Tencent-ը թողարկել և բաց կոդով հրապարակել է Hy4 preview-ն՝ 770B պարամետր և 1M տոկեն համատեքստ

Tencent-ը օգոստոսի 28-ին թողարկել և բաց կոդով հրապարակել է Tencent Hy4 preview-ն՝ նոր սերնդի լեզվական մոդել 770 միլիարդ ընդհանուր և 49 միլիարդ ակտիվ պարամետրով ու մեկ միլիոն տոկենից ավելի համատեքստային պատուհանով։ Ընկերության խոսքով՝ մոդելը նախատեսված է իրական արտադրողականության առաջադրանքների համար՝ կոդավորում, գրասենյակային աշխատանք և գիտական հետազոտություն։

Հասանելիություն և գներ

Hy4 preview-ն հասանելի է որպես բաց կոդով մոդել, ինչպես նաև գլոբալ՝ WorkBuddy-ի, CodeBuddy-ի, Yuanbao-ի, ima-ի և Tencent-ի այլ ապրանքների միջոցով. API-ով միանալը հնարավոր է Tencent Cloud TokenHub-ի և OpenRouter-ի միջոցով։ Թողարկման պահին մոդելը WorkBuddy-ում և CodeBuddy-ում երկու շաբաթ անվճար է, իսկ Hy3-ի անվճար հասանելիությունը երկու հարթակներում երկարաձգվել է մինչև սեպտեմբերի 30-ը։ API-ի գներն են՝ 0,834 դոլար մեկ միլիոն մուտքային տոկենի համար, 2,501 դոլար մեկ միլիոն ելքային տոկենի համար և 0,042 դոլար մեկ միլիոն տոկենի համար՝ քեշի հատման դեպքում։

Ներքին գնահատում և հնարավորություններ

163 փորձագետների և 203 ինժեներական առաջադրանքների մասնակցությամբ ներքին կույր գնահատմանը Hy4 preview-ն ստացել է միջինը 2,99 միավոր 4,00-ից՝ փոքր-ինչ առաջ GLM-5.3-ից (2,92) և Kimi K3-ից (2,94)։ Մոդելը մարզվել է բարձրորակ տվյալներով, որոնք ստեղծվել են Tencent-ի փորձագետների հետ ծրագրային ինժեներիայի, խաղերի, ֆինանսների և անվտանգության ոլորտներում։ Ծրագրային ինժեներիայում այն ավելի լավ է հասկանում երկար համատեքստը, պլանավորում, վրիպազերծում և վավերացնում է կոդը, բարելավում է ֆրոնտենդի տեսողական որակը. գրասենյակային և վերլուծական սցենարներում ուժեղացնում է ֆինանսական վերլուծությունը և փաստաթղթերի, աղյուսակների ու շնորհանդեսների հետ աշխատանքը. խաղերի մշակման ժամանակ մեկ բնական լեզվով հարցումից կարող է ստեղծել խաղարկելի նախատիպ. իսկ գիտական հետազոտություններում բարելավումներ կան AI հետազոտություններում, մոլեկուլային դինամիկայի սիմուլյացիայում, խտացված վիճակի ֆիզիկայում և հիմնարար մաթեմատիկայում։

Ինքնակատարելագործում և ինֆերենս

Ուշադրության արժանի մանրամասնություն. Hy4 preview-ն առաջին անգամ մասնակցել է սեփական մշակման գործընթացին՝ մարզման մեթոդների, տվյալների ռազմավարությունների, գնահատման շրջանակների և ցածր մակարդակի օպերատորների ավտոմատ օպտիմիզացիային։ Այն ինքն էր առաջարկում մոտեցումներ, անցկացնում փորձեր և կրկնում արդյունքներով, իսկ կոդը, մատյաններն ու հետադարձ կապը սնուցում էին հաջորդ փուլերը՝ ձևավորելով վաղ փուլի ռեկուրսիվ ինքնակատարելագործման ցիկլ։ Մոդելն ինքնուրույն վերլուծել է նաև սեփական ինֆերենս համակարգի խոչընդոտները և մի քանի փուլ օպտիմիզացրել օպերատորների միաձուլումն ու հաղորդակցությունը. ծայրից ծայր թողունակությունը բազայինի համեմատ աճել է 31,8%-ով՝ կայուն տարբեր համատեքստերի երկարություններում և բեռնվածության մակարդակներում։ Ընկերությունը հայտնում է, որ Hy4 շարքի հաջորդ մոդելները շուտով կհայտնվեն։