Hy4 preview 2026 : 770B Tencent, poids Apache et test à l’aveugle
Tencent a ouvert Hy4 preview. Séparer le SKU 770B/49B, l’aveugle interne 2,99/4 et les limites de preview.
Début septembre 2026, l’équipe Hy de Hunyuan (Tencent) a publié Hy4 preview : 770B au total, environ 49B actifs par token, contexte 1M, poids en Apache 2.0. L’actualité n’est pas le compte de paramètres, mais l’évaluation à l’aveugle interne — et les défauts de preview que le labo a lui-même listés.
La requête est Hy4 preview et 770B / 49B. Cette page suit l’annonce Tencent, la fiche Hugging Face tencent/Hy4-preview et le tracker ThursdAI de septembre. Certains recaps datent le premier dépôt au 28 août ; ne pas inventer une date de sortie que les posts officiels n’impriment pas. Autre flotte ouverte la même semaine : K2 Horizon.
Ce que le labo dit avoir livré
Le vaisseau est un MoE creux : 770B au total, environ 49B actifs par token. 78 couches — FFN dense en couche 1, puis 77 couches MoE avec 256 experts routés plus un partagé, top-8 plus le partagé par token. Une couche MTP native (10B au total, ~0,7B actifs) sert au décodage spéculatif. Attention : Gated DSA avec IndexCache ; résidus : iHC sur quatre flux. Vocabulaire 120832, contexte 1M.
Comment lire les trois chiffres
- 1
Nommer le SKU avant la moyenne
Les recettes de service citent l’image vLLM
vllm/vllm-openai:hy4-previewou SGLanglmsysorg/sglang:hy4-preview, FP8 et parallélisme tenseur 8 voies. Raisonnement high par défaut ;no_thinkpour une réponse directe. Prix API annoncés : 0,834 / 2,501 / 0,042 USD par million de tokens (entrée / sortie / cache). WorkBuddy et CodeBuddy gratuits deux semaines ; accès Hy3 prolongé jusqu’au 30 septembre. - 2
2,99 est une note interne à l’aveugle
163 experts Tencent ont noté 203 tâches d’ingénierie. Hy4 preview : 2,99 / 4,00. Contre GLM-5.3 : 2,92 (46,8 % de victoires / 12,8 % de nuls / 40,4 % de défaites). Contre Kimi K3 : 2,94 (51,2 / 7,9 / 40,9). La fiche et tencent.com concordent. Juges salariés ; grille du labo. Ni constat régulateur, ni rerun tiers.
- 3
Les chiffres de quantification exigent un dépôt
La fiche officielle pointe AngelSlim. ThursdAI et la fiche GGUF AngelSlim décrivent un build STQ1_0 à environ 2,38 bits/poids et 214 Go, contre environ 1,5 To non quantifié. Recette communautaire, pas un rétrécissement des poids Apache. Ne pas le fondre avec l’indice AA de K2. Autre page open-weight : Qwen3.8-27B.
Décoter l’« auto-amélioration récursive »
L’annonce dit que le modèle a aidé à optimiser méthodes d’entraînement, stratégie de données, cadres d’éval et opérateurs, et que le débit d’inférence a augmenté de 31,8 % face à une baseline. Pas de facture de reproduction tierce. Récit de labo, pas un papier systèmes indépendant.
Les lignes d’éval HF ne sont pas un indice AA
La page modèle a hébergé des lignes Apex Agents et Terminal-Bench. Cet article ne les traite pas comme un indice tiers vérifié. Les faits vérifiables restent 770B/49B, Apache 2.0 et l’aveugle interne 2,99/4.
La preview liste ses propres défauts
Tencent écrit des chaînes de raisonnement trop longues et une sur-vérification, avec de la marge en pré-entraînement et post-entraînement. Cadre comme Hy3 preview : livrer tôt, écouter ce qui casse. Pas une revendication de vaisseau GA.
| Affirmation | Source vérifiable | Lecture |
|---|---|---|
| 770B / 49B MoE, contexte 1M | Fiche HF · GitHub Tencent-Hunyuan/Hy4-preview | Architecture selon le tableau officiel |
| Aveugle 2,99 vs 2,92 / 2,94 | Post Tencent · fiche Built for Productivity | Experts internes, pas un rerun indépendant |
| Poids Apache 2.0 | License de la fiche | Lire le LICENSE du dépôt avant téléchargement |
Tencent : c’est une Hy4 précoce. Il reste de la marge en pré- et post-entraînement. Nous préférons livrer tôt et entendre ce qui casse — c’est ce qui a amélioré Hy3 preview.
# Hy4 preview · Tencent Hy Team · as of 2026-09
sku: 770B / 49B active # MoE, 1M context
license: Apache-2.0
layers: 78 # 1 dense + 77 MoE
experts: 256 routed + 1 shared; top-8
mtp: 10B / 0.7B active # speculative decode
blind_avg: 2.99/4 # 163 experts, 203 tasks
vs_glm53: 2.92 # 46.8 / 12.8 / 40.4
vs_kimi_k3: 2.94 # 51.2 / 7.9 / 40.9
api_usd_per_m: 0.834 / 2.501 / 0.042Limites
- Aveugle interne ≠ indice tiers
- 2,99 / 2,92 / 2,94 viennent d’experts Tencent. Ne pas les relabeler en Intelligence Index AA, ni en faire un trophée contre les tables constructeur des labos fermés de la même semaine.
- Apache 2.0 ≠ 770B sur une seule machine
- L’exemple officiel est un parallélisme tenseur 8 voies plus FP8. Le GGUF bas bits AngelSlim est un autre chemin ; mesurer vitesse et qualité sur votre charge.
- Cette page n’est pas un mode d’emploi de réunion
- Elle n’explique que la sortie et les évals. Pour un huddle court avec tableau, créer une salle sur wbmeet ; voir créer et rejoindre une salle.
Questions à vérifier
Hy4 preview est-il le premier dépôt d’un labo tout neuf ?
Non. Il vient de l’équipe Hunyuan / Hy de Tencent. L’annonce cite aussi le co-design avec CodeBuddy, WorkBuddy, Yuanbao et ima, plus une prolongation d’accès gratuit Hy3. Hy4 est la preview de cette génération, pas une date de fondation.
2,99 veut-il dire qu’il a « battu » GLM-5.3 et Kimi K3 ?
Pas à lui seul. L’écart de moyenne n’est que 0,05–0,07 ; le taux de victoire face à GLM-5.3 est 46,8 %, le taux de défaite 40,4 %. Le libellé officiel est slightly ahead. Juges internes.
Le quant 214 Go est-il le défaut officiel ?
La fiche officielle livre AngelSlim et le FP8. Le chiffre ~214 Go / 2,38 bpw apparaît sur la note GGUF AngelSlim et dans les recaps hebdo. Vérifier le nom de fichier réellement tiré.
Cela prouve-t-il que les poids ouverts ont rattrapé les vaisseaux fermés ?
Non. Cette page ne démonte que la sortie vérifiable et le libellé de l’aveugle interne. Les comparateurs fermés exigent leurs cartes système et des indices tiers.