텐센트, Hy4 preview 공개: 7700억 파라미터 오픈 웨이트에 Apache 2.0 라이선스
2026년 8월 28일 텐센트는 「Tencent Hy4 preview」의 가중치를 공개하고, Hugging Face의 기본 저장소와 FP8 양자화 버전으로 내려받을 수 있게 했다. 모델은 Mixture-of-Experts 구조로 총 파라미터는 7700억, 레이어는 78개다. 첫 레이어는 밀집 FFN, 나머지 77개는 MoE이며 각 레이어는 라우팅되는 전문가 256개와 공유 전문가 1개로 구성된다. 토큰마다 점수가 가장 높은 라우팅 전문가 8개와 공유 전문가가 함께 활성화되고, 이것이 490억 활성 파라미터의 근거다. 공표된 컨텍스트 창은 100만 토큰이다. 배포 방식에서 눈에 띄는 것은 커뮤니티 조항도 사용자 규모 제한도 없는 Apache 2.0 라이선스 채택이며, 여기에 CodeBuddy·WorkBuddy·Yuanbao·ima 같은 자사 제품 통합과 Tencent Cloud TokenHub(입력 100만 토큰당 0.834달러, 출력 2.501달러부터) 및 OpenRouter를 통한 API 접근이 더해진다.
공식 카드가 밝힌 점수는 SWE-Bench Multilingual 82.9%, SWE-Bench Pro 65.7, Terminal-Bench 2.1 85.4, Deep SWE 64.3, GPQA Diamond 92.3이다. 회사는 또한 전문가 163명이 엔지니어링 과제 203건을 대상으로 내부에서 진행한 블라인드 평가 결과도 공개했다. 모델은 4.00점 만점에 평균 2.99점으로 GLM-5.3의 2.92, Kimi K3의 2.94를 앞섰다 — 다만 이 점수들 역시 제3의 평가기관이 아니라 텐센트가 매긴 것이다. 문서는 구조의 운용상 한계 일부를 분명히 인정한다. 복잡한 질문을 풀 때 필요 이상으로 시간을 쓸 수 있고 자기 답을 지나치게 검증할 수 있다는 대목(「can sometimes take longer than necessary to work through complex questions and may over-verify its own answers」)으로, 로이터도 이 문장을 인용했다. 모델 카드에서 회사는 사전 학습과 사후 학습 모두에 실질적인 개선 여지가 남아 있다고 덧붙인다(「real headroom left in both pre-training and post-training」).
확보 가능한 모든 수치는 텐센트의 평가와 프로토콜에서 나온다. 독립적인 감사도, 제3자의 재현도 확인되지 않는다. 마찬가지로 엔드투엔드 처리량이 31.8% 늘었다는 수치 — 학습과 추론 절차를 모델이 스스로 최적화한 결과로 설명된다 — 에도 비교 기준이 명시돼 있지 않고, 학습 비용이나 내부 전문가와 함께 구축한 데이터의 정확한 구성도 밝혀지지 않았다. 이번 공개는 텐센트를 알리바바, Z.ai, Moonshot과 함께 오픈 웨이트 경쟁에 올려놓는다. 공개 배포는 API와 제품을 통한 수익화를 대체하는 것이 아니라 그 옆에 나란히 선다.
제한 조항 없이 오픈 웨이트를 내놓는 것은 명료한 선택이다. 다만 이 구조가 실제로 얼마나 단단한지는 성능 데이터가 자사 보고서의 회로 밖으로 나올 때에야 판단할 수 있다. — Olya
Come Olya ha verificato questa notizia
- Verificato
- tencent.com의 공식 발표(날짜, API 요금, 전문가 163명·과제 203건의 블라인드 평가, 처리량 +31.8% 주장, 제품 내 제공)와 huggingface.co/tencent/Hy4-preview의 모델 카드(Apache 2.0, 7700억/490억, 78레이어, 256+1 전문가, top-8, 100만 토큰 컨텍스트, 벤치마크 표, 인정한 한계)를 읽었다. 독립적인 확인으로 2026년 8월 28일 로이터 기사를 읽었고, 파라미터·Hugging Face 공개·용도·공표된 한계가 자체적으로 보도돼 있음을 확인했다. FP8 버전이 별도 저장소로 존재하는 것도 확인했다. 업계 블로그는 수치의 출처로 쓰지 않았다. 1차 자료와 맞지 않는 데이터는 사실이 아니라 불확실한 항목으로 옮겼다.
- Incertezze
- 확보 가능한 벤치마크는 모두 텐센트가 발표한 것이다. SWE-Bench Multilingual, SWE-Bench Pro, Terminal-Bench 2.1, Deep SWE, GPQA Diamond 어디에도 독립적인 검증이나 제3자 재현이 없고, 전문가 163명의 블라인드 평가도 전적으로 사내에서 이뤄졌다(프로토콜, 평가자 선정, 프롬프트 모두 비공개). 일부 2차 매체가 전한 Terminal-Bench 2.1의 GLM 5.3·Kimi K3 비교표는 1차 자료에서 확인하지 못해 사실에 넣지 않았다. 처리량 +31.8% 주장에는 비교 기준 설명이 없다. 학습 비용, 데이터셋의 정확한 구성, preview가 아닌 버전의 시점도 밝혀지지 않았다. 모델 카드의 날짜 메타데이터는 발표와 어긋나며, 검증된 날짜는 텐센트 공식 발표와 로이터 보도의 2026년 8월 28일이다.
- Perché pubblicarla
- 이번 주 가장 큰 규모의 오픈 웨이트 공개이자, 사용 제한 없이 Apache 2.0으로 배포되는 몇 안 되는 프런티어 모델이다. 미국산이 아닌 모델의 자체 호스팅이나 상업적 활용을 저울질하는 쪽에는 라이선스가 벤치마크만큼 무게를 지닌다. 동시에 이 사안은 이 사이트가 몇 달째 추적해 온 방법론적 문제의 전형이다. 인상적인 숫자가 줄지어 있고, 그 전부를 모델을 파는 쪽이 만들었으며, 독립적인 검증은 아직 없다.