Dopo i primi test grigi avvistati nell'app Yuanbao, Tencent ha ufficializzato il rilascio di Hy4 Preview, un modello linguistico Mixture-of-Experts (MoE) che sposta drasticamente la scala della sua offerta open-weight. Rispetto a quanto visto con Tencent libera Hy3, il nuovo modello rappresenta un salto generazionale in termini di dimensioni e capacità, posizionandosi come uno dei pesi massimi della frontiera open-source attuale.
Un salto di scala: da 295B a 770B parametri
L'incremento dimensionale di Hy4 Preview è massiccio. Il modello vanta un totale di 770 miliardi di parametri, di cui 49 miliardi attivi per ogni token. Per dare un'idea della progressione, il precedente Hy3 (rilasciato a luglio) disponeva di 295B parametri totali e 21B attivi. Questa espansione non riguarda solo la capacità bruta, ma si estende a tre fronti critici: dimensione del modello, volume di dati di addestramento e lunghezza della finestra di contesto.
Sotto il profilo tecnico, Hy4 Preview adotta un'architettura MoE che combina una struttura MLA (Multi-head Latent Attention) in stile DeepSeek con uno stack di sparse-attention, integrando inoltre sistemi proprietari di Tencent per il controllo residuo, il routing degli esperti e l'attention gating. Il risultato è un modello che occupa circa 1,56 TB su Hugging Face, rendendo l'inferenza locale estremamente esigente in termini di VRAM.
Contesto da 1 milione di token e focus sulla produttività
Una delle novità più rilevanti è l'estensione della finestra di contesto, che ora raggiunge 1 milione di token, un incremento quadruplo rispetto ai 256.000 di Hy3. Questa capacità rende il modello particolarmente adatto ad attività di lunga durata, come l'analisi di intere codebase o la ricerca scientifica complessa. Tencent ha progettato Hy4 Preview specificamente per eccellere in ambiti quali l'ingegneria del software, la produttività d'ufficio e l'analisi finanziaria.
Sulla piattaforma OpenRouter, il modello è accessibile a un prezzo competitivo di circa 0,83 dollari per milione di token in input, una strategia che mira a favorire l'adozione rapida e a contrastare il dominio dei modelli chiusi statunitensi, in linea con la tendenza di molti colossi cinesi di saturare il mercato con modelli open-weight ad alte prestazioni.
Il meccanismo di ragionamento e il "Reasoning Effort"
Un dettaglio tecnico emerso dall'analisi dei template di chat rivela la gestione del ragionamento interno del modello. Hy4 Preview implementa un parametro chiamato reasoning_effort, che permette di scegliere tra due livelli: "high" (impostazione predefinita) e "no_think".
Quando il ragionamento è attivo, il modello genera una traccia di pensiero (reasoning trace) nascosta prima della risposta finale. Analisi empiriche mostrano che questa traccia utilizza un inglese semplificato e troncato, probabilmente per ottimizzare l'efficienza dei token durante i processi di riflessione interna. Questo approccio al "pensiero lento" mira a migliorare la precisione in attività logiche e di coding, dove il modello valuta diverse opzioni (come l'aggiunta o meno di dettagli in un output SVG) prima di decidere la soluzione ottimale.
Posizionamento nella corsa all'AI open-source
Il rilascio di Hy4 Preview, sotto licenza Apache 2.0, conferma la strategia di Tencent di democratizzare l'accesso a modelli di classe frontier. In un panorama dove Hugging Face sta diventando un'infrastruttura critica, la disponibilità di un modello da 770B parametri sfida direttamente le soluzioni proprietarie e spinge i competitor, come Alibaba con la sua serie Qwen o Huawei con openPangu-2.0-Pro, a mantenere ritmi di rilascio serrati.
L'impatto di Hy4 Preview si misura non solo nei benchmark, ma nella sua capacità di essere integrato in pipeline agentiche complesse. Grazie al supporto per lo strumento-calling e alla vasta finestra di contesto, il modello si candida a diventare il motore per agenti AI capaci di gestire workflow professionali senza la necessità di costosi abbonamenti a servizi cloud chiusi.
Ancora nessun commento. Puoi essere il primo!