騰訊開源 Hy4 preview：770B 參數、百萬 Token 上下文的成本與驗證缺口
重點摘要
Tencent Hy4 preview 以 770B 總參數、49B 啟用參數和超過 100 萬 Token 的上下文進入開源市場；內部盲測、推論成本與 31.8% 吞吐量增幅仍需外部重現。
Tencent Hy4 preview 的成本主張可以在未來三到六個月被檢驗：若開發者以相同的百萬 Token 輸入、並行數與硬體重跑後，無法接近騰訊公布的吞吐量增幅，或完成同一批工程任務所需的輸出 Token 抵銷了單價優勢，這次發布就只證明模型可取得，尚未證明企業工作負載更便宜。騰訊在 August 28, 2026 發布並開源模型；官方與 TechNode 都確認規模為 770B total parameters、49B 啟用參數，上下文超過 100 萬 Token。
模型目前可透過 WorkBuddy、CodeBuddy、元寶與 ima 使用，也能從 Tencent Cloud TokenHub、OpenRouter 呼叫 API。WorkBuddy 與 CodeBuddy 提供兩週免費試用；API 每百萬輸入 Token 收費 0.834 美元，每百萬輸出 Token 2.501 美元，快取命中則為 0.042 美元。這組價目讓團隊可以估算帳單，卻沒有回答完整工作完成成本，因為總支出還取決於模型為修正錯誤而重試的次數、輸出長度及百萬 Token 條件下的延遲。
騰訊把軟體工程、辦公文件、資料分析、遊戲開發與科學研究列為主要用途。公司內部盲測找來 163 名專家，使用 203 項工程任務評分，Hy4 preview 平均取得 2.99／4.00，高於 GLM-5.3 的 2.92 與 Kimi K3 的 2.94。0.05 至 0.07 分的差距不大，公告也沒有提供評分者一致性、各任務分布、模型設定與統計區間；這些數字能描述騰訊的內部結果，不能取代獨立測試。
公告另一項可量化主張來自推論系統。騰訊表示，模型分析運算瓶頸，針對算子融合與通訊方式反覆優化，使端到端吞吐量相對基準提高 31.8%，而且在不同上下文長度與並行程度下都有增益。公司沒有公開基準硬體、絕對 Token 速度、延遲分位數或耗電量。缺少這些分母，採購者無法判斷 31.8% 來自模型、軟體堆疊或特定叢集配置，也無法和其他服務的每美元產出相比。
騰訊也讓 Hy4 preview 參與訓練方法、資料策略、評測框架與底層算子的自動優化，模型提出方法、執行實驗，再把程式碼、紀錄與回饋送入下一輪探索。官方把它稱為早期遞迴式自我改進迴路。現有資料沒有顯示模型可以自行決定訓練目標、取得運算資源或部署修改；工程團隊仍控制實驗邊界。把這段流程視為研發自動化，比把它解讀成無人監督的自我升級更符合公告內容。
接下來可核對三類結果：第三方能否在公開任務重現內部排名、百萬 Token 工作負載的每項任務總成本，以及 31.8% 吞吐量增幅在不同硬體上還剩多少。TechNode 已獨立確認價格、盲測規模與發布管道，但其報導同樣引用騰訊提供的效能數字。只要外部測試公布硬體、Token 用量、延遲與失敗重試，市場就能判斷 Hy4 preview 的參數規模是否轉化為可採購的生產效率。
來源：