تنسنت روز چهارشنبه ۱۳ آبان ۱۴۰۵ (۴ نوامبر ۲۰۲۶) مدل «Hy4» را عرضه کرد؛ مدلِ پرچم‌دارِ تازه‌اش با ۷۷۰ میلیارد پارامتر که برای نخستین بار در این خانواده تصویر را می‌فهمد و می‌تواند رایانه را هم کنترل کند. طبق اطلاعیه‌ی رسمی تنسنت این شرکت قصد دارد وزن‌های مدل و کارتِ سامانه را «در روزهای آینده» منتشر کند و آن را در ردیفِ مدل‌های متن‌بازِ پیشرو می‌داند. جزئیاتِ فنی را TechNode و ملاحظه‌های ایمنی را Reuters گزارش کرده‌اند.
Hy4 چه تازگی‌هایی دارد؟
- فهمِ تصویر: مدل می‌تواند نمودار و سند را بخواند و روی چند تصویر با هم استدلال کند.
- کنترلِ رایانه: ابزارهای خط فرمان و رابط‌های گرافیکی را به‌کار می‌گیرد. طبق TechNode آموزشِ هدفمند روی برنامه‌هایی مثل Blender و نرم‌افزارهای CAD و کارهایی که چند برنامه را درگیر می‌کنند هم انجام شده است.
- تمرکز بر کار اداری: تنسنت می‌گوید توسعه روی کارهای اداری، تحلیلِ مالی و ساختِ بازی بوده و تیم‌های محصولِ خودش در آموزش و ارزیابیِ مدل با جریان‌های کاریِ واقعی نقش داشته‌اند.
- یکپارچگی با محصول: مدل در WorkBuddy و CodeBuddy به‌کار رفته و بین ۴ تا ۱۵ نوامبر سهمیه‌ی رایگانِ محدودی دارد.
«کنترلِ رایانه» یعنی چه؟
مدلِ معمولی فقط متن می‌نویسد. مدلی که رایانه را کنترل می‌کند صفحه را می‌بیند، ماوس و صفحه‌کلید را به‌کار می‌گیرد یا دستور در ترمینال اجرا می‌کند و یک کارِ چندمرحله‌ای را تا آخر پیش می‌برد، مثلاً ساختنِ یک جدول از چند فایل یا ویرایشِ یک مدلِ سه‌بعدی. این توانایی هنوز در همه‌ی مدل‌ها ناپایدار است و هر نتیجه‌ای را باید خودتان وارسی کنید؛ هیچ آزمونِ مستقلی برای Hy4 در دست نیست و عددهای اعلام‌شده ادعای خودِ شرکت است.
قیمت و دسترسی
مدل در محصولاتِ تنسنت و پلتفرم‌های دیگر از جمله OpenRouter در دسترس است. قیمتِ API همان نسخه‌ی پیش‌نمایشِ Hy4 مانده است: ۰٫۸۳۴ دلار برای هر میلیون توکنِ ورودی و ۲٫۵۰۱ دلار برای هر میلیون توکنِ خروجی، و تا ۳۱ دسامبر روی TokenHub ابرِ تنسنت ۵۰ درصد تخفیف دارد. تنسنت از نسخه‌ی ارزان‌ترِ «Hy4 flash» هم خبر داده که بعداً می‌آید.
ایمنی: آموزش با داده‌ی سایبریِ محدود
به گزارشِ Reuters تنسنت می‌گوید Hy4 را با محدودیت‌هایی طراحی کرده که خطرِ استفاده برای حمله‌ی سایبری یا پژوهش‌های زیستیِ زیان‌بار را کم کند، از جمله آموزش با داده‌ی سایبریِ محدود. دلیلش روشن است: وقتی وزنِ مدلی منتشر شود، دیگر نمی‌شود دسترسی را بست؛ برای همین OpenAI در مدلِ امنیتیِ تازه‌اش (GPT‑6 Cyber) برعکسِ تنسنت دسترسی را محدود نگه داشته است.
این یعنی چه برای کاربر فارسی‌زبان؟
مدل‌های بازِ بزرگ برای کسانی مهم‌اند که می‌خواهند مدل را روی زیرساختِ خودشان اجرا کنند یا هزینه را کم کنند. ولی عددِ ۷۷۰ میلیارد پارامتر یعنی اجرای محلی برای بیشترِ افراد ممکن نیست؛ همه‌ی وزن‌ها باید در حافظه جا شوند، هرچند فقط بخشی از آن‌ها برای هر توکن فعال است. رقبای این رده را در Muse Spark Open متا, Kimi K3.1 Pro و میسترال لارج ۴ بخوانید. پشتیبانیِ تنسنت از زبان فارسی در اطلاعیه نیامده؛ پیش از هر تصمیمی خودتان با چند پرسشِ فارسی بسنجید. برای امتحانِ چت و مدل‌های دیگر به ابزارهای هوش‌نو سر بزنید.
چه چیزی هنوز معلوم نیست؟
- زمانِ دقیقِ انتشارِ وزن‌ها و مجوزِ آن‌ها؛ تنسنت فقط گفته «در روزهای آینده».
- عددهای مقایسه با مدل‌های دیگر؛ تا انتشارِ کارتِ سامانه فقط ادعای شرکت است و آزمونِ مستقل ندیده‌ایم.
- کیفیتِ مدل در فارسی.
جمع‌بندی
Hy4 یعنی ورودِ تنسنت به رقابتِ مدل‌های بازِ چندرسانه‌ای با کنترلِ رایانه. ارزش واقعی‌اش وقتی روشن می‌شود که وزن‌ها بیایند و کسی بدون ادعای شرکت آن را بسنجد. تا آن زمان نسخه‌ی اینترنتی و قیمتِ API برای امتحانِ کوچک کافی است.
سؤالات متداول
Hy4 چیست؟
مدلِ پرچم‌دارِ ۷۷۰ میلیارد پارامتریِ تنسنت که تصویر را می‌فهمد و رایانه را کنترل می‌کند.
آیا Hy4 متن‌باز است؟
تنسنت می‌گوید وزن‌ها و کارتِ سامانه را در روزهای آینده منتشر می‌کند؛ مجوزِ دقیق هنوز در اطلاعیه نیامده.
قیمتِ API چقدر است؟
۰٫۸۳۴ دلار برای هر میلیون توکنِ ورودی و ۲٫۵۰۱ دلار برای خروجی؛ تا ۳۱ دسامبر روی TokenHub نیمه‌قیمت.
