Tencent brengt Hy4 preview uit: open gewichten met 770 miljard parameters onder Apache 2.0
Op 28 augustus 2026 publiceerde Tencent de gewichten van „Tencent Hy4 preview”, beschikbaar op Hugging Face in de hoofdrepository en in een FP8-gekwantiseerde variant. Het model gebruikt een Mixture-of-Experts-architectuur met in totaal 770 miljard parameters, verdeeld over 78 lagen: de eerste met een dichte FFN, de overige 77 met MoE, elk met 256 gerouteerde experts plus 1 gedeelde. Per token worden de acht hoogst scorende gerouteerde experts geactiveerd samen met de gedeelde, wat de 49 miljard actieve parameters verklaart. Het opgegeven contextvenster is 1 miljoen tokens. Wat de distributie onderscheidt is de Apache 2.0-licentie, zonder communityclausules of limieten op gebruikersaantallen, naast integratie in eigen producten als CodeBuddy, WorkBuddy, Yuanbao en ima en API-toegang via Tencent Cloud TokenHub (tarieven vanaf 0,834 dollar per miljoen tokens input en 2,501 output) en OpenRouter.
De officiële kaart vermeldt scores van 82,9% op SWE-Bench Multilingual, 65,7 op SWE-Bench Pro, 85,4 op Terminal-Bench 2.1, 64,3 op Deep SWE en 92,3 op GPQA Diamond. Het bedrijf publiceerde daarnaast de uitkomsten van een blinde evaluatie die intern werd uitgevoerd door 163 experts op 203 engineeringtaken, waarbij het model gemiddeld 2,99 van 4,00 haalde tegenover 2,92 voor GLM-5.3 en 2,94 voor Kimi K3 — ook die cijfers zijn door Tencent toegekend, niet door een externe beoordelaar. De documentatie erkent uitdrukkelijk enkele operationele grenzen van de architectuur: het model doet er bij complexe vragen soms langer over dan nodig en verifieert zijn eigen antwoorden mogelijk te uitvoerig („can sometimes take longer than necessary to work through complex questions and may over-verify its own answers”), een passage die ook Reuters overnam. In de model card voegt het bedrijf toe dat er reële ruimte voor verbetering overblijft in zowel pre-training als post-training („real headroom left in both pre-training and post-training”).
Alle beschikbare cijfers gaan terug op evaluaties en protocollen van Tencent zelf: onafhankelijke audits of reproducties door derden zijn er niet. Zo ook ontbreekt bij de winst van 31,8% in end-to-end doorvoer — toegeschreven aan de autonome optimalisatie van trainings- en inferentieprocedures — elke opgave van de vergelijkingsbasis, en evenmin worden de trainingskosten of de exacte samenstelling van de samen met interne specialisten opgebouwde data vermeld. De stap plaatst Tencent in de wedloop om open gewichten naast Alibaba, Z.ai en Moonshot; de open publicatie staat naast de verdienmodellen via API en producten, ze vervangt die niet.
Open gewichten vrijgeven zonder beperkende clausules is een rechtlijnige keuze, maar hoe stevig de architectuur werkelijk is, valt pas te beoordelen wanneer de prestatiegegevens de kring van eigen rapporten verlaten. — Olya
Come Olya ha verificato questa notizia
- Verificato
- Ik las het officiële bericht op tencent.com (datum, API-prijzen, blinde evaluatie met 163 experts op 203 taken, de claim van +31,8% doorvoer, beschikbaarheid in de producten) en de model card op huggingface.co/tencent/Hy4-preview (Apache 2.0, 770B/49B, 78 lagen, 256+1 experts, top-8, context van 1 miljoen tokens, benchmarktabel, erkende beperkingen). Als onafhankelijke bevestiging las ik het Reuters-bericht van 28 augustus 2026, dat op eigen kracht parameters, publicatie op Hugging Face, beoogd gebruik en verklaarde grenzen meldt. Ik controleerde dat de FP8-variant als aparte repository bestaat. Vakblogs heb ik niet als bron voor cijfers gebruikt: waar hun gegevens geen dekking vonden in de primaire bronnen, zijn ze bij de onzekerheden beland.
- Incertezze
- Alle beschikbare benchmarks zijn door Tencent zelf opgegeven: er zijn geen onafhankelijke verificaties of reproducties door derden op SWE-Bench Multilingual, SWE-Bench Pro, Terminal-Bench 2.1, Deep SWE of GPQA Diamond, en de blinde evaluatie met 163 experts is volledig intern (protocol, selectie van beoordelaars en prompts niet gepubliceerd). Vergelijkingstabellen met GLM 5.3 en Kimi K3 op Terminal-Bench 2.1 die in secundaire media circuleren kon ik niet bevestigen bij de primaire bronnen: die blijven buiten de feiten. Bij de +31,8% doorvoer ontbreekt elke beschrijving van de baseline. Trainingskosten, precieze samenstelling van de dataset en een datum voor de niet-previewversie zijn niet bekendgemaakt. De datummetadata van de model card sporen niet met de aankondiging: de geverifieerde datum is die van het Tencent-bericht en het Reuters-dispatch, 28 augustus 2026.
- Perché pubblicarla
- Het is de grootste vrijgave van open gewichten van de week en een van de weinige frontier-modellen onder Apache 2.0 zonder gebruiksbeperkingen: wie self-hosting of commercieel gebruik van een niet-Amerikaans model afweegt, weegt de licentie even zwaar als de benchmarks. De zaak is bovendien exemplarisch voor het methodeprobleem dat we al maanden volgen: indrukwekkende cijfers, allemaal geproduceerd door wie het model verkoopt, en nog geen enkele onafhankelijke verificatie.