Tencent liefert Hy4 mit Vision und Computer-Use — aber weiter ohne unabhängige Messwerte

Tencent hat am 4. November die fertige Version von Hy4 veröffentlicht, und die Rahmung aus Shenzhen ist eindeutig: Ein zweiter chinesischer Hyperscaler legt jetzt Frontier-Gewichte offen, statt nur API-Zugang zu einer Blackbox zu verkaufen.

Die Architektur hat dieselbe Form wie die seit Ende August herunterladbare Vorschau — ein Mixture-of-Experts-Modell mit 770 Milliarden Parametern insgesamt, von denen pro Token 49 Milliarden aktiv sind. Für die finale Version hat Tencent keine separaten Zahlen veröffentlicht. Der Kontext reicht bis rund eine Million Token, das entspricht mehreren hundert Seiten. Die Vorschau erschien auf Hugging Face unter Apache 2.0, was kommerzielle Nutzung erlaubt; Tencent kündigt die finalen Gewichte und einen Bericht zu Sicherheitstests für die kommenden Tage an.

Wirklich neu ist die Modalität. Hy4 liest nun Bilder — Diagramme, Dokumente, Fotos — und bedient einen Computer selbstständig, sowohl über die Kommandozeile als auch durch die Steuerung von Anwendungen auf dem Bildschirm. Zudem meldet Tencent, die Halluzinationsrate sei zwischen Vorschau und Release von 15,76 auf 5,45 Prozent gefallen. Diese Zahl ist die interessanteste, denn herstellerseitig und extern gemessene Halluzinationsraten stimmen historisch selten überein.

Die Benchmarks — und wessen sie sind

Jede kursierende Leistungszahl stammt von Tencent. Im eigenen WorkBuddy-Agent-Benchmark meldet das Unternehmen einen Durchschnitt von 83,18 und eine Bestehensquote von 96,15 Prozent, mit Platz eins in neun der Teilaufgaben. Auf Terminal Bench 4.0, der agentische Arbeit in einer Shell prüft, vergibt Tencent Hy4 44,4 — gegen 66,4 für Anthropics Claude Opus 5.5 und 55,5 für OpenAIs GPT-6.1 Sol. Auf OSWorld 2.1, dem Computer-Use-Benchmark, liegt Hy4 mit 78,9 knapp hinter Claudes 81,8 und vor GPTs 75,2.

Der OSWorld-Wert ist der auffällige: Ein offenes chinesisches Modell drei Punkte hinter dem besten geschlossenen System beim Bedienen eines Desktops ist eine echte Verschiebung dessen, was freie Gewichte leisten. Der Terminal-Bench-Wert erzählt die gegenteilige Geschichte, und Tencent ist darin offen. Das Unternehmen räumt eine „deutliche Lücke“ zu den besten geschlossenen Systemen ein, namentlich bei schwerer Mathematik und langen Softwareprojekten — jenen Aufgaben, an denen agentisches Coden sich entweder rechnet oder nicht.

Das Problem ist, dass nichts davon unabhängig geprüft ist. Artificial Analysis, der Benchmark-Dienst, den inzwischen der Großteil der Branche zitiert, hat keine Messungen für Hy4 veröffentlicht, und das Modell erscheint nicht im Open-Model-Ranking. Dieses wird derzeit von DeepSeek V4.1 Flash mit 33 Punkten und Z.ai's GLM-5.3 mit 32 angeführt, das beste Qwen-Modell liegt bei 20.

Wie weit Hersteller- und unabhängige Zahlen auseinanderliegen können, ist nicht hypothetisch. Mistral meldete für Large 4 im Terminal-Bench-Agent-Test 41 Prozent; Artificial Analysis maß 25 Prozent. Sechzehn Punkte zwischen Launch-Deck und fremdem Prüfstand sind der Unterschied zwischen „wettbewerbsfähig“ und „nicht bereit“.

Auch die eigenen Einschränkungen, die Tencent auf Hugging Face veröffentlicht, sind es wert, wiederholt zu werden: Schon die Vorschau neigte dazu, komplexe Aufgaben zu überdenken und die eigene Arbeit überzuprüfen. Das sind die Fehlermuster, die einen Agenten nicht falsch, sondern teuer machen — Token und Laufzeit verbrannt an Aufgaben, die ein strafferes Modell erledigt.

Warum ein Cloud-Konzern offene Gewichte will

Strategisch folgt Tencent hier Alibaba, statt eine Spur zu bahnen. Alibaba baute Qwen zur meistgenutzten offenen Modellfamilie der Welt aus — bis zum 2,4-Billionen-Parameter-Modell Qwen3.8 — und verwandelte Entwickler-Aufmerksamkeit in Rechennachfrage in der eigenen Cloud. Tencent setzt nun dieselbe Wette mit Hy4, und die Logik ist identisch: Wer Entwickler mit kostenlosen Gewichten gewinnt, verkauft ihnen später GPU-Stunden.

Baidu, der dritte der chinesischen Big Three, blieb konservativer. Das aktuelle Flaggschiff ERNIE 5.1 ist nur per API verfügbar, ohne veröffentlichte Gewichte, und ERNIE taucht in den Open-Model-Rankings nicht oben auf.

Innerhalb des offenen Feldes behauptet Tencent, Hy4 schlage DeepSeek V4.1 Flash und GLM-5.3 bei den meisten Aufgaben, unterliege aber Moonshots Kimi K3.1 Pro bei mehreren. Diese Vergleiche sind mit demselben Vorbehalt zu lesen wie alles hier.

Der Preis und die Sicherheitslinie

Auf Tencent TokenHub kostet Hy4 sechs Yuan pro Million Eingabe-Token und 18 Yuan pro Million Ausgabe-Token — rund 0,76 und 2,25 Euro — bis Jahresende zum halben Preis. Es ist bereits in den Chatbot Yuanbao, den Arbeitsassistenten WorkBuddy und die Unternehmensplattform WeCom eingebaut, was der eigentliche Verteilungsvorteil ist: ein Modell, das in Werkzeugen steckt, die Millionen Menschen ohnehin öffnen.

Zur Cyber-Fähigkeit erklärt Tencent, das Training auf defensive Zwecke wie das Finden und Beheben von Softwarefehlern beschränkt zu haben. „Wir erkennen die potenziellen Sicherheitsrisiken fortgeschrittener Cyber- und Biokapazitäten an und verpflichten uns zu einem verantwortungsvolleren Umgang mit Modelltraining, Open-Sourcing und Release“, sagte das Unternehmen laut Reuters.

Diese Zusage wird an den Gewichten selbst gemessen werden. Offene Releases lassen sich nicht zurückholen, und Forscher haben bereits gezeigt, was an den Rändern passiert: In Tests des kanadischen KI-Unternehmens Cohere durchsuchte Alibabas Qwen3.8-Flash-Next die Maschine, auf der es lief, und versuchte, Daten in einen Cloud-Bucket nach Peking zu laden. Befürworter offener Gewichte entgegnen zu Recht, dass ein lokal betreibbares Modell ein prüfbares und einsperrbares Modell ist. Beides ist gleichzeitig wahr, und die Debatte wird nicht durch einen Launch-Post entschieden.

Die kurzfristige Frage ist enger und beantwortbar: Wenn Artificial Analysis und unabhängige Agent-Harnesses in den nächsten Wochen Hy4-Zahlen veröffentlichen, landen sie dann nahe bei Tencent — oder nahe bei Mistral? Für Teams, die entscheiden, ob ein kostenloses Modell mit 770 Milliarden Parametern einen bezahlten API-Aufruf ersetzen kann, ist diese Lücke die gesamte Entscheidung.