Hy4 preview: el modelo abierto de Tencent que acelera la IA

El 28 de agosto de 2026, Tencent dio un paso importante en el mundo de la inteligencia artificial al publicar Hy4 preview, un modelo de lenguaje de gran escala que ya está disponible con pesos abiertos. Este lanzamiento no solo destaca por su tamaño, sino por lo que significa para quienes buscan alternativas potentes y accesibles en el ecosistema de la IA. Con una arquitectura de mezcla de expertos (MoE), Hy4 preview combina un total de 770 mil millones de parámetros, aunque solo activa 49 mil millones por cada token procesado. Esto permite un equilibrio entre capacidad y eficiencia, algo clave para su uso en tareas reales.

La ventana de contexto es otro de sus grandes atractivos: supera el millón de tokens, lo que le permite manejar documentos extensos, conversaciones largas o proyectos de programación complejos sin perder el hilo. Todo esto bajo una licencia Apache 2.0, una de las más permisivas, lo que significa que cualquiera puede usarlo, modificarlo e incluso redistribuirlo. Además, los pesos están disponibles gratuitamente en Hugging Face, una plataforma muy popular entre desarrolladores.

Hy4 preview no llega solo. Es el sucesor de Hy3, que se lanzó apenas 53 días antes. La diferencia es notable: Hy4 es 2.6 veces más grande y ofrece cuatro veces más contexto. Esta velocidad de iteración muestra el ritmo al que avanza la IA de código abierto, especialmente en China, donde empresas como Tencent, Zhipu AI y Moonshot AI compiten por liderar el sector.

Un modelo pensado para la productividad real

Tencent ha dejado claro que Hy4 preview no es solo un modelo para presumir en benchmarks, sino una herramienta práctica para el trabajo diario. La compañía lo ha orientado a tres áreas principales: ingeniería de software, trabajo de oficina e investigación científica.

En el ámbito de la programación, Hy4 preview promete una mejor comprensión y planificación de tareas de desarrollo a largo plazo, así como una mayor capacidad para depurar y validar código. También mejora la calidad visual y la interacción en el desarrollo front-end. Para el trabajo de oficina, el modelo puede ayudar con análisis financiero, análisis de datos y colaboración entre documentos, cubriendo todo el flujo de trabajo, desde procesar información hasta crear informes, hojas de cálculo y presentaciones.

En el sector de los videojuegos, Hy4 preview puede generar un prototipo jugable a partir de una simple descripción en lenguaje natural, y luego refinar proyectos complejos mediante interacciones con motores de juego. En investigación, Tencent menciona mejoras en áreas como el desarrollo de IA, simulación de dinámica molecular, física de la materia condensada y matemáticas fundamentales.

Para lograr esto, Tencent ha utilizado una estrategia de datos co-creada con sus propios expertos en ingeniería de software, videojuegos, finanzas y seguridad, además de una colaboración profunda con productos como WorkBuddy.

Rendimiento y comparativas

Tencent ha compartido una evaluación interna a ciegas en la que participaron 163 expertos y se evaluaron 203 tareas de ingeniería. Hy4 preview obtuvo una puntuación media de 2.99 sobre 4, ligeramente por encima de GLM-5.3 (2.92) y Kimi K3 (2.94). Sin embargo, hay que tomar estos datos con cautela, ya que se trata de una evaluación realizada por la propia empresa, con tareas seleccionadas por ellos y evaluadas por sus empleados. Un margen de 0.05 puntos no es una diferencia significativa, pero sí indica que Hy4 preview se sitúa en el mismo nivel que estos otros modelos punteros.

En benchmarks públicos más amplios, Hy4 preview intercambia victorias con GLM-5.3 y Kimi K3, pero aún queda por detrás de modelos occidentales como Claude Opus 5 y GPT-5.6. Esto lo coloca en una posición de «casi frontera», pero no en la cima absoluta.

Uno de los datos más interesantes es que Hy4 preview ha contribuido a su propio desarrollo. Por primera vez, un modelo de Tencent ha participado en la optimización automática de sus métodos de entrenamiento, estrategias de datos, marcos de evaluación y operadores de bajo nivel. El modelo proponía enfoques, ejecutaba experimentos e iteraba, y los resultados se retroalimentaban en rondas posteriores. Tencent lo llama un «bucle de auto-mejora recursiva en fase temprana».

Además, Hy4 preview analizó de forma autónoma los cuellos de botella en su sistema de inferencia y realizó múltiples rondas de optimización, logrando un aumento del rendimiento de extremo a extremo del 31.8% en comparación con la línea base. Esto es un ejemplo claro de IA aplicada a la propia infraestructura de IA.

Precios y disponibilidad

Hy4 preview está disponible como modelo de código abierto y también se puede acceder a través de productos de Tencent como WorkBuddy, CodeBuddy, Yuanbao e ima. La API está disponible en Tencent Cloud TokenHub y OpenRouter. Durante las dos primeras semanas, el acceso es gratuito en WorkBuddy y CodeBuddy, y el acceso gratuito a Hy3 se ha extendido hasta el 30 de septiembre.

En cuanto a los precios de la API, son los siguientes:

• Entrada: 0.834 dólares por millón de tokens.
• Salida: 2.501 dólares por millón de tokens.
• Tokens en caché: 0.042 dólares por millón de tokens.

Estos precios son notablemente más bajos que los de GLM-5.3 (alrededor de un 40% menos en entrada y 43% en salida) y mucho más bajos que los de Kimi K3 (6 veces menos en salida). El precio de los tokens en caché es especialmente agresivo, con un descuento del 95% respecto al precio de entrada, lo que es muy útil para cargas de trabajo que reenvían grandes prompts de sistema y un historial de llamadas a herramientas en cada turno.

Sin embargo, hay que tener en cuenta que DeepSeek V4 Pro sigue siendo más barato, y ningún modelo de código abierto ha cambiado eso este año. Lo que Hy4 ofrece frente a DeepSeek es la ventana de contexto de 1M y un perfil de benchmarks agénticos más sólido.

¿Se puede ejecutar en hardware propio?

La respuesta corta es: no, a menos que tengas mucho hardware. Con 770 mil millones de parámetros, el modelo necesita alrededor de 770 GB de memoria solo para los pesos, antes de asignar cualquier token de caché KV. Un nodo con 8 GPUs H100 tiene 640 GB de VRAM, por lo que el checkpoint en FP8 no cabe. Se necesitan GPUs de clase H200 o paralelismo tensorial multi-nodo.

Esto contrasta con Hy3, que con 295 mil millones de parámetros podía ejecutarse en una sola GPU con cuantización GGUF. Hy4, por su tamaño, no es un modelo para portátiles. Para la mayoría de los equipos, la opción práctica será usar la API en lugar de intentar alojarlo ellos mismos. Aun así, la licencia Apache 2.0 es valiosa porque garantiza que ningún proveedor puede revocar tu derecho a ejecutarlo, y permite el ajuste fino y la redistribución.

Tencent recomienda usar vLLM y SGLang para producción, ambos con imágenes Docker preconstruidas que habilitan el paralelismo tensorial y la decodificación especulativa, y que exponen un endpoint compatible con OpenAI.

Advertencias y limitaciones

Tencent ha sido transparente sobre las limitaciones de Hy4 preview. En la tarjeta del modelo, la compañía admite que es una versión temprana y que hay margen de mejora tanto en el pre-entrenamiento como en el post-entrenamiento. También mencionan problemas conocidos, como una tendencia a razonar durante más tiempo del necesario en tareas complejas y a sobre-verificar su propio trabajo.

Esto es importante porque, combinado con una velocidad de generación de 36 tokens por segundo (P50) y una latencia de 3.19 segundos (P50) observada en OpenRouter, puede resultar en una experiencia lenta y costosa para bucles de agentes ajustados. Además, OpenRouter registró una disponibilidad de aproximadamente el 86% durante los primeros tres días, lo que sugiere problemas de capacidad iniciales. No es recomendable hacer de Hy4 un punto único de fallo en producción esta semana.

Otra limitación es que Hy4 preview es un modelo de texto puro. No es multimodal. Tencent tiene modelos separados para imagen, video y 3D, como Hunyuan WorldClaw, pero Hy4 no los integra.

Puntos clave de Hy4 preview

• Parámetros: 770 mil millones en total, 49 mil millones activos por token.
• Contexto: Más de 1 millón de tokens.
• Licencia: Apache 2.0, con pesos abiertos en Hugging Face.
• Arquitectura: Mezcla de expertos (MoE) con atención dispersa de DeepSeek y caché de índices.
• Rendimiento: Ligeramente superior a GLM-5.3 y Kimi K3 en pruebas internas de Tencent.
• Auto-mejora: El modelo contribuyó a su propio desarrollo, mejorando su sistema de inferencia en un 31.8%.
• Precio API: 0.834 $/M tokens de entrada, 2.501 $/M de salida, 0.042 $/M en caché.

Preguntas y respuestas

¿Qué es Hy4 preview?

Hy4 preview es un modelo de lenguaje de gran escala desarrollado por Tencent, con una arquitectura de mezcla de expertos (MoE) de 770 mil millones de parámetros totales y 49 mil millones activos por token. Tiene una ventana de contexto de más de 1 millón de tokens y se distribuye con licencia Apache 2.0, lo que permite su uso, modificación y redistribución libre.

¿Cuánto cuesta usar Hy4 preview?

El modelo es gratuito en su versión de código abierto, pero si se usa a través de la API de Tencent Cloud, el precio es de 0.834 dólares por millón de tokens de entrada, 2.501 dólares por millón de tokens de salida y 0.042 dólares por millón de tokens en caché. Durante las dos primeras semanas, el acceso es gratuito en WorkBuddy y CodeBuddy.

¿Qué tareas puede realizar Hy4 preview?

Hy4 preview está diseñado para tareas de productividad, como ingeniería de software (comprensión, planificación, depuración), trabajo de oficina (análisis financiero, generación de informes y presentaciones), desarrollo de videojuegos (prototipos jugables) e investigación científica (simulaciones, matemáticas). También es útil para tareas agénticas que requieren llamadas a herramientas y razonamiento.

¿Es Hy4 preview multimodal?

No, Hy4 preview es un modelo de texto puro. No procesa imágenes, video ni audio. Tencent ofrece otros modelos multimodales en su línea Hunyuan, pero Hy4 se centra exclusivamente en texto.

¿Puedo ejecutar Hy4 preview en mi propio hardware?

Es difícil. Con 770 mil millones de parámetros, necesitas al menos 770 GB de memoria solo para los pesos, lo que requiere GPUs de gama alta como H200 o un clúster multi-nodo. Para la mayoría de los usuarios, es más práctico usar la API en la nube.

¿Cómo se compara Hy4 preview con otros modelos?

En las pruebas internas de Tencent, Hy4 preview supera ligeramente a GLM-5.3 y Kimi K3 en tareas de ingeniería. En benchmarks públicos, intercambia victorias con ellos, pero queda por detrás de modelos como Claude Opus 5 y GPT-5.6. Su principal ventaja es el precio y la ventana de contexto de 1M.

¿Qué significa que el modelo se ayudó a sí mismo?

Hy4 preview participó en su propio desarrollo, proponiendo y ejecutando experimentos para optimizar sus métodos de entrenamiento, datos y operadores. Esto es un ejemplo de auto-mejora recursiva, un concepto emergente en IA. También mejoró su propio sistema de inferencia, aumentando el rendimiento en un 31.8%.

¿Cuáles son las limitaciones de Hy4 preview?

Tencent admite que es una versión temprana con margen de mejora. Tiene tendencia a razonar de más y a sobre-verificar su trabajo, lo que puede hacerlo lento y costoso en tareas agénticas. Además, su disponibilidad inicial en OpenRouter fue de solo el 86%.