本日、Hy4 preview をリリースしました。総パラメータ数は 770B、アクティブパラメータ数は 49B、コンテキスト長は 1M で、コーディング、オフィスワーク、科学といった実世界の生産性タスクにおいて卓越した能力を発揮します。
新世代フラッグシップモデル
Hy4 preview は、モデルサイズ、コンテキスト長、データ規模のいずれでも大幅な拡張を行いました。事前学習と事後学習の双方の進歩により、知能レベルが再び大きく向上し、オープンソースモデルの第一陣に確固たる地位を築いています。
生産性のために生まれたモデル
テンセント社内のソフトウェアエンジニアリング、ゲーム、金融、セキュリティなどの分野のトップ専門家との高品質なデータ共同構築を通じて、Hy4 preview はさまざまな実世界の生産性タスクで大きな進歩を遂げました。
ソフトウェアエンジニアリング：長期的な開発タスクにおける理解、計画、デバッグ、検証の能力を強化し、フロントエンド開発のビジュアルデザインとインタラクション品質をさらに向上させました。
オフィス分析：複雑なオフィス環境の理解や金融分析の能力を大幅に向上させ、データ分析や複数ファイル間の連携を重点的に最適化し、情報処理からドキュメント、スプレッドシート、プレゼンテーションの納品までの一連のフローを完遂します。
ゲーム開発：一文の要件からプレイ可能なプロトタイプを直接生成する能力を強化し、ゲームエンジンを使いこなすことができます。開発者は複数ターンの対話を通じて複雑なゲームプロジェクトを継続的に改善できます。
科学研究：複雑な科研課題の理解、推論、求解の能力を大幅に向上させ、AI 研究開発、分子動力学シミュレーション、凝縮系物理学、基礎数学など、さまざまな場面で大きな進歩を遂げています。
同時に、Hy4 preview は CodeBuddy / WorkBuddy などの製品との深い連携を継続し、生産性シナリオにおける実際のユーザー体験を最適化しています。社内の専門家 163 名による 203 件のエンジニアリングタスクのブラインドテストを実施した結果、Hy4 preview（平均スコア 2.99/4.00）は GLM-5.3（平均スコア 2.92/4.00；勝率 46.8%／引き分け 12.8%／敗率 40.4%）および Kimi K3（平均スコア 2.94/4.00；勝率 51.2%／引き分け 7.9%／敗率 40.9%）をわずかに上回りました。
シューティングゲームの制作
MCP を通じて Unreal 5 エンジンに接続し、純粋な対話だけでシューティングゲームのデモをゼロから制作。環境アートの構築、ゲームプレイの構築、レベルの構築を含みます。
三人称アドベンチャーゲームの制作
Unity（U3D）エンジンで対話方式により三人称ペンギンアドベンチャーゲームのデモをゼロから制作。シーン環境のアート構築、移動・戦闘・クエスト追跡のゲームプレイ構築、メインメニュー—ローディング—レベルの 3 シーンフローの構築を含みます。
古建築デジタルツインサイト
Three.js によるパラメトリック・プロシージャルモデリング、Canvas によるプログラム生成の IBL とテクスチャ、モデルごとのフレーミングカバレッジにより、デスクトップ優先・フルビューポート・インタラクティブな古建築デジタルアーカイブサイトを生成しました。
「鹅来（ガチョウが来た）」横スクロールインタラクティブコミックページ
ネイティブ WebGL を生成し、スクロール駆動でカメラが X 軸に沿って進む横スクロールインタラクティブコミックページを実現。Hy4 preview は複数章にわたるキャラクターの画風と物語の連続性を良好に維持しながら、コマ割りの空間、カメラワークのリズム、モバイル端末のパフォーマンスを正確に構成しました。
オフィスシーンにおける企業財務費用の監査
モデルは 72 件のファイルから請求書が規定に適合しているかを自動判定し、3 件の規章制度から現行有効なルールを特定し、請求書の経費申請が規定に合致しているかを厳密に判定します。
金融ワールドサンドボックス
金融研究、産業チェーンの理解、因果推論、バリュエーション分析におけるモデルの能力を示すサンドボックスを生成。あるマクロイベントが発生したとき、その影響が業界の需給、産業チェーン、主要企業、業界内の価値分配へどのように伝播するかを直感的に観察でき、伝播経路が明瞭です。
科学研究シーンの探求
ボトルネックを自律的に特定し、推論能力を継続的に最適化
Hy4 preview は推論システムのボトルネックを自律的に分析し、オペレーター融合や通信最適化などの方向で複数ラウンドの最適化を実施。エンドツーエンドのスループットはベースライン比で 31.8% 向上し、さまざまなコンテキスト長および同時実行度において安定した効果を得ており、ボトルネックを自律的に特定して推論インフラを継続的に最適化する能力が実証されました。
小型モデルの事後学習タスク
Hy4 preview は研究者のように複数の Codex セッションを管理して実験を進め、結果に基づいて探求の方向を継続的に調整できます。小型モデルの事後学習タスクでは、Hy4 preview がリサーチャーとして Codex を統括して複数の評価目標を同時に最適化し、8 つの評価すべてで Codex の単独探索を上回りました。これは、複雑な研究開発タスクにおいて方向性を判断し、実験を組織し、継続的に反復する能力を示しています。
機械学習力場による分子動力学シミュレーション
Hyra との連携により、Hy4 preview は機械学習力場による分子動力学（MD）シミュレーションで進歩を遂げました。32,512 原子のりん脂質二分子層 SO3LR において、高度に最適化された JAX 実装の上でさらに 2.0 倍高速化し、54.9ms/step を達成。ハイエンド GPU 1 枚で 30 万原子を収容できます。新材料のスクリーニング、創薬研究、複雑な生命系のシミュレーションに、より大きな計算空間を開きます。
低温量子輸送デバイスの設計問題
凝縮系物理学における低温量子輸送デバイスの設計問題を対象に、各クロックサイクルで有効な信号を運ぶ目的の電子波束のみが下流のエネルギー検出器に到達し、低エネルギーの背景や高エネルギーの散乱波束が検出器到達前に反射されることを目指しました。
Hy4 preview は量子散乱ソルバーの構築、5 ポテンシャル障壁構造のロバストな最適化、独立した時間依存発展の検証を自律的に完了し、高エネルギー阻止帯の平均漏洩率をベースラインの 48.2% から 4.8% にまで低減しました。さらにモデルは、求解プロセス全体をカプセル化し、パラメータ調整と再求解をサポートするインタラクティブシミュレーターを自動生成。このタスクにおいて、複数段階の科学計算から結果検証、探索可能な成果物の納品までの完全なフローを自律的に組織・実行しました。
古典的な幾何学の難題
Hyra との連携により、Hy4 preview は 100 年の歴史を持つ古典的幾何学の難題——3 次元 Blaschke–Lebesgue 問題——で大きなブレイクスルーを達成し、体積の下界を 0.380799 から一挙に 0.41104 へと押し上げました。Meissner 四面体の予想が示す 0.41986 と比較すると、この成果により同予想は最終証明まで残りわずか 2% のギャップとなりました。
Hy4 preview は現在オープンソース化されており、テンセントクラウド TokenHub および OpenRouter にて提供中です。また、WorkBuddy/CodeBuddy、元宝、ima などの製品でも体験いただけます。私たちはオープン性と高いコストパフォーマンスを堅持し、モデルの進歩をより多くのユーザーに還元していきます。
Hy4 preview は Hy4 イテレーションの初期バージョンであり、事前学習および事後学習にはいずれもまだ大きな改善の余地があり、複雑なタスクでの長考や過度な自己検証傾向などの既知の問題も存在します。私たちはアジャイルな反復を続けていきます。Hy3 preview と同様に、Hy4 preview を早期にリリースすることで幅広い実際のフィードバックを得て、Hy4 正式版を大幅に向上させたいと考えています。同時に、テンセントの製品や専門家との深い協業という独自の強みを継続的に発揮し、生産性の普遍性と上限を高め続けます。
オープンソースリンク：
HuggingFace：https://huggingface.co/tencent/Hy4-preview
Modelscope：https://modelscope.cn/models/Tencent-Hunyuan/Hy4-preview
モデル体験：
Hy Blog：
あるいは「原文を読む」をクリックして、モデルを直接体験してください。