腾讯 Hy4 预览版发布

腾讯发布了 Hy4 的预览版，这是一款专为高容量推理和长上下文处理设计的下一代大语言模型（LLM）。该模型总参数量达 7700 亿，每 token 活跃参数为 490 亿，支持超过 100 万 token 的上下文窗口。

训练中的递归自我改进

Hy4 预览版在模型开发过程中实现了重大里程碑，引入了递归自我改进循环。这是首次模型在多个关键维度上参与自身优化：

• 训练方法：自动化优化训练协议。
• 数据策略：改进数据选择与整理流程。
• 评估框架：提升模型自身的测试与验证指标。
• 底层算子：优化底层计算算子。

通过提出方法、运行实验并根据结果迭代，Hy4 预览版建立了一个反馈循环，生成的代码、日志和反馈为后续探索提供了依据。

性能与市场反响

早期采用数据显示该模型受到广泛关注。据社区报告，Hy4 在 OpenRouter 上发布后几天内已处理数万亿 token。这一高使用量部分归因于其具有竞争力的定价，特别是缓存成本较低（约 5%），相比其他提供商通常 10-20% 的缓存成本更具优势。

社区反馈与技术批评

用户使用体验和技术讨论突显了性能和可访问性方面的若干关键点：

模型能力

部分用户报告称，其前代产品 Hy3 作为通用代理模型表现良好。然而，关于 Hy4 作为代理在编码能力方面的初步反馈褒贬不一，一些用户反映其在编码任务中实用性有限。

基础设施与可访问性

有报告指出当前托管服务存在稳定性问题，包括超时和速率限制，影响了基准测试。此外，部分美国用户报告无法访问相关工具如 CodeBuddy。

文档与展示

技术观察者批评官方发布材料中的“图表罪行”。具体而言，博客文章中的柱状图存在误导性，较高数值并未始终对应柱子高度，且图表中模型的排序未遵循逻辑顺序。

开源 vs. 开放权重

社区内就腾讯使用的术语存在持续争论。尽管发布被描述为“开源”，但批评者认为这实际上是“开放权重”模型而非真正的开源，因为训练过程和数据的源代码并未提供。

开放权重不等于开源。当前的“开放权重”模型只是你可以自己电脑上运行的不透明二进制文件，而不是通过网络 API 使用。

与其他模型的对比

尽管一些用户将 Hy4 的行为与 DeepSeek 模型进行比较，指出其在性能和通用代理能力方面存在相似之处，但该模型在公司自身基准测试中的定位表明，其旨在挑战当前开放权重模型的前沿水平。