Hy4 چه ویژگی‌هایی دارد؟
طبق گزارش TechNode، شرکت Tencent مدل Hy4 Preview را در تاریخ ۲۸ آگوست ۲۰۲۶ منتشر کرده است. این مدل در مجموع ۷۷۰ میلیارد پارامتر دارد که از میان آن‌ها، ۴۹ میلیارد پارامتر در هر مرحله فعال می‌شوند. Hy4 همچنین از یک پنجره متنی با ظرفیت بیش از ۱ میلیون توکن بهره می‌برد؛ قابلیتی که به مدل اجازه می‌دهد حجم بسیار زیادی از اطلاعات را در یک درخواست پردازش و هنگام انجام وظایف پیچیده، زمینه متنی گسترده‌تری را در اختیار داشته باشد. Tencent این مدل را برای کاربردهایی مانند کدنویسی، انجام امور اداری، تحلیل داده، توسعه بازی و تحقیقات علمی توسعه داده است.
دسترسی کاربران به Hy4
کاربران می‌توانند به Hy4 از طریق نسخه‌های چینی و بین‌المللی سرویس‌های WorkBuddy و CodeBuddy دسترسی داشته باشند. این مدل همچنین از طریق سرویس‌های Yuanbao و ima در دسترس قرار گرفته است. در بخش API نیز دسترسی به Hy4 از طریق Tencent Cloud TokenHub و OpenRouter ارائه می‌شود. کاربران WorkBuddy و CodeBuddy می‌توانند برای مدت محدودی و به‌مدت دو هفته به‌صورت رایگان از این مدل استفاده کنند. دسترسی API نیز با قیمت ۰.۸۳۴ دلار به ازای هر یک میلیون توکن ورودی و ۲.۵۰۱ دلار به ازای هر یک میلیون توکن خروجی ارائه شده است.
عملکرد Hy4 در ارزیابی داخلی Tencent
Tencent برای بررسی عملکرد Hy4 یک ارزیابی داخلی و ناشناس انجام داده است که در آن ۱۶۳ متخصص و ۲۰۳ وظیفه مهندسی مشارکت داشته‌اند. در این ارزیابی، Hy4 Preview میانگین امتیاز ۲.۹۹ از ۴ را به دست آورده است. برای مقایسه، مدل GLM 5.3 امتیاز ۲.۹۲ و Kimi K3 امتیاز ۲.۹۴ کسب کرده‌اند. این نتایج نشان می‌دهد Hy4 در ارزیابی داخلی Tencent عملکردی نزدیک به مدل‌های رقیب داشته است؛ با این حال، از آنجا که این ارزیابی توسط خود Tencent انجام شده، برای قضاوت دقیق‌تر درباره توانایی‌های واقعی مدل، نتایج آزمون‌های مستقل و تجربه کاربران در مقیاس گسترده‌تر نیز اهمیت زیادی خواهد داشت.
Tencent اعلام کرده است که از Hy4 برای بهینه‌سازی بخش‌هایی از سیستم‌های آموزش و استنتاج مدل‌های هوش مصنوعی خود استفاده می‌کند. به گفته این شرکت، استفاده از Hy4 باعث افزایش ۳۱.۸ درصدی توان عملیاتی سرتاسری سیستم نسبت به خط مبنا شده است.
Hy4 با ۷۷۰ میلیارد پارامتر و پنجره متنی بیش از یک میلیون توکن، بخشی از تلاش Tencent برای توسعه مدل‌های بزرگ و کاربردی است. با این حال، برای ارزیابی دقیق‌تر عملکرد آن، همچنان به آزمون‌های مستقل و تجربه کاربران در مقیاس گسترده‌تر نیاز است.
منبع: TechNode
نظرات کاربران