2026年08月31日 10時44分 AI

TencentがAIモデル「Hy4 preview」を公開、一部テストでGPT-5.6 Solを上回る＆213GBまで軽量化した1bit量子化版も公開される

中国の大手テクノロジー企業であるTencentがAIモデル「Hy4 preview」を2026年8月28日に公開しました。GPT-5.6 Solなどの最先端モデルに匹敵する性能を備えており、オープンモデルとして無償公開されています。

Introducing Hy4 preview | Tencent Hy
https://hy.tencent.ai/research/hy4-preview

🚀 Hy4 preview is here.

770B, 49B active, 1M context.
Built for productivity.
Open source frontier.
Consistent affordable price.
Use it. Tell us what breaks.

More on Hy blog：https://t.co/rbl1IWRk3C
HuggingFace：https://t.co/mE9wevH5XR
Github：https://t.co/pyl9zckpoL pic.twitter.com/4iW6gSuZKr
— Tencent Hy (@TencentHunyuan) August 28, 2026

Hy4 previewは総パラメーター数7700億・アクティブパラメーター数490億のMoEモデルで、最大コンテキスト長は100万トークンです。

TencentはHy4 previewを「最先端のオープンモデル」とアピールしています。「Hy4 preview(濃い青)」「Hy3(水色)」「Qwen3.8 Max」「DeepSeek V4 Pro 0813」「GPT-5.6 Sol」「GLM-5.3」「Kimi K3」「Claude Opus 5」の各種ベンチマーク結果が以下。Hy4 previewはエージェント性能を測定するSWE Atlas RefactoringでGPT-5.6 Solを上回っています。

SWE-bench ProでもGPT-5.6 Solを上回りました。

Tencent Hy4 Preview leads on SWE-bench Pro. 770B, 49B active, 1M context, and their biggest generational leap measured to date.

It’s exciting to see another open weights model compete against the frontier.

Try in Cline with:
1. npm i -g cline
2. /model
3. Select Hy4 preview pic.twitter.com/ZHGocCJCnU
— Cline (@cline) August 28, 2026

Hy4 previewは長期的なタスクの理解・計画・検証といった能力が向上し、ドキュメント作成やゲーム開発など幅広いタスクに対応可能とのこと。

100万トークン当たりのAPI料金はキャッシュ済み入力が0.042ドル(約6.7円)、通常の入力が0.834ドル(約133.4円)、出力が2.501ドル(約400.0円)です。

Hy4 previewはオープンモデルとして公開されており、以下のリンク先からダウンロード可能。ライセンスはApache License 2.0です。ただし、Hy4 previewを実行するには約1.5TBものVRAMが必要です。

tencent/Hy4-preview · Hugging Face
https://huggingface.co/tencent/Hy4-preview

TencentはHy4-previewの量子化版も公開しており、Q4_K_M版なら435GiB、STQ1_0版なら214GiBのVRAMで実行可能です。

We compressed Hy4-preview from 1.5TB to ～200GiB GGUF and it still works well !

Meet MIX-STQ1_0.The trick isn’t just going low, it’s deciding where: calibration data picks each layer’s bit-width, some down to 1.31-bit STQ1_0, some up to 2.06-bit IQ2_XXS. Same budget, lower… https://t.co/HItkQ1TSxA pic.twitter.com/xK8d3BH5br
— Tencent Hy (@TencentHunyuan) August 29, 2026

STQ1_0版は「量子化する対象を選択し、1.31-bit STQ1_0と2.06-bit IQ2_XXSを使い分ける」という手法を採用しており、性能劣化を抑えることに成功したとのこと。以下のグラフはBF16版(量子化を施していないオリジナルモデル)とSTQ1_0版のベンチマークスコアを比較したもので、サイズの差に対して性能の差が小さいことが分かります。