تنسنت Hy4 را با بینایی و کنترل رایانه عرضه کرد؛ وزن‌های مدل هنوز منتشر نشده

تنسنت، غول فناوری چینی، نسخه‌ی کامل مدل زبانی Hy4 را عرضه کرد؛ مدلی که برای نخستین بار در خط محصولات Hy تصویر را می‌فهمد و می‌تواند مانند یک کاربر، با خط فرمان و رابط گرافیکی رایانه کار کند. این عرضه در رقابت داغ مدل‌های «وزن‌باز» چینی با DeepSeek و علی‌بابا و Z.ai رخ می‌دهد؛ رقابتی که روزنامه‌ی South China Morning Post آن را بستر این انتشار می‌داند.

Hy4 چه چیزی را اضافه می‌کند؟

Hy4 در اصل جانشین نسخه‌ی پیش‌نمایش (Preview) است که ۲۸ اوت ۲۰۲۶ منتشر شد و بینایی و کنترل رایانه نداشت. نسخه‌ی تازه دو قابلیت را برای نخستین بار می‌آورد. نخست «فهم بصری»: تحلیل دقیق تصویر، خواندن نمودارهای پیچیده و استدلال ریاضی روی شکل‌ها. دوم «کنترل رایانه» (computer use): مدل می‌تواند هم در محیط خط فرمان و هم در رابط گرافیکی کار انجام دهد. تنسنت می‌گوید آن را روی نرم‌افزارهای حرفه‌ای مانند Blender و ابزارهای CAD آموزش ویژه داده تا در وظایف طولانی و چندبرنامه‌ای بهتر برنامه‌ریزی کند.

به گفته‌ی TechNode مدل ۷۷۰ میلیارد پارامتر دارد. Unite.AI، با استناد به فهرست OpenRouter، پنجره‌ی زمینه‌ی ۱٬۰۴۸٬۵۷۶ توکنی و ورودی متن و تصویر با خروجی متن را گزارش می‌کند؛ این رقم‌ها در بیانیه‌ی رسمی تنسنت نیامده‌اند و باید ثانویه تلقی شوند.

کجا می‌شود از آن استفاده کرد؟

طبق اعلام تنسنت، Hy4 در Tencent Cloud TokenHub، WorkBuddy، CodeBuddy، Yuanbao، دستیار هوشمند WeCom به نام Dayuan و اپ ima فعال است و API آن از راه سکوهای ثالث مانند OpenRouter، Hermes و OpenCode عرضه می‌شود. ادغام در QQ، Honor of Kings، Game of Peace، WeRead و Tencent News در دست انجام است. تنسنت قیمت را مانند نسخه‌ی پیش‌نمایش نگه داشته: حدود ۰٫۹۰ دلار برای هر یک میلیون توکن ورودی، ۲٫۷۰ دلار برای هر یک میلیون توکن خروجی و ۰٫۰۴۵ دلار برای هر یک میلیون توکن ورودی کش‌شده (TechNode مقادیر کمی پایین‌تر، ۰٫۸۳۴ و ۲٫۵۰۱ دلار، را آورده که ظاهراً به تفاوت تبدیل ارز برمی‌گردد). در ابر تنسنت تا ۳۱ دسامبر ۲۰۲۶ نیمی از قیمت استاندارد گرفته می‌شود و WorkBuddy و CodeBuddy از ۴ تا ۱۵ نوامبر رایگان‌اند. نسخه‌ی ارزان‌تر Hy4 Flash هم «به‌زودی» می‌آید.

ادعاهای کارایی؛ چه کسی اندازه گرفته؟

تنسنت می‌گوید با به‌کارگیری رویکرد «خودبهبودی بازگشتی» (RSI) و ابزار Hyra 2.0، Hy4 زیرساخت پیش‌آموزش مدل‌های کوچک‌تر هم‌معماری را بهینه کرده و دو مدل علمی HyCell (بازنمایی تک‌سلولی) و HyPDE (میدان‌های فیزیکی) را متن‌باز کرده است.

آنچه باید بدانیم

۱. چه چیزی واقعاً تغییر کرده؟

تغییر اصلی افزودن بینایی و کنترل رایانه به مدلی است که پیش‌تر فقط متن را پردازش می‌کرد. بهبودهای دیگر (کمتر شدن خطاها، بازی‌سازی، تحلیل مالی) نسبت به نسخه‌ی Preview خود تنسنت سنجیده شده‌اند، نه نسبت به یک معیار مستقل.

۲. چرا برای مخاطب مهم است؟

قیمت پایین و ادغام در ابزارهای اداری (WeCom، WorkBuddy) یعنی رقابت مستقیم با عامل‌های هوشمند آمریکایی در بازار سازمانی چین. برای توسعه‌دهندگان، وجود Hy4 روی OpenRouter یعنی می‌توان آن را بدون قرارداد جداگانه با ابر تنسنت آزمود. برای مقایسه‌ی روند، نگاه کنید به هشدار اپل درباره‌ی عامل‌های هوش مصنوعی که «برخلاف دستور» عمل می‌کنند و خرید دو استارتاپ امنیت عامل‌های هوش مصنوعی توسط کراودسترایک؛ هر دو نشان می‌دهند مدل‌هایی که خودشان روی رایانه عمل می‌کنند چرا حساس‌ترین بخش بازارند.

۳. چه چیزی کمتر گفته شده؟

اول، «متن‌باز» فعلاً وعده است: وزن‌های نسخه‌ی نهایی و گزارش ایمنی هنوز منتشر نشده و مجوز آن اعلام نشده است. دوم، تنسنت خودش پذیرفته که Hy4 هنوز از بهترین مدل‌های بسته عقب است، به‌ویژه در ریاضیات سطح پژوهشی، کدنویسی طولانی‌مدت، خودبهبودی مدل و پرسش‌وپاسخ بصری پیشرفته (SCMP). سوم، بیشتر ارقام بالا را خود تنسنت یا شرکای تجاری‌اش سنجیده‌اند و محصول ارزیابی‌شده (WorkBuddy) متعلق به همان شرکت است. چهارم، در حوزه‌ی ایمنی، بررسی‌های آزمایشگاه‌های Xuanwu و Keen Security، که هر دو زیرمجموعه‌ی تنسنت‌اند، «نگرانی چشمگیری» درباره‌ی توان تهاجمی سایبری مدل در حوزه‌های آزمون‌شده نیافتند؛ این بررسی بیرونی نیست. در زیست‌ایمنی هم گفته شده دانش پایه‌ی زیست‌شناسی مدل قوی اما طراحی آزمایش باز در آن از مدل‌های مرزی ضعیف‌تر است.

۴. برای کاربران ایرانی چه معنایی دارد؟

در منابع خوانده‌شده شاهدی درباره‌ی دسترسی کاربران ایرانی به Hy4 یا قابلیت پرداخت برای API آن نیست، بنابراین نمی‌توان درباره‌ی دسترسی عملی ادعایی کرد. یک نکته‌ی محاسباتی ولی ملموس است: اگر وزن‌ها منتشر شود، یک مدل ۷۷۰ میلیارد پارامتری تنها برای ذخیره‌ی وزن‌ها با دقت ۸ بیتی حدود ۷۷۰ گیگابایت و با دقت ۱۶ بیتی نزدیک ۱٫۵ ترابایت حافظه می‌خواهد (برآورد رونما: تعداد پارامتر × بایت در هر پارامتر). اجرای محلی روی سخت‌افزار معمولی ممکن نیست و به خوشه‌ی چند‌پردازنده‌ای نیاز دارد.

۵. چه چیزهایی هنوز مشخص نیست؟

تاریخ دقیق انتشار وزن‌ها، مجوز نسخه‌ی نهایی، نتایج ارزیابی مستقل، زمان عرضه‌ی Hy4 Flash، و جزئیات سازوکار ایمنی برای کنترل رایانه (مثلاً مرز اختیار مدل هنگام اجرای دستور) در بیانیه‌ی رسمی روشن نشده است.

جمع‌بندی

Hy4 گامی منطقی برای تنسنت است: افزودن بینایی و کنترل رایانه به مدلی که از قبل قیمت پایینی داشت و اکنون در ابزارهای اداری و بازی خود تنسنت جا می‌شود. اما تا زمان انتشار وزن‌ها و ارزیابی‌های مستقل، بهتر است ادعاهای «برترین مدل متن‌باز» را ادعای شرکت دانست، نه نتیجه‌ی قطعی.

تصویر: ساختمان مرکزی تنسنت در شنژن؛ عکس آرشیوی از ویکی‌مدیا کامنز (MEAIYAVT 206 Liowcms، CC BY-SA 4.0)، نه تصویر رسمی Hy4.