Tencent выпустила Hy4: ИИ управляет ПК, но без поиска врёт в 89% незнакомых вопросов

Tencent выпустила Hy4 — языковую модель, которая впервые умеет понимать изображения и сама управлять программами: открывать Blender, CAD-редакторы, Word, Excel и PowerPoint. Но у неё есть важная оговорка. В независимом рейтинге Artificial Analysis она набрала 35 баллов (медиана по рынку — 30), то есть вошла в число сильных, но не лучших моделей и заняла лишь второе место среди китайских.

А когда у Hy4 нет доступа к веб-поиску и она не знает ответа, то в 89% случаев не признаётся в этом, а выдумывает. Представьте, что вы спрашиваете её о параметре конфигурации библиотеки, которой не было в обучающих данных: с поиском она, скорее всего, найдёт документацию, а без него уверенно напишет несуществующую опцию. Поэтому практический вывод простой: Hy4 стоит пробовать там, где у неё есть источники и инструменты, и не доверять её памяти.

Что умеет Hy4

Главная новинка — понимание изображений. Раньше модель работала только с текстом, теперь она разбирает фотографии и сложные схемы. В демо Hy4 искала деталь размером около двух метров на крыше склада на аэроснимке в 2,8 гигапикселя. Для этого она сама, через код, нарезала снимок на фрагменты и просматривала их по очереди — так человек увеличивает нужный участок карты.

Вторая новинка — управление компьютером. Модель обучали на профессиональных инструментах вроде Blender и CAD-программ, а также на задачах, где нужно последовательно работать в нескольких приложениях. Ещё она умеет совместно с человеком править файлы Word, Excel и PowerPoint в реальном времени.

Для разработчиков игр Tencent адаптировала модель под Unreal, Unity и Godot. По словам команды, в мобильной игре Honor of Kings Hy4 почти безошибочно справляется с задачами конфигурации и гораздо чаще находит первопричины багов.

Что говорит Tencent и что показывают независимые тесты

По данным самой Tencent, в тесте с участием более 200 финансовых специалистов и почти 600 реальных задач Hy4 обошла китайские Deepseek V4.1 Flash, Kimi K3.1 Pro и GLM-5.3 Flash. Доля выдуманных фактов при веб-исследованиях, по внутренним замерам, упала с почти 16% до около 5% — благодаря переработанному поиску. Партнёры, включая финансовую платформу Comein и агентную платформу Manus, тоже хвалят модель, но опираются на собственные тесты. В оценке Tencent Claude Opus 5.5 опережает Hy4 во всех двенадцати бенчмарках, а GPT 6.1 Sol — в восьми.

Независимая картина скромнее. Intelligence Index от Artificial Analysis объединяет работу со знаниями, код, науку и общую эрудицию. Там у Hy4 35 баллов при медиане 30 — столько же, сколько у Grok 4.7. Лидер среди китайских моделей, Kimi K3.1 Pro, набрал 46. Примерно на уровне Hy4 находится самая маленькая модель Anthropic Haiku 5.5, которая при этом стоит почти вдвое дешевле за задачу в бенчмарке.

В тесте фактической точности AA-Omniscience Hy4 отвечает правильно примерно на половину вопросов из того, что запомнила при обучении. На сложной математике разрыв огромен: в Hy-FrontierMath T5 у неё 13,0 балла против 97,5 у GPT 6.1 Sol и 91,3 у Claude Opus 5.5. Сама Tencent признаёт, что в длинных кодовых проектах и сложном анализе изображений модель сильно отстаёт от лучших коммерческих.

Модель, которая помогает обучать другие

Вместе с агентной системой Hyra 2.0 Hy4 оптимизировала внутреннюю инфраструктуру обучения небольших моделей Tencent: пропускная способность выросла примерно на 20% на шести этапах. Затем модель самостоятельно обучила собственную версию Jev — модели принятия решений американского стартапа TypeSafe AI. Эта версия обошла оригинал в шести из восьми бенчмарков. Две специализированные модели для биологии и физики, созданные таким способом, Tencent выложит в открытый доступ. Проверить эти заявления снаружи пока нельзя.

Безопасность, цена и контекст

Веса Hy4 обещают открыть, но срок не назван. Пока доступ только через Tencent Cloud, OpenRouter и приложения Tencent, например чат-бот Yuanbao. Компания говорит, что при обучении отфильтровала материалы о взломах, её лаборатории не нашли повышенного риска злоупотреблений, а биологические риски лежат заметно ниже порога. Подробный отчёт по безопасности выйдет вместе с весами.

Цена осталась как у превью: около $0,83 за миллион входных токенов и $2,50 за миллион выходных. Следом планируется более быстрая и дешёвая версия Hy4 flash.

Hy3 на 295 млрд параметров вышла под лицензией Apache 2.0 в июле, но китайские конкуренты с тех пор ушли вперёд: GLM-5.3, Deepseek V4.1-Flash-1017, Kimi K3.1 Pro. Разрыв между открытыми моделями и лидерами вырос с 3 до 12 пунктов. В октябре власти Китая опубликовали проект правил экспортного контроля для весов моделей из мирового топ-10 или больше двух триллионов параметров; для открытых релизов предусмотрен ускоренный порядок с автоматическим одобрением.

Что с этим делать

Hy4 имеет смысл тестировать в офисной автоматизации, финансовой аналитике, работе с документами и игровых инструментах — везде, где у неё есть поиск и доступ к источникам. Для сложной математики, длинных кодовых проектов и ответов «из головы» без источников надёжнее остаются топовые закрытые модели. Цифры Tencent и её партнёров перепроверяйте на своих данных: независимые оценки заметно скромнее.