Tencent veröffentlicht Hy4 Preview als Open Source: Kosten und Nachweislücken hinter 770B Parametern und einer Million Token Kontext
Kurzfassung
Tencent Hy4 preview tritt mit 770B Gesamtparametern, 49B aktiven Parametern und mehr als einer Million Token Kontext in den Open-Model-Markt ein; interne Tests, Inferenzkosten und 31,8 Prozent mehr Durchsatz müssen extern reproduziert werden.
Das Kostenversprechen von Tencent Hy4 preview lässt sich in den kommenden drei bis sechs Monaten prüfen. Wenn Entwickler den Versuch mit derselben Eingabe von einer Million Token, derselben Parallelität und derselben Hardware wiederholen, den von Tencent genannten Durchsatzgewinn aber nicht annähernd erreichen, oder wenn die für dieselben Entwicklungsaufgaben benötigten Ausgabetoken den Preisvorteil aufzehren, belegt die Veröffentlichung nur die Verfügbarkeit und keine günstigere Produktion. Tencent veröffentlichte das Modell am August 28, 2026 und stellte es als Open Source bereit. Tencent und TechNode nennen 770B total parameters, 49B aktive Parameter und ein Kontextfenster von mehr als einer Million Token.
Das Modell ist über WorkBuddy, CodeBuddy, Yuanbao und ima verfügbar. Entwickler können es außerdem über Tencent Cloud TokenHub und OpenRouter per API aufrufen. WorkBuddy und CodeBuddy bieten zwei Wochen lang kostenlosen Zugang. Die API kostet 0,834 US-Dollar je Million Eingabetoken, 2,501 US-Dollar je Million Ausgabetoken und 0,042 US-Dollar je Million Token aus dem Cache. Mit diesen Preisen lässt sich eine Token-Rechnung aufstellen, aber nicht der Preis einer abgeschlossenen Aufgabe. Die Gesamtkosten hängen auch von Wiederholungen nach Fehlern, der Ausgabelänge und der Latenz bei nahezu einer Million Token ab.
Tencent nennt Softwareentwicklung, Büroarbeit, Datenanalyse, Spieleentwicklung und wissenschaftliche Forschung als Einsatzgebiete. An der internen Blindbewertung nahmen 163 Fachleute mit 203 Entwicklungsaufgaben teil. Hy4 preview erreichte im Mittel 2,99 von 4,00 Punkten; GLM-5.3 kam auf 2,92 und Kimi K3 auf 2,94. Der Abstand beträgt damit nur 0,05 bis 0,07 Punkte. Tencent veröffentlichte weder die Übereinstimmung der Bewertenden noch die Aufgabenverteilung, Modelleinstellungen oder statistische Intervalle. Die Zahlen beschreiben ein internes Ergebnis und ersetzen keinen unabhängigen Test.
Die Ankündigung enthält eine zweite messbare Aussage zum Inferenzsystem. Laut Tencent analysierte das Modell Engpässe und optimierte wiederholt die Zusammenführung von Operatoren sowie die Kommunikation. Dadurch sei der End-to-End-Durchsatz gegenüber einer Vergleichsbasis um 31,8 Prozent gestiegen, und zwar bei unterschiedlichen Kontextlängen und Parallelitätsstufen. Das Unternehmen nennt jedoch weder die Hardware der Vergleichsbasis noch die absolute Tokenrate, Latenzperzentile oder den Stromverbrauch. Ohne diese Nenner kann ein Einkäufer nicht unterscheiden, welcher Anteil vom Modell, vom Software-Stack oder von einer bestimmten Cluster-Konfiguration stammt.
Tencent setzte Hy4 preview außerdem bei Trainingsmethoden, Datenstrategien, Bewertungsrahmen und hardwarenahen Operatoren ein. Nach Angaben des Unternehmens schlug das Modell Ansätze vor, führte Experimente aus und speiste Code, Protokolle und Rückmeldungen in eine weitere Erkundungsrunde ein. Tencent bezeichnet dies als frühe rekursive Selbstverbesserungsschleife. Die veröffentlichten Informationen zeigen nicht, dass das Modell sein Trainingsziel selbst bestimmt, Rechenleistung beschafft oder Änderungen ohne Freigabe ausrollt. Ingenieure setzen weiterhin die Grenzen des Experiments. Belegt ist damit ein automatisierter Forschungsablauf, kein unbeaufsichtigtes System, das sich selbst aktualisiert.
Drei Ergebnisse würden die Einordnung erleichtern: ob Dritte die interne Rangfolge mit öffentlichen Aufgaben reproduzieren, welche Gesamtkosten eine abgeschlossene Aufgabe mit einer Million Token verursacht und wie viel vom Durchsatzplus von 31,8 Prozent auf anderer Hardware verbleibt. TechNode bestätigte Preise, Umfang der Bewertung und Vertriebswege unabhängig, übernahm bei der Leistung aber ebenfalls die Angaben von Tencent. Externe Tests mit offengelegter Hardware, Tokenmenge, Latenz und fehlgeschlagenen Wiederholungen können zeigen, ob die Modellgröße in eine kaufbare Produktionseffizienz mündet.
Quellen:
Verwandte Artikel
Google bringt TPUs ins All: Ein 15-Minuten-Test ist noch kein Dauerbetrieb
Google und Planet starten einen Suncatcher-Prototyp für Gemma-Tests mit vier TPUs. Im Orbit lassen sich Wärme- und Strahlungsannahmen prüfen; Kühlpausen, Dauerleistung und kommerzielle Kosten bleiben offen.
Akamai gewinnt Anthropic-Auftrag: CPU-Kapazität braucht Vorleistungen
Anthropic verpflichtet sich zu Cloud-Diensten für 11,6 Milliarden Dollar über sieben Jahre. Akamai plant 5,5 Milliarden Dollar an Investitionen. Der CPU-Bedarf hat einen Kunden; Lieferung und Umsatz folgen später.