Tencent Hy4 preview: 770 miliard parametrů a 1M kontext. Útočí na nejtěžší AI práci

Co je Hy4 preview

Hy4 preview je nová vlajková loď čínského modelu Hunyuan. Jde o model se smíšenou architekturou (MoE, mixture of experts): z celkových 770 miliard parametrů se při každém výpočtu aktivuje jen 49 miliard. To je přesně ten trik, který dnes používají i konkurenční modely — velká znalostní kapacita, ale nižší výpočetní náročnost při běhu. Kontextové okno přes milion tokenů znamená, že model dovede „přečíst“ najednou rozsáhlé dokumenty, kódové repozitáře nebo několik souborů najednou, což je klíčové pro agentní práci.

Tencent model škáloval na třech frontách — velikosti, délce kontextu a trénovacích datech. Podle oficiálního blogu jde o největší mezigenreční nárůst schopností, jaký kdy ve firmě naměřili, a model se tím dostává na špičku otevřených modelů („open-source frontier“).

Kdo je Tencent a proč na to má prostředky

Čeští čtenáři znají Tencent hlavně přes WeChat — v Číně dominantní aplikaci pro zprávy, platby i prakticky všechno ostatní. Firmy ze Šen-čenu založené v roce 1998 ale zdaleka nejsou jen o chatu. Provozují QQ, jednu z největších čínských komunikačních služeb, a hlavně gigantické herní portfolio — stojí za Riot Games (League of Legends) a mají podíl v Epic Games (Fortnite).

Právě tohle je důležité pro vývoj AI. Tencent má obrovskou uživatelskou základnu, vlastní cloud (Tencent Cloud), rozsáhlá data a peníze na datacentra i výzkumný tým. K tomu provozuje Tencent AI Lab a řadu spotřebitelských AI produktů, jako je asistent Yuanbao, poznámkovací aplikace ima nebo kódovací a kancelářské nástroje CodeBuddy a WorkBuddy. Hunyuan je značka pro jejich vlastní velké jazykové modely, které soupeří s čínskou konkurencí — DeepSeek, Qwen od Alibaby, GLM od Zhipu nebo Kimi od Moonshotu.

Proč model zaujme: jde po nejtěžší práci

Hlavní sdělení Tencentu je, že Hy4 preview nedělá největší pokroky v jednoduchém chatování, ale v dlouhohorizontových úlohách, které dřív AI nesesedla. Konkrétní příklady z oficiálního oznámení:

• Vývoj softwaru — lepší porozumění, plánování, ladění i ověřování rozsáhlých úloh. Tencent tvrdí, že model zlepšil i „vizuální vkus“ front-endové práce; jako ukázku zveřejnil desktopový 3D prohlížeč pro sedm čínských historických budov ve stylu muzejního výzkumného spisu.
• Kancelářská a analytická práce — z roztříštěného kontextu napříč mnoha soubory umí vytvořit sdílené výstupy: dokumenty, tabulky a prezentace. Příklad: kontrola 24 žádostí o proplacení nákladů včetně politik, rozpočtů a e-mailů, s přehledovou tabulkou a seznamem podezřelých podvodů.
• Vývoj her — z jednoho promptu údajně vytvoří hratelný prototyp a plynule pracuje s herními enginy. Ukázka: 3D hra v Unity/Tuanjie o tučňákovi, který prozkoumává sněhové pole, sbírá bobule, otevírá truhly a bojuje s monstry.
• Vědecký výzkum — tvrdší rozumění a řešení problémů v AI výzkumu, molekulární dynamice, fyzice kondenzovaných látek i čisté matematice. Tencent uvádí, že Hy4 preview řídil několik paralelních „Codex sessions“ a v roli výzkumníka porazil samostatně pracující Codex napříč osmi benchmarky.

Model vznikal ve spolupráci s interními experty Tencentu — softwarovými inženýry, vývojáři her, finanční analytiky a bezpečnostními specialisty — takže trénovací data měla odrážet skutečnou práci, kterou tyto týmy denně dělají.

Srovnání s konkurencí: kde je pravda

Nejčastěji citované číslo je z vnitřního zaslepeného hodnocení, které provedlo 163 interních expertů na 203 inženýrských úlohách. Hy4 preview dosáhl průměru 2,99 ze 4, zatímco GLM 5.3 od Zhipu 2,92 a Kimi K3 od Moonshotu 2,94. Podle Tencentu byl Hy4 preview mírně před oběma, s podílem vítězství 46,8 % proti GLM 5.3 a 51,2 % proti Kimi K3. Ve stejném hodnocení po 46,8 % výher následuje 12,8 % remíz a 40,4 % proher — to znamená, že se nejedná o drtivý rozdíl, ale o těsné vítězství.

K těmto číslům je třeba přistupovat kriticky. Jde o hodnocení výrobcem, nikoli o nezávislé redakční měření — srovnání proběhlo na interních úlohách Tencentu. K oficiální benchmarkové příloze Tencent uvádí, že Hy4 preview vede v řadě dlouhohorizontových kódovacích a agentických testů (Terminal-Bench 2.1, SWE-bench, ProgramBench a další) a výrazně překonává předchozí generaci Hy3. Konkrétní čísla u konkurenčních modelů jako GPT-5.6 nebo Claude Opus 5 z přiloženého grafu nelze bez čitelného originálu spolehlivě přiřadit, takže je raději neuvádíme jako tvrzené pořadí.

Jeden zajímavý údaj navíc: Tencent tvrdí, že Hy4 preview pomohl optimalizovat jeho vlastní tréninkové a inference systémy a zvýšit end-to-end propustnost o 31,8 % oproti základnímu stavu. Opět jde o tvrzení výrobce.

Cena a dostupnost

Hy4 preview je open-source a dostupný hned přes OpenRouter a Tencent Cloud TokenHub. Funguje i v produktech Tencentu — CodeBuddy, WorkBuddy, Yuanbao a ima.

API cena za milion tokenů:

• Cached input (zapamatovaný kontext): 0,042 USD
• Input: 0,834 USD
• Output: 2,501 USD

Výrobce navíc nabízí dvoutýdenní neomezený přístup zdarma k modelu v aplikacích WorkBuddy a CodeBuddy, a to v čínské i mezinárodní verzi.

Známé slabiny: brzká verze

Tencent sám přiznává, že jde o ranou verzi modelu. Mezi známé problémy patří, že Hy4 preview tráví zbytečně dlouho uvažováním u komplexních úloh a má tendenci příliš ověřovat vlastní práci — tedy dělat více práce, než je nutné. Firma ale říká, že raději model vypustí brzy a nechá si posílat zpětnou vazbu, což podle ní fungovalo už u předchozího Hy3 preview, který se tím výrazně vylepšil. Očekávat vylepšení urychlení a preciznosti je tedy namístě — ale zatím není potvrzené.

Co to znamená pro české uživatele

Pro české vývojáře a firmy je hlavní cesta přes OpenRouter, kde se dá model volat API obvyklým způsobem — bez nutnosti provozovat vlastní infrastrukturu. To je reálná možnost i pro český trh, ačkoli ceny jsou v dolarech a Tencent neuvádí žádnou českou lokalizaci rozhraní.

Provozovat model lokálně si naopak nedovolí málokdo. I když je Hy4 preview MoE s 49 miliardami aktivních parametrů, celkový model je 770miliardový — běh takto velkého modelu vyžaduje serverové GPU a je mimo dosah běžného vybavení. Pro evropské firmy navíc zůstává otevřená otázka GDPR a AI Act při zpracování citlivých dat přes čínské API — což není argument proti modelu, ale věc, kterou je třeba při nasazení do provozu zvážit.