Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarX: @ArtificialAnlys→ original

El modelo Hy4 de Tencent corrige el 76% de las vulnerabilidades reales del código y supera a DeepSeek en 6 puntos

Tencent ha lanzado el modelo Hy4, y el laboratorio Artificial Analysis ha comprobado cómo encuentra y corrige agujeros reales en el código. En la prueba CWE-Bench-AA resolvió el 76% de las tareas, 6 puntos más que DeepSeek V4.1 Flash. En su Cyber Index agregado logra un 58%, en tercer lugar detrás de Kimi K3.1 Pro (64%) y GPT-6 Sol (69%). Para la revisión automática de código es una opción sólida, con un coste de unos $0,92 por tarea.

Procesado por IA desde X: @ArtificialAnlys; editado por Hamidun News
El modelo Hy4 de Tencent corrige el 76% de las vulnerabilidades reales del código y supera a DeepSeek en 6 puntos
Fuente: X: @ArtificialAnlys. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @ArtificialAnlys ↗
Editor jefe
CWE-Bench-AAel agente busca y corrige vulnerabilidades reales del catálogo CWE
Dato clave #22 puntos por encima de Grok 4.7 (xhigh) y unas 11 veces más barato
Dato clave #3Cada tarea consume 64 mil tokens de salida, un 43% menos que DeepSeek

Imagine que en su repositorio hay un fallo clásico: una consulta a la base de datos se construye a partir de la entrada del usuario, y por ahí se pueden extraer datos ajenos. Lo que se necesita es que un agente de IA encuentre por sí mismo ese punto, entienda la causa y proponga una corrección. Cada vez se encargan más tareas de este tipo a los modelos, y aquí importan dos cosas: con qué frecuencia el modelo lo consigue y cuánto cuesta ejecutarlo en un gran número de tareas.

El laboratorio independiente Artificial Analysis evaluó el nuevo modelo Hy4 de Tencent y obtuvo un resultado razonable en ambos aspectos: 76% de tareas resueltas en la prueba de búsqueda y corrección de vulnerabilidades, y unos $0,92 por tarea.

Qué significan las cifras de la prueba

Artificial Analysis mantiene su propio Cyber Index, un ranking agregado de lo bien que se desempeñan los modelos en tareas de ciberseguridad. Hy4 obtuvo un 58% en él. Es el tercer puesto: un punto por delante de DeepSeek V4.1 Flash 1017 (max), pero por detrás de Kimi K3.1 Pro (64%) y GPT-6 Sol (Daybreak Blue, max), con un 69%. GPT-6 Sol aparece en esta configuración con la marca trusted-access: su acceso no se ofrece a todo el mundo, sino a usuarios verificados.

El resultado más llamativo de Hy4 llegó en la prueba específica CWE-Bench-AA. Así se llama la implementación de Artificial Analysis del benchmark CWE-bench v1. Al agente se le entregan vulnerabilidades reales de software, y debe encontrarlas y corregirlas. CWE es un catálogo de referencia de tipos de debilidades de software, desde el desbordamiento de búfer hasta las inyecciones SQL. Hy4 resolvió el 76% de las tareas, la primera posición. Le saca 6 puntos a DeepSeek V4.1 Flash 1017 (max).

Dinero y tokens

El precio de la API de Hy4 es de $0,834 por millón de tokens de entrada y $2,501 por millón de tokens de salida. Pero un agente piensa y escribe mucho, así que para él importa más el coste por tarea completa. Artificial Analysis lo estima en $0,92. Con ese coste, Hy4 se sitúa en la frontera de Pareto en el eje capacidad-precio: no hay en la comparación ningún modelo que sea a la vez más capaz y más barato.

Los vecinos en el ranking son estos:

  • Grok 4.7 (xhigh) obtiene 2 puntos menos y cuesta unas 11 veces más;
  • DeepSeek V4.1 Flash 1017 (max) queda 1 punto por detrás en el índice general y cuesta aproximadamente la mitad que Hy4.

En otras palabras, Hy4 no es el modelo más barato de la comparación, pero sí es notablemente más sólido en la búsqueda y corrección de vulnerabilidades.

También hay datos sobre la verbosidad. Hy4 consume unos 64 mil tokens de salida por tarea. Es un 43% menos que DeepSeek V4.1 Flash 1017 (max) y un 37% menos que Grok 4.7 (xhigh). Sin embargo, escribe un 49% más que Kimi K3.1 Pro y un 56% más que GPT-6 Sol. Cuantos menos tokens, más rápido y barato funciona el agente, así que en este indicador Hy4 se sitúa en la mitad de la lista.

Qué hacer con esto

Si integra la IA en la revisión de código, el análisis de dependencias o los parches automáticos, conviene añadir Hy4 a la lista de pruebas. Sobre todo cuando el presupuesto es limitado y se necesita más precisión que la que ofrecen los modelos más baratos.

Las salvedades son estas:

  • Estos datos proceden de un único laboratorio independiente y de su propia implementación del benchmark. En sus repositorios, lenguajes y errores habituales el resultado puede ser distinto.
  • En el índice general Hy4 queda por detrás de Kimi K3.1 Pro y GPT-6 Sol. Si lo que necesita es el máximo en todas las tareas de ciberseguridad, y no solo en búsqueda y corrección de vulnerabilidades, la elección podría ser otra.
  • GPT-6 Sol tiene acceso restringido, así que para un equipo corriente una comparación directa no siempre es realista.

El plan práctico es sencillo. Tome entre 20 y 50 errores reales o CVE de su propia base de código, ejecútelos con Hy4 y con un par de competidores, y compare la proporción de correcciones válidas y el coste final por tarea. Con ese precio quedará claro si puede lanzar el agente en cada commit o solo en los módulos críticos.

Para el mercado, la noticia también es reveladora. Los laboratorios chinos ocupan cada vez con más firmeza los primeros puestos de los rankings aplicados, y la competencia ya no se libra solo en precisión, sino también en el coste por tarea resuelta.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué significan las cifras de la prueba?

Artificial Analysis mantiene su propio Cyber Index, un ranking agregado de lo bien que se desempeñan los modelos en tareas de ciberseguridad. Hy4 obtuvo un 58% en él. Es el tercer puesto: un punto por delante de DeepSeek V4.1 Flash 1017 (max), pero por detrás de Kimi K3.1 Pro (64%) y GPT-6 Sol (Daybreak Blue, max), con un 69%. GPT-6 Sol aparece en esta configuración con la marca trusted-access: su acceso no se ofrece a todo el mundo, sino a usuarios verificados.

¿Qué se sabe sobre Dinero y tokens?

El precio de la API de Hy4 es de $0,834 por millón de tokens de entrada y $2,501 por millón de tokens de salida. Pero un agente piensa y escribe mucho, así que para él importa más el coste por tarea completa. Artificial Analysis lo estima en $0,92. Con ese coste, Hy4 se sitúa en la frontera de Pareto en el eje capacidad-precio: no hay en la comparación ningún modelo que sea a la vez más capaz y más barato.

¿Qué se sabe sobre Qué hacer con esto?

Si integra la IA en la revisión de código, el análisis de dependencias o los parches automáticos, conviene añadir Hy4 a la lista de pruebas. Sobre todo cuando el presupuesto es limitado y se necesita más precisión que la que ofrecen los modelos más baratos. Las salvedades son estas: Estos datos proceden de un único laboratorio independiente y de su propia implementación del benchmark. En sus repositorios, lenguajes y errores habituales el resultado puede ser distinto.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…