Tencent wypuścił Hy4: model z otwartymi wagami, który rzuca wyzwanie DeepSeek
Tencent wypuścił Hy4 — model multimodalny, który w wewnętrznych testach uzyskał 75,2 punktu w benchmarku APEX-Agents, wyprzedzając DeepSeek V4.1 Flash-1017. Firma planuje opublikować wagi modelu.
Tencent wypuścił Hy4, nowy model, który może poważnie konkurować z najsilniejszymi modelami AI z otwartymi wagami.
Według wewnętrznych testów Tencenta Hy4 uzyskał 75,2 punktu w benchmarku APEX-Agents, wyprzedzając DeepSeek V4.1 Flash-1017, który otrzymał 72,1 i 72,9 punktu.
Jednak w innych testach przewaga przechodzi z jednego modelu na drugi.
Koszt korzystania z Hy4 przez API wynosi 0,834 USD za milion tokenów wejściowych i 2,501 USD za milion tokenów wyjściowych.
Model obsługuje również pracę z obrazami i jest przeznaczony do szerokiego zakresu zadań, w tym programowania, analizy finansowej, tworzenia gier i badań naukowych.
Ponadto Tencent zamierza opublikować wagi Hy4.
Do 15 listopada Hy4 można bezpłatnie używać w WorkBuddy, ale z dziennymi limitami.
Dlaczego to ważne
AnalizaHy4 pokazuje, że konkurencja na rynku modeli AI z otwartymi wagami rośnie, a Tencent oferuje multimodalną alternatywę z konkurencyjnymi cenami API.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
DeepSeek-R1 (Model rozumowania DeepSeek)
Przełomowy otwarty model rozumowania (Open Weights Reasoning Model) oparty na architekturze MoE o rozmiarze 671B, który udowodnił możliwość kształtowania niezwykle złożonego myślenia logicznego poprzez czyste uczenie ze wzmocnieniem (GRPO).
Claude Sonnet 4.6 vs GPT-5.5 vs Gemini 3.1 Pro: porównanie modeli na rok 2026
Co kilka tygodni pojawia się nowy model, a za każdym razem padają te same pytania: czy warto przejść? Co się zmieniło? Za co płacić?
DeepSeek (Chiński przełom w otwartym AI)
Seria przełomowych modeli open-source od chińskiego laboratorium DeepSeek (V3, R1). Prezentuje najwyższy poziom w kodowaniu i rozumowaniu przy kosztach 10–20 razy niższych niż zachodnie odpowiedniki komercyjne.
Revolut przenosi około 2000 inżynierów na lokalne modele GLM do programowania
Revolut przeniosło około 2000 inżynierów na lokalnie wdrożone modele GLM, obniżając koszty kodowania z AI około dziesięciokrotnie i skracając czas realizacji zadań o 70%.