Tencent представи Hy4 с разбиране на изображения и автономно управление

Tencent пусна Hy4 — първия си мултимодален езиков модел, който разбира изображения и може самостоятелно да управлява софтуер. Компанията посочва, че моделът е обучен с много повече данни от предшественика си и е оптимизиран за програмиране, финанси, офис задачи и професионални инструменти като Blender и CAD приложения. Теглата на модела ще бъдат публикувани на по-късен, все още неопределен етап. Засега Hy4 е достъпен чрез Tencent Cloud, OpenRouter и приложенията на Tencent, включително чатбота Yuanbao.

Моделът може да анализира детайли във фотографии и сложни диаграми, да създава изрязани части от изображения чрез код и да изпълнява последователности в няколко приложения. Tencent го е адаптирал за Unreal, Unity, Godot и играта Honor of Kings. В собствена финансова оценка с почти 600 реални задачи Hy4 е изпреварил няколко китайски конкуренти. Според вътрешни тестове обновеното търсене е намалило честотата на халюцинациите при уеб проучване от близо 16% до около 5%.

Artificial Analysis даде на Hy4 35 точки в своя Intelligence Index. Това го поставя на второ място сред моделите на китайски лаборатории, след Kimi K3.1 Pro с 46 точки. Независимата оценка отчита слаба фактическа надеждност без търсене, а Tencent признава изоставане при напреднала математика, дълги кодови проекти и сложен анализ на изображения. Цената е около $0,83 за милион входни токени и $2,50 за милион изходни.