L’anteprima Hy4 trasforma il confronto tra modelli aperti in una decisione di serving. La pagina ufficiale Hy research di Tencent è datata 28 agosto 2026 e la scheda del modello presenta Hy4 preview come un grande modello a miscela di esperti (Mixture-of-Experts) con un percorso documentato attraverso vLLM o SGLang. Questo rende il rilascio rilevante per chi sceglie i modelli e può valutare la capacità di deployment, non solo la qualità dell’output. È ancora un’anteprima, quindi la domanda utile è se si adatta a un carico di lavoro misurato.
I dettagli confermati nella scheda del modello sono insolitamente specifici. Hy4 preview ha 770B parametri totali e 49B attivati per token. Il corpo principale ha 78 strati, 256 esperti instradati più 1 esperto condiviso, con top-8 esperti instradati più l’esperto condiviso utilizzati per token. Include uno strato MTP nativo con 10B parametri totali e 0.7B attivati per la decodifica speculativa. Tencent descrive il meccanismo di attenzione come Gated DeepSeek Sparse Attention con IndexCache e iHC. La lunghezza del contesto è 1M e la dimensione del vocabolario è 120832.
Il rilascio fornisce anche un percorso operativo. La scheda del modello mostra un contrassegno Apache License 2.0, collega Hugging Face, ModelScope, GitCode e CNB e include una variante FP8. Tencent raccomanda vLLM o SGLang. L’esempio vLLM usa tencent/Hy4-preview-FP8, --tensor-parallel-size 8, la decodifica speculativa MTP, un backend di attenzione sparsa, --tool-call-parser hy_v4, --reasoning-parser hy_v4 e --enable-auto-tool-choice; l’esempio SGLang usa --tp-size 8. Queste istruzioni non garantiscono un serving semplice.
Tencent afferma di aver co-progettato Hy4 per l’ingegneria del software, il lavoro d’ufficio e l’analisi, lo sviluppo di giochi e la ricerca scientifica. Riporta un confronto cieco testa a testa condotto da 163 esperti interni su 203 attività di ingegneria: Hy4 preview ha ottenuto una media di 2.99 contro 2.92 per GLM 5.3, con il 46.8% di vittorie, il 12.8% di pareggi e il 40.4% di sconfitte. Contro Kimi K3, Tencent riporta 2.94, con il 51.2% di vittorie, il 7.9% di pareggi e il 40.9% di sconfitte. Queste cifre sono risultati interni di Tencent, non benchmark indipendenti.
Ciò che non è dimostrato è una classifica generale. Le evidenze fornite non stabiliscono risultati di benchmark indipendenti, latenza, uso della memoria, throughput, costo o qualità oltre quelle 203 attività. Né i dettagli del rilascio dimostrano il deployment su un portatile, una specifica configurazione hardware, un prezzo o la disponibilità. Il contrassegno Apache License 2.0 è un’etichetta documentata nella scheda del modello; qui non costituisce una base per ulteriori conclusioni legali.
Questo cambia la scelta perché il comportamento del modello e l’onere operativo arrivano insieme. Il contesto da 1M, l’architettura MoE, la variante FP8 e l’MTP nativo possono giustificare una prova quando contano il contesto lungo o un serving controllato. Allo stesso tempo, 770B parametri totali ed esempi con una parallelizzazione dei tensori pari a 8 rendono la capacità e la complessità di esecuzione parte della decisione. È un’inferenza dalla configurazione pubblicata, non un’affermazione sulle prestazioni. Occorre considerare i pesi aperti come un candidato da gestire, non come una capacità priva di attriti.
La verifica dovrebbe essere riproducibile. Occorre fissare il modello e la revisione, seguire un percorso documentato con vLLM o SGLang ed eseguire attività fisse di programmazione e analisi. Bisogna confrontare qualità, latenza, memoria, throughput e impegno dell’operatore rispetto a un modello esistente, conservando i casi di fallimento e la configurazione esatta di serving. Vanno incluse attività di ragionamento complesso, invece di conservare solo gli esempi favorevoli. Tencent definisce Hy4 una versione iniziale e osserva che può impiegare più tempo del necessario nel ragionamento complesso e tende a verificare eccessivamente il proprio lavoro. Occorre osservare le future revisioni della scheda del modello o del serving e i test indipendenti, senza presumere alcun miglioramento finché non sarà documentato. Per ora Hy4 preview è un candidato la cui scelta non può essere separata dal suo percorso di serving.