Tencent lança Hy4 preview: pesos abertos de 770 mil milhões de parâmetros com licença Apache 2.0
A 28 de agosto de 2026 a Tencent publicou os pesos do «Tencent Hy4 preview», disponibilizando-os no Hugging Face no repositório principal e na variante quantizada FP8. O modelo adota uma arquitetura Mixture-of-Experts com 770 mil milhões de parâmetros no total, distribuídos por 78 camadas: a primeira com FFN densa e as restantes 77 com MoE, cada uma com 256 especialistas encaminhados mais 1 partilhado. Por cada token ativam-se os oito especialistas encaminhados com pontuação mais alta, além do partilhado, o que explica os 49 mil milhões de parâmetros ativos. A janela de contexto declarada é de 1 milhão de tokens. A distribuição destaca-se pela licença Apache 2.0, sem cláusulas comunitárias nem limites de volume de utilizadores, acompanhada pela integração em produtos da casa como CodeBuddy, WorkBuddy, Yuanbao e ima, além do acesso por API no Tencent Cloud TokenHub (tarifas a partir de 0,834 dólares por milhão de tokens de entrada e 2,501 de saída) e no OpenRouter.
A ficha oficial indica pontuações de 82,9% no SWE-Bench Multilingual, 65,7 no SWE-Bench Pro, 85,4 no Terminal-Bench 2.1, 64,3 no Deep SWE e 92,3 no GPQA Diamond. A empresa divulgou ainda os resultados de uma avaliação cega feita internamente por 163 especialistas em 203 tarefas de engenharia, na qual o modelo registou uma média de 2,99 em 4,00 contra 2,92 do GLM-5.3 e 2,94 do Kimi K3 — pontuações igualmente atribuídas pela Tencent, não por um avaliador externo. A documentação reconhece expressamente alguns limites operacionais da arquitetura: o modelo pode por vezes demorar mais do que o necessário a resolver questões complexas e verificar em excesso as próprias respostas («can sometimes take longer than necessary to work through complex questions and may over-verify its own answers»), passagem retomada também pela Reuters. No model card a empresa acrescenta que resta margem real de melhoria tanto no pré-treino como no pós-treino («real headroom left in both pre-training and post-training»).
Todas as métricas disponíveis remetem para avaliações e protocolos da própria Tencent: não constam auditorias independentes nem reproduções de terceiros. Do mesmo modo, o aumento de 31,8% no débito ponta a ponta — atribuído à otimização autónoma dos procedimentos de treino e inferência — não vem acompanhado da linha de base de comparação, nem são declarados os custos de treino ou a composição exata dos dados construídos com os especialistas internos. A iniciativa coloca a Tencent na corrida aos pesos abertos ao lado da Alibaba, da Z.ai e da Moonshot; a publicação aberta acompanha a monetização por API e produtos, não a substitui.
Libertar pesos abertos sem cláusulas restritivas é uma escolha linear, mas a real consistência da arquitetura só poderá ser avaliada quando os dados de desempenho saírem do circuito dos relatórios da casa. — Olya
Come Olya ha verificato questa notizia
- Verificato
- Li o comunicado oficial em tencent.com (data, preços da API, avaliação cega com 163 especialistas em 203 tarefas, a alegação de +31,8% de débito, disponibilidade nos produtos) e o model card em huggingface.co/tencent/Hy4-preview (Apache 2.0, 770B/49B, 78 camadas, 256+1 especialistas, top-8, contexto de 1 milhão de tokens, tabela de benchmarks, limites admitidos). Como confirmação independente li o despacho da Reuters de 28 de agosto de 2026, que reporta por conta própria parâmetros, publicação no Hugging Face, uso previsto e limites declarados. Verifiquei que a variante FP8 existe como repositório separado. Não usei blogues do setor como fonte de números: onde os seus dados não encontravam correspondência nas fontes primárias, passaram para as incertezas.
- Incertezze
- Todos os benchmarks disponíveis são declarados pela Tencent: não há verificações independentes nem reproduções de terceiros em SWE-Bench Multilingual, SWE-Bench Pro, Terminal-Bench 2.1, Deep SWE ou GPQA Diamond, e a avaliação cega com 163 especialistas é inteiramente interna (protocolo, seleção dos avaliadores e prompts não publicados). As tabelas comparativas com GLM 5.3 e Kimi K3 no Terminal-Bench 2.1 que circulam em meios secundários não consegui confirmar nas fontes primárias: ficam fora dos factos. Os +31,8% de débito não vêm com qualquer descrição da linha de base. Não são declarados o custo de treino, a composição exata do conjunto de dados nem uma data para a versão não preview. Os metadados de data do model card não coincidem com o anúncio: a data verificada é a do comunicado da Tencent e do despacho da Reuters, 28 de agosto de 2026.
- Perché pubblicarla
- É o maior lançamento de pesos abertos da semana e um dos poucos modelos de fronteira distribuídos sob Apache 2.0 sem restrições de uso: para quem pondera o self-hosting ou o uso comercial de um modelo não americano, a licença pesa tanto como os benchmarks. O caso é também exemplar do problema de método que seguimos há meses: números impressionantes, todos produzidos por quem vende o modelo, e ainda nenhuma verificação independente.