Tencent Hy4

腾讯新的 Hy4 开源权重语言模型正在与 DeepSeek、Kimi 以及 OpenAI/Anthropic 模型在价格和能力上进行对比,许多人注意到它大致落在成本—准确率前沿附近,但可能速度较慢且过于细致。评论者强调它在数据分析和游戏开发方面的优势,同时质疑其按任务计算的成本竞争力,以及为安全而进行的训练选择——这些选择排除了网络攻防和其他“禁忌”领域——会带来怎样的影响。此次发布还引发了关于中国 AI 进展、出口管制、监控规范,以及更便宜的开源模型是否会削弱西方闭源系统优势的更广泛讨论。

模型性能与基准测试

  • Hy4 通常被认为在开源权重模型中表现强劲,但在困难数学、长程编码、自我改进和高级视觉任务上仍落后于顶级闭源模型。
  • 与 Kimi 3.1 Pro 相比,Hy4 据说略弱,但便宜得多,而且使用更少的 token 进行训练(770B 对 2.8T);有人认为,更大的模型主要提升的是“品味”和长上下文行为。
  • 在具体基准上:
    • FrontierCode 2.0 取得 31 分,被认为大致可与 GPT‑6.1 Sol 和 Opus 5.5 Medium 相提并论。
    • Plotly 的数据分析基准将 Hy4 放在 GPT‑6.1 Sol 和 Terra 之间的成本/准确率前沿上,但指出它非常细致也非常慢,往往会发出很多查询。
    • 在 PacBench(吃豆人游戏智能体)上,Hy4 的游戏得分与 DeepSeek V4.1 Flash 持平,同时成本大约便宜 7 倍,但速度略慢。

定价、效率与每项任务成本

  • 有人认为,按公布的 token 价格看,Hy4 相较 DeepSeek “不具成本竞争力”;也有人说按 token 定价具有误导性,真正重要的是每项任务成本。
  • 使用 DeepSeek V4.1 Flash 的经验表明,由于缓存 token 价格极低且缓存命中率很高,它在实际使用中可能更便宜。
  • 文中链接的“智能效率”分析被批评为把 DeepSeek 设为“Max”而不是“High”运行,并且使用的基准并不反映多轮、大上下文的软件工程工作。

安全性、进攻能力与内容过滤

  • Hy4 的训练刻意过滤掉了利用开发、逆向工程和渗透测试等进攻性内容,这让依赖这些能力的用户感到失望。
  • 有人将这与先在网络攻防内容上训练、再事后补安全的做法作对比;也有人称赞腾讯选择了一种更直接的缓解方式。
  • 讨论中还提到中国出口管制(“公告 48”),但不确定它们将如何影响开源权重模型,尤其是生物医学应用。

开源模型与闭源模型,以及生态趋势

  • 一些评论认为,Hy4 以及其他近期的开源模型(DeepSeek、Kimi、Qwen、Particle‑1、Ember‑1)正在把开源权重重新推回成本/准确率前沿。
  • 对现有强模型进行后训练被指出正变得越来越有效。
  • 有人预测中国的开源模型会在一年内超过美国实验室;也有人坚持认为,美国的前沿模型(Opus/Sol/Astra)在高端能力上仍明显领先,而且更便宜的模型实际上会增加对顶级推理的需求(杰文斯悖论),不过也有人认为这一点并非普遍适用。

游戏开发重点

  • Hy4 被大量针对游戏开发进行了调优:功能实现、游戏逻辑、状态跟踪、资产管线,以及对 Unreal、Unity 和 Godot 的支持,包括多人游戏。
  • 这被视为一个自然契合点,因为腾讯拥有庞大的全球游戏版图,并持有多家大型工作室的股份。

地缘政治、经济与未来硬件

  • 有人认为,美国经济前景与 OpenAI/Anthropic 能否继续领先中国模型密切相关;也有人觉得这种说法夸张甚至“末日化”。
  • 讨论中将其类比为 2008 年“过大而不能倒”的动态,以及 Silicon Graphics:如果硬件、量化和架构继续改进,接近 SOTA 的 LLM 最终可能在消费级机器上以低成本运行,从而压缩当前 SaaS 式商业模式。
  • 也有人反驳说,全球许多公司都能构建有能力的硬件和模型,因此 AI 的收益并不锁定于某一个国家或实验室。

监控、技术官僚体制与对技术的态度

  • Hy4 的视觉演示(例如卫星图像、地理定位)引发了评论,认为中国发布的模型似乎不那么担心看起来像双用途或军事技术。
  • 几则轶事将中国显眼的高科技基础设施和无处不在的监控,与西方对隐私和权利的担忧作对比;观点分歧很大:
    • 一些人将中国描述为一种技术官僚体制,人们普遍认为技术正在改善日常生活。
    • 另一些人则强调审查、监控(例如手机遥测丑闻)以及侵入性系统一旦部署就很难撤销的风险。
  • 文中引用关于民主感知和治理质量的民调,认为中国公民往往觉得自己受到的代表性比西方公众更好;但也有人保持怀疑,指出宣传、发展不均和人权问题。

可用性、命名与信任

  • 官方 Hy4 网站被批评笨拙难用(例如基准图表难以阅读/缩放)。
  • 有人拿更花哨的中国模型名称开玩笑,并提到“老大哥”式品牌命名。
  • 一些人表示不信任把数据交给中国提供商;也有人反驳说,若没有具体论据,这类浅层否定并无多少意义。