Tencent Hy4 est lancé : vision, usage du PC et poids ouverts

Tencent Hy4 est disponible. Le nouveau modèle ajoute pour la première fois la perception visuelle et l’utilisation de l’ordinateur à la famille Hy, et Tencent le présente comme l’un des modèles à poids ouverts les plus performants. Vous pouvez l’essayer dès maintenant : sélectionnez Tencent Hy4 dans le sélecteur de modèles de vega.chat — il fonctionne en modes chat et code avec des images en entrée — ou utilisez-le via api.vega.chat, compatible avec OpenRouter.

Hy4 fait suite à l’aperçu de Hy4, sorti fin août, et s’appuie sur un pré-entraînement et un post-entraînement approfondis. L’annonce du 4 novembre cible le développement logiciel et de jeux vidéo, la finance et le travail de bureau, la recherche scientifique et l’assistance personnelle. Tous les chiffres ci-dessous sont ceux communiqués par Tencent.

Le graphique principal compare Hy4 à GLM-5.3, DeepSeek-V4.1-Flash-1017, Kimi K3.1 Pro, GPT 6.1 Sol et Claude Opus 5.5 sur 11 groupes de benchmarks portant sur le codage agentique, la recherche agentique, les tâches de bureau, les STEM, la recherche en IA, l’utilisation de l’ordinateur et les tâches multimodales.

Vision et utilisation de l’ordinateur

Hy4 est le premier modèle Hy capable de voir. Il traite l’inspection détaillée d’images et l’interprétation de graphiques complexes, en combinant perception, raisonnement et utilisation d’outils. Exemple présenté par Tencent : repérer un élément de toiture d’environ deux mètres dans une image aérienne de 2,8 gigapixels.

C’est là que réside la différence à tester : non pas décrire une image, mais y trouver le détail important. Les graphiques, les captures d’écran et les documents visuels denses sont de bons supports pour un premier essai.

L’utilisation de l’ordinateur est également une nouveauté. Hy4 fonctionne avec des interfaces en ligne de commande comme avec des interfaces graphiques, grâce à un entraînement ciblé sur Blender, CAD et les flux de travail faisant intervenir plusieurs applications.

Développement frontend et de jeux vidéo

Pour le développement frontend, Tencent a optimisé Hy4 pour les interactions complexes avec les interfaces, la logique métier, la gestion de l’état et l’intégration full-stack — afin de créer des interfaces qui fonctionnent, et pas seulement élégantes.

Le développement de jeux vidéo a fait l’objet d’une attention particulière : les données d’entraînement et les évaluations ont été élaborées avec des professionnels de Tencent Interactive Entertainment Group. Elles couvrent l’implémentation de fonctionnalités, la logique de jeu, le suivi de l’état, les pipelines d’assets et le multijoueur. Les moteurs pris en charge incluent Unreal, Unity et Godot. Tencent fait état de gains de 19,1 % sur GameDev et de 9,8 % sur GameLogic par rapport à l’aperçu de Hy4.

La démo présentée est une maquette numérique de « Tencent Penguin Island » : une scène Three.js 0.184.0 autonome et utilisable hors ligne, avec des commandes orbitales, une exploration à la première et à la troisième personne, un avatar manchot, des réglages météo et jour/nuit, une mini-carte et des coupes de plancher. Pour la tester en mode code sur VEGA : demandez à Hy4 de créer un prototype interactif, puis continuez à demander des modifications qui mettent à l’épreuve sa gestion de l’état.

Finance et flux de travail de bureau

Tencent a conçu des milliers d’espaces de travail financiers réalistes et évalué Hy4 avec 213 professionnels de la finance — dont 153 issus d’institutions de premier plan, et plus de 70 % ayant au moins cinq ans d’expérience.

Sur 579 tâches financières réelles, Hy4 se classe premier parmi les modèles à poids ouverts évalués : 3,04, contre 2,97 pour DeepSeek-V4.1-Flash-1017 et 2,68 pour Kimi K3.1 Pro comme pour GLM-5.3. Sur IRAB, le benchmark de RabyteTech pour les agents de recherche en investissement (101 tâches), Hy4 a obtenu 61,63 au total, soit 12,03 points de plus que l’aperçu de Hy4. Le taux d’hallucination déclaré est passé de 15,76 % à 5,45 %, et les erreurs spéculatives de 23,1 % à 5,6 %.

La démo de bureau associe un modèle financier Tesla dans Excel à un rapport HY RESEARCH au format PDF correspondant — avec chaque chiffre vérifiable et la logique d’évaluation exposée — produits à l’aide des outils global-equity-research et neodata. Hy4 modifie aussi en temps réel des fichiers Word, Excel et PowerPoint ; Manus annonce un taux de réalisation des tâches proche de 97 % pour la création et la modification de documents. Pour découvrir l’IA intégrée aux flux de travail documentaires, consultez également OfficeVEGA.

Recherche scientifique et IA qui s’améliore elle-même

Sur TenureTrail — le benchmark interne de Tencent composé de 123 tâches de recherche dans sept disciplines — Hy4 se classe premier parmi les modèles à poids ouverts. Ses points forts : la construction mathématique, la modélisation physique, les sciences de la Terre, l’ingénierie des systèmes et la prise de décision socioéconomique.

Autre résultat plus inhabituel : associé au framework Hyra 2.0, Hy4 a optimisé l’infrastructure interne de pré-entraînement de Tencent pour des modèles plus petits partageant son architecture, puis a entraîné de manière autonome une variante qui a dépassé la référence officielle Jev sur plusieurs benchmarks. Un résultat expérimental circonscrit, mais une avancée concrète vers l’auto-amélioration récursive.

Deux modèles de fondation développés conjointement par Hy4 et Hyra 2.0 seront publiés en open source : HyCell pour la représentation des cellules uniques et HyPDE pour la modélisation des champs physiques. La démo ci-dessus montre un embryon de souris en 3D reconstitué à partir de sept millions de cellules en 1,5 heure sur une seule machine.

Résultats comme assistant et dans les produits

Avec WorkBuddy et WeCom, Hy4 s’intègre au contexte de travail quotidien — historique des conversations, e-mails, documents, calendriers et comptes rendus de réunion — pour suivre l’historique des projets, faire ressortir les actions à mener, préparer des résumés de réunion et signaler les échéances. Évaluation de WorkBuddy : 83,18 de moyenne, 96,15 % de réussite, et première place parmi les modèles chinois dans 9 scénarios sur 12. Dans Yuanbao, le score global est passé de 65,25 à 72,53, et le taux de réalisation des tâches des agents multimodaux a progressé de 36,8 %.

Autres chiffres communiqués : la précision des tâches de configuration dans Honor of Kings est passée de 91,74 % à 97,28 % (99,32 % après auto-vérification par l’agent), la satisfaction des utilisateurs de QQ a progressé de 90,11 % à 93,10 % dans plus de 40 scénarios, et la plateforme de recherche en investissement Comein place Hy4 à égalité avec Claude Opus 5.5, à la deuxième place au classement général — avec un score de 75,4, premier pour les requêtes de données.

Sécurité, tarifs et publication des poids

Tencent a limité les données d’entraînement en cybersécurité à des contenus défensifs — génération de preuves de concept et correction de vulnérabilités — en filtrant les contenus offensifs. Les audits red team menés par Tencent Xuanwu Lab et Keen Security Lab ne signalent aucun risque accru pour les tâches offensives. Sur Hy-BioExperimentBench, le modèle a obtenu 30,4/100 ; Tencent affirme n’avoir trouvé aucun indice montrant que Hy4 abaisse de manière notable les barrières à la nuisance biologique.

L’entreprise reconnaît également les lacunes qui subsistent par rapport aux meilleurs modèles propriétaires : les mathématiques de niveau recherche, le codage sur de longues séquences, l’auto-amélioration des modèles et les questions-réponses visuelles avancées.

Hy4 est disponible via Tencent Cloud, OpenRouter et les produits Tencent, dont CodeBuddy, WorkBuddy, Yuanbao et ima. Les tarifs de l’API restent inchangés par rapport à l’aperçu : 0,834 $ par million de jetons en entrée, 2,501 $ par million en sortie, 0,042 $ pour les jetons d’entrée mis en cache. La publication des poids et d’une fiche système complète est prévue, avec la prise en charge communautaire de vLLM et SGLang ; une version Hy4 flash, plus rapide et moins chère, est en préparation.

Pas besoin d’attendre la publication des poids. Sélectionnez Tencent Hy4 sur vega.chat — essayez-le sur un PDF riche en graphiques, un prototype d’interface complexe ou une tâche de codage en plusieurs étapes — ou intégrez-le via api.vega.chat.