مدل Hy4 Flash تنسنت برای کارهای روزمره عرضه شد

مدل Hy4 Flash تنسنت ورودی چندوجهی و ظرفیت تا یک میلیون توکن دارد. تفاوت آن با Hy4 و کاربردش در بررسی سند و تصویر را بخوانید.

مدل Hy4 Flash تنسنت برای کارهای روزمره عرضه شد

تنسنت مدل Hy4 Flash را در ۱۶ نوامبر ۲۰۲۶، برابر با ۲۵ آبان ۱۴۰۵، برای کارهای روزمره معرفی کرد. این مدل ورودی چندوجهی را می‌پذیرد و طبق اعلام تنسنت تا یک میلیون توکن ظرفیت دارد. تمرکز آن بر کارهایی مانند مرور سند، آماده‌کردن ارائه و تحلیل تصویر با هزینهٔ کمتر از مدل پرچم‌دار خانواده است.

مدل Hy4 Flash چه فرقی با Hy4 دارد؟

تنسنت در اطلاعیه رسمی عرضه از ۲۲۴ میلیارد پارامتر کل و ۱۲ میلیارد پارامتر فعال برای Hy4 Flash می‌گوید. در چنین معماری‌ای همهٔ پارامترها برای هر ورودی به یک اندازه درگیر نمی‌شوند. پارامتر فعال به بخشی اشاره دارد که در زمان پاسخ نقش مستقیم دارد. سرعت یا کیفیت نهایی را باید با کاری که قرار است انجام شود سنجید.

اصطلاح چندوجهی یعنی مدل می‌تواند با گونه‌های بیشتری از ورودی کار کند. اگر داده‌های پروژه بین متن و تصویر پخش شده باشند، می‌شود در یک درخواست از مدل خواست نوشتهٔ گزارش و نمودار همراهش را بررسی کند. لازم است نتیجه را با سند اصلی تطبیق دهید، به‌ویژه وقتی یک عدد از جدول یا نمودار در تصمیم بعدی اثر دارد.

ظرفیت یک میلیون توکن برای چه کاری مفید است؟

توکن واحدی برای اندازه‌گیری بخشی از متن یا ورودی است. ظرفیت زیاد می‌تواند برای مرور یک گزارش بلند یا کنار هم گذاشتن چند سند مفید باشد. برای نمونه، می‌توانید چند گزارش ماهانه را بدهید و از مدل بخواهید تفاوت هدف‌ها و نتیجه‌ها را با ارجاع به هر سند خلاصه کند. ظرفیت بزرگ پاسخ دقیق را تضمین نمی‌کند. از مدل بخواهید متن یا محل هر مدرک را مشخص کند تا بتوانید دوباره بررسی‌اش کنید.

تنسنت نتایج آزمون داخلی خود را برای کارهایی مانند ویرایش سند، ساخت ارائه و اصلاح صفحه‌گسترده گزارش کرده است. این آزمون دید خوبی دربارهٔ هدف طراحی مدل می‌دهد. برای تیم فارسی‌زبان، بهتر است یک نمونهٔ فارسی را هم جداگانه بسنجید. شکل ارقام، نگهداری ترتیب ستون‌ها و خلاصه‌کردن نوشته‌های راست‌به‌چپ از مواردی هستند که می‌توانند روی کیفیت کار اثر بگذارند.

در یک آزمون ساده، از مدل بخواهید سه عدد را از سند پیدا کند و صفحهٔ هر عدد را بنویسد. بعد با همان سند از مدل بخواهید طرح یک اسلاید بسازد. این دو خروجی به‌ترتیب دقت استخراج و توان خلاصه‌سازی را می‌سنجند.

چطور بفهمیم نسخهٔ سریع برای کارمان کافی است؟

  1. یک کار واقعی بردارید. نمونه‌ای مثل خلاصهٔ متن جلسه یا تبدیل گزارش به طرح اسلاید را انتخاب کنید.
  2. معیار را پیش از پرسیدن مشخص کنید. درستی اعداد، پوشش نکته‌های ضروری و وقت لازم برای اصلاح را بنویسید.
  3. ورودی یکسان به دو مدل بدهید. از هر دو بخواهید موارد نامطمئن را مشخص کنند و برای ادعاهایشان شاهد بیاورند.
  4. هزینه را به‌ازای کار کامل بسنجید. تعداد پرسش دوباره و زمان بررسی انسانی را کنار قیمت مدل در نظر بگیرید.

برای مقایسهٔ این عرضه با نسل اصلی، معرفی مدل پرچم‌دار Hy4 را ببینید. خبر معرفی LongCat 2.5 هم نمونهٔ دیگری از جهت‌گیری مدل‌های جدید برای کارهای چندمرحله‌ای است. برای تمرین مقایسهٔ پاسخ در فارسی می‌توانید از ابزار چت هوش نو کمک بگیرید.

سؤالات متداول

آیا Hy4 Flash همان Hy4 است؟

نه. نسخهٔ Flash مدل جداگانه‌ای در خانوادهٔ Hy است و برای سرعت و هزینهٔ کارهای روزمره معرفی شده. تنسنت برای بعضی کارهای پیچیده‌تر مدل پرچم‌دار را پیشنهاد می‌کند.

آیا Hy4 Flash برای بررسی تصویر مناسب است؟

طبق معرفی سازنده، مدل ورودی چندوجهی را می‌پذیرد. برای عکس یا نمودارهای تخصصی، دقت جزئیات را روی نمونهٔ مشابه کار خودتان بررسی کنید.

آیا وزن‌های Hy4 Flash منتشر شده‌اند؟

در اطلاعیهٔ عرضه، تنسنت از برنامهٔ انتشار وزن‌ها گفته است. برای وضعیت دریافت فایل و مجوز، صفحهٔ رسمی همین نسخه ملاک است.

جمع‌بندی

Hy4 Flash نشان می‌دهد انتخاب مدل فقط به رتبهٔ کلی وابسته نیست. اگر کار شما تحلیل سند، ساخت ارائه یا خلاصهٔ منظم است، ارزش نسخهٔ سریع را با همان کار واقعی بسنجید. پیش از استفاده در یک روند دائمی، خروجی را به‌خصوص در نمونه‌های فارسی با مدارک اصلی تطبیق دهید.

نویسنده نعیم حشم‌بان بنیان‌گذار و سردبیرِ هوش نو

نعیم حشم‌بان بنیان‌گذارِ هوش نو است و هر روز مدل‌های تازه‌ی هوش مصنوعی را امتحان می‌کند تا آموزش و بررسیِ ساده و دقیق به زبانِ فارسی بنویسد.