curl --request POST "https://gptproto.com/v1/chat/completions" \
--header "Authorization: Bearer $GPTPROTO_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"model": "hy4-preview",
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}'Chat, Coding-Agenten und Dokumentenarbeit. Preise pro 1 Mio. Tokens – Eingabe, gecachte Eingabe und Ausgabe werden separat abgerechnet. GPTProto liegt 5% unter den offiziellen Preisen.
| Szenario | Hunyuan Liste | OpenRouter | GPTProto | Du sparst / Monat |
|---|---|---|---|---|
| Persönlich10 Mio. Tokens / Monat (4.8 Mio. im Cache) | $7.87 | $8.31 | $7.48 | −$0.39≈ $4.72 / Jahr |
| Team100 Mio. Tokens / Monat (48 Mio. im Cache) | $78.72 | $83.05 | $74.79 | −$3.94≈ $47.22 / Jahr |
| Business500 Mio. Tokens / Monat (240 Mio. im Cache) | $393.62 | $415.27 | $373.94 | −$19.68≈ $236.11 / Jahr |
Hunyuan · 1.05M context · $0.7923/M input · $2.376/M output
Bytedance · 262K context · $0.0971/M input · $0.9714/M output
Bytedance · 262K context · $0.0971/M input · $0.9714/M output
Entwickle mit Tencents offenem Mixture-of-Experts-Modell mit 770 Milliarden Parametern über eine gehostete API. Hy4 Preview aktiviert 49 Milliarden Parameter pro Token, unterstützt ein Kontextfenster mit 1 Million Tokens und ist auf Softwareentwicklung, anspruchsvolle Produktivitätsaufgaben, wissenschaftliches Denken und anhaltende mehrstufige Aufgaben ausgelegt.
Kontext mit 1 Million Tokens
Verarbeite große Codebasen, umfangreiche Spezifikationen und den Kontext mehrerer Dokumente innerhalb des 1-Million-Token-Fensters des Modells und berücksichtige dabei Prompt- und generierte Tokens gemeinsam bei der Budgetplanung.
770B MoE, 49B aktiv
Hy4 Preview verwendet ein MoE-Backbone mit 770 Milliarden Parametern, aktiviert jedoch pro Token nur 49 Milliarden Parameter. So verbindet das Modell eine hohe Kapazität mit sparsamer Berechnung.
Für reale Arbeitsabläufe entwickelt
Tencent hat das Preview-Modell für Softwareentwicklung, Büroanalysen, Spieleentwicklung und wissenschaftliche Forschung trainiert, mit besonderem Schwerpunkt auf Planung, Debugging, Validierung und längeren Arbeitsabläufen.
Gehosteter Zugriff auf offene Gewichte
Rufe das Apache-2.0-Modell über GPTProto auf, ohne die umfangreiche Multi-GPU-Infrastruktur bereitstellen zu müssen, die für den Betrieb der BF16- oder FP8-Checkpoints erforderlich wäre.
Hy4 preview ist ein Flaggschiffmodell für Text-zu-Text-Aufgaben, das vom Tencent Hy Team am 28. August 2026 veröffentlicht wurde. Es wird auch unter den Bezeichnungen Tencent Hy4, Tencent Hunyuan 4, Hunyuan4 API und Hy4-preview API gesucht, doch der offizielle öffentliche Checkpoint heißt Hy4 preview. GPTProto bietet gehosteten API-Zugriff auf das Modell, während Tencent separat herunterladbare Gewichte für Teams veröffentlicht, die ihren eigenen Inferenz-Stack betreiben möchten.
Das Modell verwendet eine Mixture-of-Experts-Architektur mit 770 Milliarden Backbone-Parametern, von denen für jedes Token 49 Milliarden aktiviert werden. Das 78-schichtige Backbone enthält eine dichte Feed-forward-Schicht, gefolgt von 77 MoE-Schichten. Jede MoE-Schicht verfügt über 256 geroutete Experten und einen gemeinsam genutzten Experten; pro Token werden acht geroutete Experten ausgewählt. Eine separate native MTP-Schicht unterstützt spekulatives Decoding.
Tencents Modellkarte nennt eine Kontextlänge von 1 Mio. Token und beschreibt Gated DeepSeek Sparse Attention mit IndexCache zur Wiederverwendung spärlicher Indizes. Dieser Preview-Checkpoint nimmt Text entgegen und gibt Text zurück; Bilder, Audio oder Video kann er nicht nativ verarbeiten.
| Spezifikation | Hy4 preview |
|---|---|
| Anbieter | Tencent Hy Team |
| Veröffentlichungsdatum | 28. August 2026 |
| Eingabe / Ausgabe | Text / Text |
| Architektur | Mixture-of-Experts (MoE), 78 Schichten |
| Backbone-Parameter | 770 Mrd. insgesamt; 49 Mrd. pro Token aktiviert |
| Experten-Routing | 256 geroutete Experten + 1 gemeinsam genutzter Experte; die 8 am höchsten gerankten gerouteten Experten werden aktiviert |
| Kontextlänge | 1 Mio. Token |
| Attention | Gated DSA mit IndexCache |
| Zusätzliche Decoding-Schicht | Natives MTP: 10 Mrd. insgesamt; 0,7 Mrd. aktiviert |
| Open-Weights-Lizenz | Apache-Lizenz 2.0 |
Codeentwicklung auf Repository-Ebene: Geben Sie einem Coding-Agenten genügend Kontext, um Architektur, Schnittstellen, Tests, Logs und zugehörige Dateien zu prüfen, bevor er einen Patch vorschlägt. Tencent hebt insbesondere Verbesserungen bei Planung, Debugging, Verifizierung und der Qualität der Frontend-Implementierung hervor.
Agenten-Workflows mit langem Planungshorizont: Nutzen Sie das Modell für Aufgaben, die wiederholte Planung, Ausführung, Prüfung und Überarbeitung erfordern. Die umgebende Agentenanwendung sollte weiterhin Tools, Berechtigungen, Timeouts, Wiederholungsversuche und Abnahmekriterien steuern, statt die Modellausgabe als automatisch verifiziert zu behandeln.
Dokumenten- und Datenverarbeitung: Analysieren Sie Informationen aus umfangreichen Dokumenten, erstellen Sie strukturierte Zusammenfassungen und unterstützen Sie Workflows, bei denen Dokumente, Tabellen, Präsentationen, Gleichungen oder Finanzanalysen erstellt werden.
Spieleentwicklung und Forschung: Entwickeln Sie Prototypen für Spiellogik durch iterative Dialoge oder unterstützen Sie anspruchsvolle Forschungsprobleme in Bereichen wie KI-Entwicklung, Molekulardynamik, Festkörperphysik und Mathematik. Prüfen Sie Ausgaben vor der Verwendung anhand von Erkenntnissen aus dem jeweiligen Fachgebiet.
Tencent beschreibt Hy4 preview als bedeutenden Generationssprung, der auf Zuwächse bei Modellgröße, Kontextlänge, Trainingsdaten und Post-Training zurückzuführen ist. Das Unternehmen hat das Modell außerdem gemeinsam mit Produkten wie CodeBuddy und WorkBuddy entwickelt. Dadurch liegt der Schwerpunkt der Veröffentlichung stärker auf durchgängiger Produktivität als auf kurzen, isolierten Benchmark-Prompts.
Das Wort Preview ist wichtig. Tencent berichtet, dass dieser frühe Checkpoint bei schwierigen Aufgaben länger als nötig nachdenken und seine eigene Arbeit übermäßig überprüfen kann. Vergleichen Sie bei kurzen Klassifizierungs-, Extraktions- oder Formatierungsanfragen Latenz und Tokenverbrauch mit einem kleineren Modell. Testen Sie bei umfangreichen Coding- oder Agentenläufen den erfolgreichen Aufgabenabschluss, die Gültigkeit von Tool-Aufrufen, die Anzahl generierter Token und die Wiederherstellung nach fehlgeschlagenen Schritten, bevor Sie Produktionsdatenverkehr weiterleiten.
Tencent führte eine interne Blindbewertung durch, bei der 163 Experten Ausgaben zu 203 technischen Aufgaben prüften. Hy4 preview erzielte eine durchschnittliche Bewertung von 2,99/4,00, verglichen mit 2,92 für GLM-5.3 und 2,94 für Kimi K3.
| Vergleichsmodell | Durchschnitt von Hy4 preview | Durchschnitt des Vergleichsmodells | Siege / Unentschieden / Niederlagen von Hy4 preview |
|---|---|---|---|
| GLM-5.3 | 2.99 | 2.92 | 46.8% / 12.8% / 40.4% |
| Kimi K3 | 2.99 | 2.94 | 51.2% / 7.9% / 40.9% |
Diese Zahlen wurden von Tencent veröffentlicht und von GPTProto nicht unabhängig reproduziert. Sie deuten darauf hin, dass Hy4 bei Tencents Aufgabensatz für technische Aufgaben konkurrenzfähig ist, nicht aber, dass es bei jeder Coding-Aufgabe gewinnt. Für einen fairen API-Vergleich sollten bei allen Modellen derselbe Repository-Snapshot, System-Prompt, dieselben Tool-Definitionen, dasselbe Token-Budget und dieselben Erfolgskriterien verwendet werden.
| Zugriffsweg | Am besten geeignet für | Wichtigster Kompromiss |
|---|---|---|
| Gehostete GPTProto-API | Entwickler, die sofortigen Zugriff, nutzungsbasierte Abrechnung und ein gemeinsames Guthaben für weitere Modelle wünschen | Weniger Kontrolle über die Infrastruktur als beim direkten Betrieb der Gewichte |
| Selbst gehostete BF16- oder FP8-Gewichte | Teams, die Kontrolle über die Bereitstellung, individuelles Serving oder Experimente auf Modellebene benötigen | Erfordert einen umfangreichen Multi-GPU-Serving-Stack sowie Kapazitätsplanung, Überwachung und Upgrades |
Open Weights machen die Inferenz im Betrieb nicht kostenlos. Tencents Referenzbereitstellung nutzt spezialisierte vLLM- oder SGLang-Konfigurationen für Sparse Attention, spekulatives MTP-Decoding, Reasoning-Parsing und Tool-Call-Parsing. Gehosteter Zugriff erspart diese Arbeit für das Serving; Self-Hosting bleibt hingegen die bessere Wahl, wenn die Kontrolle über die Infrastruktur wichtiger ist als eine schnelle Einrichtung.
Wählen Sie Hy4 preview, wenn Ihre Anwendung von einem großen Kontext für das Verständnis von Code, der Analyse mehrerer Dokumente, anhaltender Planung oder dem Zugriff auf ein Open-Weights-Flaggschiffmodell unter Apache 2.0 profitiert, ohne dass Sie den Checkpoint selbst betreiben müssen. Besonders interessant ist es für Entwickler, die chinesische Frontier-Modelle für Coding- und Agenten-Workloads über ein gemeinsames API-Konto evaluieren.
Verwenden Sie ein kleineres oder ausgereifteres Modell, wenn Anfragen kurz, latenzempfindlich oder sehr repetitiv sind. Da es sich um eine Preview-Version handelt, die bekanntermaßen zu übermäßigem Schlussfolgern und übermäßiger Verifizierung neigt, sollten Sie Kosten, Antwortzeit, Aufgabenerfolg und Ausgabekonsistenz anhand Ihres eigenen Workloads prüfen, bevor Sie das Modell zum Standard machen.
Anleitungen, Vergleiche und Updates zu diesem Modell.
Alle Artikel
Was ist Tencent Hy4 Preview? Erfahre mehr über den Veröffentlichungsstatus, das 770B-MoE-Design, den 1M-Kontext, API-Preise, Benchmarks, Limits und Modellvergleiche.
Vergleiche die 7 besten KI-Gateways für Entwickler im Jahr 2026 hinsichtlich Preisen, Routing, Kostenkontrolle, Bereitstellung und Kompromissen im Produktivbetrieb.
Vergleiche 7 günstige LLMs fürs Programmieren anhand von API-Preisen, Benchmarks, Kontext und geschätzten Kosten pro Aufgabe – darunter DeepSeek V4 Flash, GPT-5.6 Luna, Qwen3.8 Max und Kimi K3.
