Hy4 preview

Hy4 preview 是腾讯 Hy Team 于 2026-08-27 发布的新一代混合专家（MoE）开源旗舰。总计 770B 参数、每 token 激活 49B，配 1M 上下文窗口与 Apache 2.0 许可，处于开源前沿。腾讯请 163 位内部专家对 203 个工程任务做盲测对比，Hy4 preview 略胜 GLM 5.3（2.99 vs 2.92）与 Kimi K3（2.99 vs 2.94）。

核心功能

• 7:1 激活比：总计 770B，每 token 激活 49B。
• 门控稀疏注意力（Gated DSA）：在 DeepSeek/GLM 稀疏注意力基础上扩展，并用 IndexCache 做跨层稀疏索引复用。
• iHC 残差通路：Identity Hyper-Connections 增强层间信息流。
• 1M 上下文：单次即可覆盖很长的工程与分析任务。
• 原生 MTP 层：内置多 token 预测层（10B 参数、0.7B 激活）加速投机解码。
• 面向生产力的训练数据：围绕腾讯软件工程师、游戏开发者、金融分析师与安全专家的工作构建。

适用场景

谁应该使用这个工具？

• 长程软件工程：理解、规划、调试与验证大型多文件开发任务。
• 办公与分析：把零散的多文件上下文整理成文档、表格与演示稿，精度更高。
• 游戏开发：把一句提示变成一个可玩原型，并配合游戏引擎多轮迭代。
• 科学研究：在 AI 研究、分子动力学、凝聚态物理与纯数学等难题上推理更强。

解决的问题

1. 大任务的上下文溢出：1M 窗口让整个项目或报告一次装下。
2. 稀疏注意力的成本：Gated DSA 加 IndexCache 降低长上下文推理的计算量。
3. 长程任务跑偏：激活预算与推理重点让模型在多轮工程工作中保持方向。

定价方案

优势对比

• 开源的旗舰规模：Apache 2.0 下的 770B/49B 配 1M 上下文。
• 盲测工程评测领先：203 任务上 2.99 对 GLM 5.3 的 2.92、Kimi K3 的 2.94。
• 生产力优先的数据：与 CodeBuddy、WorkBuddy 协同设计，进步落在真实交付的工作上。

快速开始

1. 从 tencent/Hy4-preview 下载权重。
2. 用 vLLM 或 SGLang 部署。
3. 调用 http://127.0.0.1:8000/v1 这个 OpenAI 兼容端点。
4. 先跑一个小任务，再扩大到全上下文工程工作。

常见问题

模型是开源的嘛？

是的，Apache License 2.0。权重可从多个仓库下载。

需要什么 GPU？

这个规模（总计 770B）需要多卡或配置到位的推理服务器。发布时没有托管 API。

有托管 API 吗？

发布时腾讯未提供托管 API，需要自行部署 vLLM 或 SGLang。

替代方案

• GLM-5.3：智谱的开源开源前端模型，盲测中的近竞品。
• DeepSeek V4：另一款开源权重推理旗舰。
• Kimi K3：月之暗面的开源权重模型，盲测中的近竞品。

使用技巧

1. 有目的地使用长上下文；若不需要，1M 窗口代价不菲。
2. 对 49B 激活参数优先用 SGLang 或 vLLM 的张量并行。
3. 把 203 任务盲测当作方向性信号，而非通用排名。