API Hy4-preview pour le codage et les agents à long horizon

Hy4 preview est un modèle phare texte-à-texte publié par le Tencent Hy Team le 28 août 2026. Il est aussi recherché sous les noms Tencent Hy4, Tencent Hunyuan 4, Hunyuan4 API et Hy4-preview API, mais le checkpoint public officiel s'appelle Hy4 preview. GPTProto fournit un accès API hébergé au modèle, tandis que Tencent publie séparément des poids téléchargeables pour les équipes qui veulent exploiter leur propre pile d'inférence.

Le modèle utilise une architecture Mixture-of-Experts avec 770 milliards de paramètres de backbone et 49 milliards activés pour chaque token. Son backbone de 78 couches contient une couche feed-forward dense suivie de 77 couches MoE. Chaque couche MoE possède 256 experts routés et un expert partagé, avec huit experts routés sélectionnés par token. Une couche MTP native distincte prend en charge le décodage spéculatif.

La fiche modèle de Tencent indique une longueur de contexte de 1M de tokens et décrit Gated DeepSeek Sparse Attention avec IndexCache pour la réutilisation d'index sparse. Ce checkpoint preview accepte du texte et renvoie du texte ; il n'accepte pas nativement les images, l'audio ou la vidéo.

Applications de l'API Hy4-preview

Codage à l'échelle d'un dépôt : Donnez à un agent de codage suffisamment de contexte pour inspecter l'architecture, les interfaces, les tests, les journaux et les fichiers associés avant de proposer un correctif. Tencent met particulièrement en avant des améliorations en matière de planification, de débogage, de vérification et de qualité de mise en œuvre front-end.

Flux de travail d'agents à long horizon : Utilisez le modèle pour des tâches qui exigent une planification, une exécution, une inspection et une révision répétées. L'application d'agent environnante doit toujours contrôler les outils, les autorisations, les délais d'attente, les tentatives et les contrôles d'acceptation, plutôt que de considérer la sortie du modèle comme automatiquement vérifiée.

Travail sur documents et données : Analysez des informations réparties sur de longs documents, produisez des résumés structurés et prenez en charge des flux de travail qui créent des documents, des feuilles de calcul, des présentations, des équations ou des analyses financières.

Développement de jeux et recherche : Prototypez la logique de jeu par itération multitour ou aidez à résoudre des problèmes de recherche difficiles dans des domaines tels que le développement de l'IA, la dynamique moléculaire, la physique de la matière condensée et les mathématiques. Les sorties doivent être examinées par rapport aux preuves du domaine avant utilisation.

Améliorations de Hy4-preview et compromis connus de la preview

Tencent décrit Hy4 preview comme un changement de génération majeur entraîné par des augmentations de taille du modèle, de longueur de contexte, de données d'entraînement et de post-entraînement. L'entreprise a également co-conçu le modèle avec des produits tels que CodeBuddy et WorkBuddy, ce qui donne à cette version une orientation plus forte vers la productivité de bout en bout plutôt que vers des invites d'évaluation courtes et isolées.

Le mot preview compte. Tencent indique que ce checkpoint précoce peut raisonner plus longtemps que nécessaire sur des tâches difficiles et peut sur-vérifier son propre travail. Pour les demandes courtes de classification, d'extraction ou de formatage, comparez la latence et l'utilisation de tokens avec un modèle plus petit. Pour les longs cycles de codage ou d'agent, testez l'achèvement des tâches, la validité des appels d'outils, le volume de tokens générés et la récupération après des étapes échouées avant d'envoyer du trafic de production.

Hy4-preview vs GLM-5.3 et Kimi K3

Tencent a mené une évaluation interne en aveugle dans laquelle 163 experts ont examiné les sorties de 203 tâches d'ingénierie. Hy4 preview a reçu une note moyenne de 2.99/4.00, contre 2.92 pour GLM-5.3 et 2.94 pour Kimi K3.

Ces chiffres ont été rapportés par Tencent et n'ont pas été reproduits indépendamment par GPTProto. Ils suggèrent que Hy4 est compétitif sur l'ensemble des tâches d'ingénierie de Tencent, et non qu'il remporte toutes les charges de travail de codage. Une comparaison API équitable doit réutiliser le même instantané de dépôt, invite système, définitions d'outils, budget de tokens et contrôles réussite/échec pour tous les modèles.

API Hy4-preview hébergée vs auto-hébergement des poids ouverts

Les poids ouverts ne rendent pas l'inférence gratuite sur le plan opérationnel. Le déploiement de référence de Tencent utilise des configurations spécialisées vLLM ou SGLang pour l'attention sparse, le décodage spéculatif MTP, l'analyse du raisonnement et l'analyse des appels d'outils. L'accès hébergé supprime ce travail de service, tandis que l'auto-hébergement reste la meilleure option lorsque le contrôle de l'infrastructure importe plus que le temps de mise en place.

Quand devriez-vous choisir Hy4-preview ?

Choisissez Hy4 preview lorsque votre application bénéficie d'une compréhension de code à grand contexte, d'une analyse inter-documents, d'une planification soutenue ou d'un accès à un modèle phare à poids ouverts sous Apache 2.0 sans exécuter vous-même le checkpoint. Il est particulièrement pertinent pour les développeurs qui évaluent des modèles frontières chinois pour des charges de travail de codage et d'agents via un compte API partagé.

Utilisez un modèle plus petit ou plus mature lorsque les requêtes sont courtes, sensibles à la latence ou très répétitives. Comme il s'agit d'une version preview avec des comportements connus de sur-raisonnement et de sur-vérification, validez le coût, le temps de réponse, la réussite des tâches et la cohérence des sorties sur votre propre charge de travail avant d'en faire le modèle par défaut.