テンセント混元、次世代フラッグシップモデル「Hy4」プレビュー版を公開

腾讯混元 2026-08-28 14:03 北京

次世代フラッグシップモデル

本日、総パラメータ数 7700 億、アクティブパラメータ数 490 億、コンテキスト長 100 万トークンを持つ「Hy4 preview」を発表します。コード生成、オフィス業務、科学研究など、実際の生産性タスクにおいて卓越した能力を発揮します。

次世代フラッグシップモデル

Hy4 preview は、モデルサイズ、コンテキストの長さ、学習データの規模を大幅に拡張しました。事前学習と後続学習（ポストトレーニング）の両方の進化が相まって、知能レベルはさらに一段階向上し、オープンソースモデルの中でもトップクラスに位置しています。

生産性向上のために設計されたモデル

腾讯（テンセント）内部のソフトウェアエンジニアリング、ゲーム開発、金融、セキュリティなどの分野で活躍するトップクラスの専門家と協力し、高品質なデータを提供することで、Hy4 preview は多岐にわたる実務タスクにおいて大きな進歩を遂げました。

• ソフトウェアエンジニアリング：長期的な開発タスクに対する理解、計画策定、デバッグ、検証能力を強化。フロントエンド開発における視覚的な美しさとインタラクションの質もさらに向上しました。
• オフィス業務と分析：複雑なオフィス環境や金融分析への理解力を大幅に引き上げました。データ分析や複数ファイル間の協働作業に重点的に最適化され、情報処理からドキュメント、表計算、プレゼンテーション資料の完成までをワンストップで実現します。
• ゲーム開発：一言の要件入力だけでプレイ可能なプロトタイプを生成する能力を強化し、ゲームエンジンの操作もスムーズに行えます。開発者は複数回の対話を通じて、複雑なゲームプロジェクトを継続的に洗練させることが可能です。
• 科学研究：複雑な科学問題に対する理解、推論、解決能力が飛躍的に向上しました。AI による研究開発、分子動力学シミュレーション、凝縮系物理学、基礎数学など、多様な分野で顕著な成果を上げています。

同時に、Hy4 preview は CodeBuddy や WorkBuddy といった製品とも深く連携し、生産性向上のための実用的なユーザー体験の最適化を継続しています。内部専門家 163 名による 203 の工程タスクに対する盲検テストの結果、Hy4 preview（平均スコア 2.99/4.00）は、GLM-5.3（平均スコア 2.92/4.00；勝率 46.8% / 引き分け 12.8% / 敗率 40.4%）や Kimi K3（平均スコア 2.94/4.00；勝率 51.2% / 引き分け 7.9% / 敗率 40.9%）をわずかに上回る性能を示しました。

射撃ゲームの制作

MCP を介して Unreal 5 エンジンを接続し、純粋な対話形式だけでゼロから射撃ゲームのデモを作成します。これには環境美術の構築、ゲームプレイの設計、そしてレベル構成が含まれます。

サードパーソン視点のアドベンチャーゲームの制作

Unity（U3D）エンジン上で、対話によるゼロからの制作を実現し、ペンギンを主人公としたサードパーソン視点のアドベンチャーゲームデモを作成します。具体的には、シーン環境の美術構築、移動・戦闘・クエスト追跡などのゲームプレイ設計、そしてメインメニューからロード画面、各レベルへと至る 3 つのシーンのフロー構築を行います。

古建築のデジタルツインサイト

Three.js を活用し、パラメータ駆動型の程序化モデリングと Canvas による IBL（環境照明）およびテクスチャの生成を行います。モデルごとの視点カバレッジを確保することで、デスクトップファーストかつ全ビューポート対応で、インタラクティブな古建築デジタルアーカイブサイトを作成します。

『鹅来』横スクロール対話漫画ウェブページ

ネイティブ WebGL を生成し、X 軸方向にカメラが移動する横スクロール形式の対話漫画ページを作成します。Hy4 preview は多章にわたるキャラクターの作画スタイルや物語の一貫性を高い精度で維持しつつ、コマ割り空間の構成、撮影リズムの調整、そしてモバイル端末でのパフォーマンス最適化を正確に行います。

オフィス環境における企業経費の監査

72 件の書類から自動的に发票（領収書）の適法性を判断し、3 件の規程文書の中から現在有効なルールを特定します。これにより、経費精算申請が規定に適合しているかどうかを厳格に検証します。

金融ワールドサンドボックス

モデルの金融研究、サプライチェーン理解、因果推論、およびバリュエーション分析における能力を検証するためのサンドボックスを生成します。マクロ経済イベントが発生した際の影響が、業界需要・供給、サプライチェーン、主要企業、そして業界内の価値分配にどのように伝播するかを直感的に観察でき、その伝達経路は明確です。

科学研究シナリオの探求

自主的にボトルネックを特定し、推論能力を継続的に最適化します。

Hy4 preview は、推論システムのボトルネックを自主的に分析し、演算子融合や通信最適化などの方向性で多段階の改善を実施しました。その結果、エンドツーエンドのスループットはベースライン比で 31.8% 向上し、異なるコンテキスト長や並行度においても安定した効果を得ています。これは、システムがボトルネックを自ら特定し、推論インフラストラクチャを継続的に最適化できる能力を実証するものです。

小モデルのポストトレーニングタスク

Hy4 Preview は研究者のように複数の Codex セッションを管理して実験を行い、その結果に基づいて探索の方向性を継続的に調整できます。

小規模モデルにおける後続学習タスクでは、Hy4 Preview が「研究者」として Codex を統括し、複数の評価目標を同時に最適化します。8 つの評価項目すべてにおいて、Codex が個別に探索する場合よりも優れた結果を示しました。これは、複雑な研究開発タスクにおいて、方向性を判断し、実験を組織化し、継続的に反復する能力が備わっていることを示しています。

機械学習を用いた力場分子動力学シミュレーション

Hyra を配合した Hy4 preview は、機械学習力場を用いた分子動力学（MD）シミュレーションにおいて新たな進展を遂げました。高度に最適化された JAX 実装により、32,512 原子からなるリン脂質二重層の SO3LR モデルの計算速度はさらに 2.0 倍に向上し、ステップあたり 54.9 ミリ秒を達成しました。これにより、単一の高性能 GPU で最大 30 万原子規模のシミュレーションが可能となり、新材料の探索や薬物分子の研究、複雑な生命システムの解析において、より広い計算空間が実現されます。

低温量子輸送デバイス設計における課題

凝縮系物理学における低温量子輸送デバイスの設計においては、各クロックサイクルで有効信号を運ぶ目標となる電子波包のみが下游のエネルギー検出器に到達し、低エネルギーの背景ノイズや高エネルギーの不要な散乱波包は検出器に到達する前に反射されることを目指しています。

Hy4 preview は、量子散乱求解器の構築、5 重障壁構造の堅牢な最適化、および独立した時間依存進化の検証を自律的に完了させました。その結果、高エネルギー帯域における平均リーク率はベースラインの 48.2% から 4.8% にまで劇的に低下しました。さらに、モデルは求解プロセス全体を封入し、パラメータ調整や再計算をサポートするインタラクティブなシミュレータも自動生成しました。このタスクでは、多段階の科学計算から結果検証、そして探索可能な成果の提供に至るまでの一連の流れを自律的に組織・実行しました。

古典的な幾何学の難問

Hyra を採用した Hy4 preview は、百年続く幾何学の難問である「3 次元 Blaschke–Lebesgue 問題」において画期的な成果を達成しました。これにより、体積の下界が従来の 0.380799 から 0.41104 へと大幅に引き上げられたのです。

Meissner 四面体の予想（0.41986）と比較すると、この成果は最終的な証明への道筋をわずか 2% のギャップまで縮めることに成功したことを意味します。

• 完全な証明についてはこちらをご覧ください：https://github.com/Tencent-Hunyuan/Hyra-results/blob/main/AI4Science/3d_blaschke_lebesgue/3d_Blaschke_Lebesgue.pdf

Hy4 preview は現在、オープンソース化され、腾讯云 TokenHub や OpenRouter で利用可能です。また、WorkBuddy/CodeBuddy、元宝、ima などの製品でも体験できます。私たちは常に開放性と高いコストパフォーマンスを重視し、モデルの進化を通じてより多くの人々に恩恵をもたらすことを目指しています。

Hy4 preview は Hy4 の早期バージョンであり、事前学習や後処理の段階においてまだ大きな改善余地があります。また、複雑なタスクにおける長時間の思考プロセスや、過度な自己検証の傾向といった既知の問題も存在します。私たちは引き続きアジャイルな開発を継続し、これらの課題に取り組んでいきます。

Hy3 preview の際と同様に、Hy4 preview をできるだけ早く公開することで、広く実社会からのフィードバックを得て Hy4 正式版の品質を飛躍的に向上させることを目指しています。同時に、腾讯製品や専門家との深い連携という独自の強みを活かしながら、生産性の底上げと上限拡大に注力し続けていきます。

オープンソースのリポジトリ：

HuggingFace: https://huggingface.co/tencent/Hy4-preview

Github: https://github.com/Tencent-Hunyuan/Hy4-preview

Modelscope: https://modelscope.cn/models/Tencent-Hunyuan/Hy4-preview

Gitcode: https://ai.gitcode.com/tencent_hunyuan/Hy4-preview

モデル体験サイト：

https://aistudio.tencent.com/

Hy Blog（公式ブログ）:

https://hy.tencent.com/research/hy4-preview

または「原文を読む」をクリックして、直接モデルを体験してください。

原文を読む

微信アプリで開くにはこちらへジャンプ