중국의 대형 테크 기업인 Tencent가 AI 모델 'Hy4 preview'를 2026년 8월 28일에 공개했습니다. GPT-5.6 Sol 등 최첨단 모델에 필적하는 성능을 갖추고 있으며, 오픈 모델로서 무상 공개되어 있습니다. Introducing Hy4 preview | Tencent Hyhttps://hy.tencent.ai/research/hy4-preview
🚀 Hy4 preview is here.770B, 49B active, 1M context.Built for productivity.Open source frontier.Consistent affordable price.Use it. Tell us what breaks.More on Hy blog：https://t.co/rbl1IWRk3CHuggingFace：https://t.co/mE9wevH5XRGithub：https://t.co/pyl9zckpoLpic.twitter.com/4iW6gSuZKr
Hy4 preview는 총 파라미터 수 7700억·활성 파라미터 수 490억의 MoE 모델로, 최대 컨텍스트 길이는 100만 토큰입니다. Tencent는 Hy4 preview를 '최첨단 오픈 모델'이라고 어필하고 있습니다. 'Hy4 preview(진한 파랑)', 'Hy3(하늘색)', 'Qwen3.8 Max', 'DeepSeek V4 Pro 0813', 'GPT-5.6 Sol', 'GLM-5.3', 'Kimi K3', 'Claude Opus 5'의 각종 벤치마크 결과가 다음과 같습니다. Hy4 preview는 에이전트 성능을 측정하는 SWE Atlas Refactoring에서 GPT-5.6 Sol을 상회하고 있습니다.
SWE-bench Pro에서도 GPT-5.6 Sol을 상회했습니다.
Tencent Hy4 Preview leads on SWE-bench Pro. 770B, 49B active, 1M context, and their biggest generational leap measured to date.It’s exciting to see another open weights model compete against the frontier.Try in Cline with:1. npm i -g cline2. /model3. Select Hy4 previewpic.twitter.com/ZHGocCJCnU
Hy4 preview는 장기적인 작업의 이해·계획·검증 능력이 향상되어, 문서 작성이나 게임 개발 등 다양한 작업에 대응할 수 있다고 합니다.
100만 토큰당 API 요금은 캐시 입력이 0.042달러(약 6.7엔), 일반 입력이 0.834달러(약 133.4엔), 출력이 2.501달러(약 400.0엔)입니다.
Hy4 preview는 오픈 모델로 공개되어 있으며, 아래 링크에서 다운로드할 수 있습니다. 라이선스는 Apache License 2.0입니다. 단, Hy4 preview를 실행하려면 약 1.5TB에 달하는 VRAM이 필요합니다. tencent/Hy4-preview · Hugging Facehttps://huggingface.co/tencent/Hy4-preview
Tencent는 Hy4-preview의 양자화 버전도 공개하고 있으며, Q4_K_M 버전이라면 435GiB, STQ1_0 버전이라면 214GiB의 VRAM으로 실행 가능합니다.
We compressed Hy4-preview from 1.5TB to ～200GiB GGUF and it still works well !Meet MIX-STQ1_0.The trick isn’t just going low, it’s deciding where: calibration data picks each layer’s bit-width, some down to 1.31-bit STQ1_0, some up to 2.06-bit IQ2_XXS. Same budget, lower…https://t.co/HItkQ1TSxApic.twitter.com/xK8d3BH5br
STQ1_0 버전은 "양자화할 대상을 선택하여 1.31-bit STQ1_0과 2.06-bit IQ2_XXS를 적절히 나누어 사용한다"는 기법을 채택하고 있으며, 성능 저하를 억제하는 데 성공했다고 합니다. 아래 그래프는 BF16 버전(양자화를 적용하지 않은 오리지널 모델)과 STQ1_0 버전의 벤치마크 점수를 비교한 것으로, 크기 차이에 비해 성능 차이가 작다는 것을 알 수 있습니다.
Hy4-preview의 양자화 버전은 아래 링크에서 다운로드할 수 있습니다.AngelSlim/Hy4-preview-GGUF · Hugging Facehttps://huggingface.co/AngelSlim/Hy4-preview-GGUF
원문 보기 | 출처: Gigazine