Tencent veröffentlicht Hy4 mit nativem Bildverständnis, Computer Use und geplanten offenen Gewichten
Laut Tencent erreicht Hy4 75,2 Punkte auf APEX-Agents, verarbeitet Bilder und beherrscht Computer Use. Die Gewichte will das Unternehmen veröffentlichen.
Tencent hat Hy4 veröffentlicht. Nach Angaben des Unternehmens erreicht das Modell 75,2 Punkte auf APEX-Agents, gegenüber 72,1 und 72,9 für DeepSeek V4.1 Flash. Hy4 ist über eine API verfügbar, die 0,834 Dollar pro Million Input-Token und 2,501 Dollar pro Million Output-Token kostet.
Laut Nous bringt die neue Version Bildeingabe und Computer Use mit. Nous berichtet außerdem, dass Hy4 für die Arbeit mit den Game-Engines Unity, Unreal und Godot sowie für Office-Dateien trainiert wurde.
Der unabhängige Evaluator Vals sieht Hy4 auf Platz vier unter den Open-Weight-Modellen, hinter Kimi K3.1 Pro, DeepSeek V4.1 Flash und GLM-5.3. Die Kosten pro Aufgabe beziffert Vals auf etwa ein Fünftel jener von GLM-5.3. Die Fehleranalyse von Vals zeigt, wo es hakt. Bei Agenten-Läufen ruft ein Modell externe Tools über strukturierte Tool-Calls auf, und ein fehlerhafter Aufruf kann einen Lauf abbrechen. Vals zählte 21 Aufgaben, die wegen fehlerhafter Tool-Calls abstürzten, und 18, die in ein Timeout liefen.
Was sich ändert
Art: Neue Funktion · Betrifft: Hy4
Warum es wichtig ist
Günstigere agentische Modelle mit Computer Use erweitern die Möglichkeiten für Teams, die Automatisierungen bauen. Die berichteten Fehler bei Tool-Calls sind allerdings ein praktisches Problem.
Was Sie tun können
Testen Sie die Zuverlässigkeit der Tool-Calls von Hy4 in Ihren eigenen Agenten-Workflows, bevor Sie sich bei Automatisierungen darauf verlassen.
Wie sich die Meldung entwickelt hat
Ergänzt Ergebnisse von Agent Arena und OpenDesign, die Hy4 und GPT-6.1 Sol bei den Kosten vergleichen.
Ergänzt nur einen kurzen Hinweis, dass Hy4 als Open Source beschrieben wird, ohne neue Details zur Veröffentlichung.
Originalquelle
Für diese Meldung haben wir noch keinen Link zur Originalquelle.
Weitere Berichte
Wo wir es gesehen haben
Forward Future (Matthew Berman), Latent Space
KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es