K3 | Grok 4.5 |
|---|---|---|---|---|
| 架構 | MoE (770B/49B) | 未公開 | 未公開 | 未公開 |
| 工程任務評分 | 2.99 | 2.92 | 2.94 | N/A |
| 上下文視窗 | >100 萬 | 未公開 | 未公開 | 未公開 |
| 定價 (輸入/百萬) | $0.83 | 未公開 | 未公開 | 閉源定價 |
🛠️ 技術深入
- 架構類型：混合專家模型 (MoE)，總參數 7700 億，啟用參數 490 億。
- 推理優化：相容 SGLang 高效能推理框架。
- 進階功能：支援多標記預測 (MTP) 與推測解碼技術以降低延遲。
- 開發流程：利用模型自身進行訓練方法、數據策略與底層算子的自動化優化。
🔮 前景展望AI analysis grounded in cited sources
Hy4 將顯著降低企業級 AI 代理的開發成本。
其公開的低廉 API 定價與高效能 MoE 架構將迫使市場上的高階模型進行價格調整。
Tencent 將在科學計算領域取得顯著市佔。
模型針對分子動力學與物理模擬的專門優化，使其在科研應用場景中具備相較於通用模型的競爭優勢。
⏳ 時間線
2026-08
Tencent 正式開源發布 Hy4 預覽版模型
📎 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： TechNode ↗
每週 AI 簡報
每週一封，可隨時退訂。