Tencentは、主要なオープンソースAIモデルに対抗するために設計された新しい大規模言語モデル（LLM）「Hy4」のリリースを発表しました。以前のモデルは主にテキストに焦点を当てていましたが、Hy4は視覚的理解能力を導入しており、きめ細かな画像処理、複雑なチャート分析、数学的な視覚的推論などのタスクを実行することが可能です。また、このモデルは、長期間にわたる多段階のプロセスを計画および実行する「ロングホライゾン」エージェンティックタスクを処理するように設計されています。
この画像は、Hy4モデルによってサポートされる視覚的理解とロングホライゾン・エージェンティックタスクを例示しています。
Hy4における最も重要な技術的追加の一つは、「コンピュータ操作（computer-use）」能力です。これにより、モデルはコマンドラインインターフェース（CLI）とグラフィカルユーザーインターフェース（GUI）の両方と直接対話して、日常的なタスクを実行することができます。これをサポートするために、TencentはBlenderやCAD（コンピュータ支援設計）を含む専門的なソフトウェアに関する特別なトレーニングを提供しました。これらの能力は、Unreal Engine、Unity、Godotなどのエンジンのための複雑なロジックをサポートするゲーム開発や、数学的構築および物理モデリングを支援する科学研究など、さまざまなワークフローに統合されています。
一般的な能力に加え、Tencentは専門的な分野におけるHy4の性能を強調しています。213人の金融専門家を対象としたブラインド評価において、Hy4は579の現実的な金融タスクにわたり、DeepSeek-V4.1-Flash-1017やKimi K3.1 Proなどの他のモデルを上回ったと報告されています。オープンソースリリースの関連するリスクを管理するために、Tencentは特定の安全策を講じました。モデルは防御的なサイバーセキュリティデータでトレーニングされ、攻撃的な素材は明確に除外されており、生物学的知識がオープンな実験設計を促進しないことを確認するための内部レビューも実施されました。これらの性能および安全性の主張はTencentによって提供されたものであり、現時点では独立した第三者による検証は行われていません。