La vista previa de Hy4 convierte una comparación de modelos abiertos en una decisión de servicio. La página oficial de investigación Hy de Tencent está fechada el 28 de agosto de 2026, y la ficha del modelo presenta la vista previa de Hy4 como un modelo de pesos abiertos de mezcla de expertos (Mixture-of-Experts) de gran tamaño, con una ruta documentada a través de vLLM o SGLang. Eso hace que el lanzamiento sea relevante para quienes eligen modelos y pueden evaluar la capacidad de despliegue, no solo la calidad de la salida. Sigue siendo una vista previa, así que la pregunta útil es si encaja en una carga de trabajo medida.
Los detalles confirmados de la ficha del modelo son inusualmente específicos. La vista previa de Hy4 tiene 770B parámetros totales y 49B activados por token. Su arquitectura troncal tiene 78 capas, 256 expertos enrutados más 1 experto compartido, con top-8 expertos enrutados más el experto compartido usados por token. Incluye una capa nativa MTP con 10B totales y 0.7B parámetros activados para la decodificación especulativa. Tencent describe su atención como Gated DeepSeek Sparse Attention con IndexCache e iHC. La longitud de contexto es 1M y el tamaño del vocabulario es 120832.
El lanzamiento también aporta una ruta operativa. La ficha del modelo muestra una insignia de Apache License 2.0, enlaces a Hugging Face, ModelScope, GitCode y CNB, e incluye una variante FP8. Tencent recomienda vLLM o SGLang. El ejemplo de vLLM usa tencent/Hy4-preview-FP8, --tensor-parallel-size 8, decodificación especulativa MTP, un backend de atención dispersa, --tool-call-parser hy_v4, --reasoning-parser hy_v4 y --enable-auto-tool-choice; el ejemplo de SGLang usa --tp-size 8. Estas instrucciones no garantizan un despliegue fácil.
Tencent dice que co-diseñó Hy4 para ingeniería de software, oficina/análisis, desarrollo de juegos e investigación científica. Informa de una evaluación ciega directa realizada por 163 expertos internos en 203 tareas de ingeniería: la vista previa de Hy4 obtuvo 2.99 de media frente a 2.92 de GLM 5.3, con un 46.8% de victorias, un 12.8% de empates y un 40.4% de derrotas. Frente a Kimi K3, Tencent informa 2.94, con un 51.2% de victorias, un 7.9% de empates y un 40.9% de derrotas. Estas cifras son resultados internos de Tencent, no pruebas comparativas independientes.
Lo que no está demostrado es una clasificación general. La evidencia aportada no establece resultados de pruebas comparativas independientes, latencia, uso de memoria, rendimiento, coste ni calidad más allá de esas 203 tareas. Tampoco los detalles del lanzamiento prueban un despliegue en portátil, una configuración de hardware concreta, un precio o la disponibilidad. La insignia de Apache License 2.0 es una etiqueta documentada de la ficha del modelo; no es aquí una base para extraer conclusiones jurídicas adicionales.
Eso cambia la decisión porque el comportamiento del modelo y la carga operativa llegan juntos. El contexto de 1M, el diseño MoE, la variante FP8 y el MTP nativo pueden justificar una prueba donde importen el contexto largo o un servicio controlado. Al mismo tiempo, 770B parámetros totales y ejemplos que usan un paralelismo tensorial de tamaño 8 hacen que la capacidad y la complejidad de ejecución formen parte de la decisión. Esto es una inferencia a partir de la configuración publicada, no una afirmación de rendimiento. Traten los pesos abiertos como un candidato a operar, no como una capacidad sin fricción.
La verificación debe ser reproducible. Fijen el modelo y la revisión, sigan una ruta documentada de vLLM o SGLang y ejecuten tareas fijas de código y análisis. Comparen calidad, latencia, memoria, rendimiento y esfuerzo del operador frente a un modelo existente, conservando los casos de fallo y la configuración exacta del servicio. Incluyan tareas de razonamiento complejo en lugar de quedarse solo con ejemplos favorables. Tencent llama a Hy4 una versión temprana y señala que puede tardar más de lo necesario en razonamiento complejo y tiende a sobreverificar su trabajo. Vigilen futuras revisiones de la ficha del modelo o del servicio y pruebas independientes, pero no asuman ninguna mejora hasta que esté documentada. Por ahora, la vista previa de Hy4 es un candidato cuya elección de modelo no puede separarse de su ruta de servicio.