مدل Hy4 تنسنت چگونه مرزهای استنتاج در مدل‌های متن‌باز را جابه‌جا می‌کند؟

تصور کنید مدلی با ۷۷۰ میلیارد پارامتر در میدان رقابت مدل‌های باز قرار بگیرد. در ۲۹ اوت ۲۰۲۶، شرکت تنسنت (Tencent) مدل Hy4 preview را معرفی کرد؛ یک مدل زبانی بزرگ (LLM) — شبیه کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — که به‌طور خاص برای بهره‌وری حرفه‌ای در مهندسی نرم‌افزار، امور مالی و پژوهش‌های علمی تنظیم شده است.

این عرضه در حالی رخ می‌دهد که صنعت از چت‌بات‌های همه‌منظوره به سمت موتورهای بهره‌وری تخصصی حرکت می‌کند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی مدل‌های تخصصی اشاره کردیم، بسیاری از مدل‌های باز با مدیریت متون حجیم مشکل دارند. اما Hy4 preview با هدف پر کردن شکاف موجود در نیازهای سازمانی، از پنجره متنی (Context Window) — مثل میز کاری که جا برای چند ورق دارد، نه برای کل کتابخانه — بیش از ۱ میلیون توکن پشتیبانی می‌کند. این قابلیت به مدل اجازه می‌دهد تا کل یک پایگاه کد یا آرشیوهای پیچیده مالی را یک‌باره پردازش کند.

بستر توسعه مدل

به نقل از مستندات رسمی tencent.com، این مدل از طریق همکاری نزدیک و طراحی مشترک (Co-design) با محصولاتی مثل CodeBuddy و WorkBuddy توسعه یافته است. تنسنت برای آموزش این مدل از داده‌های باکیفیتی استفاده کرده که توسط متخصصان داخلی در حوزه‌های گیمینگ، امنیت و مالی تولید شده‌اند. این رویکرد تضمین می‌کند که مدل به‌جای تکیه بر بنچمارک‌های مصنوعی، برای تجربه‌های واقعی کاربر در دنیای واقعی بهینه شود.

این مدل از معماری ترکیب خبره‌ها (Mixture of Experts یا MoE) استفاده می‌کند که در هر لحظه تنها ۴۹ میلیارد پارامتر آن فعال هستند. جزئیات دسترسی و عملکرد مدل به شرح زیر است:

• دسترسی: از طریق WorkBuddy، CodeBuddy، Yuanbao و ima و یا از طریق APIهای Tencent Cloud TokenHub و OpenRouter.
• عملکرد: در ارزیابی‌های کور داخلی که شامل ۱۶۳ متخصص و ۲۰۳ وظیفه مهندسی بود، Hy4 preview امتیاز ۲.۹۹ از ۴ را کسب کرد و از مدل‌های GLM-5.3 (با امتیاز ۲.۹۲) و Kimi K3 (با امتیاز ۲.۹۴) پیشی گرفت.
• قیمت: هزینه توکن‌های ورودی ۰.۸۳۴ دلار و خروجی ۲.۵۰۱ دلار به‌ازای هر میلیون توکن است. قیمت توکن‌های کش‌شده (Cache hits) ۰.۰۴۲ دلار به‌ازای هر میلیون توکن است.

قابلیت‌های تخصصی

طبق اعلام تنسنت، Hy4 preview در چهار ستون اصلی عملکرد تخصصی ارائه می‌دهد:

• مهندسی نرم‌افزار: این مدل برنامه‌ریزی، عیب‌یابی و اعتبارسنجی قدرتمندتری را برای وظایف با متن طولانی فراهم می‌کند. همچنین تجربه تعامل و کیفیت بصری توسعه فرانت‌اند را بهبود می‌بخشد.
• بهره‌وری اداری: مدل از گردش‌کارهای کامل، از پردازش اطلاعات تا ساخت جداول، ارائه‌ها و اسناد پشتیبانی می‌کند. این بخش شامل تحلیل‌های مالی پیشرفته و همکاری بین‌سندی (Cross-document) است.
• توسعه بازی: این مدل می‌تواند تنها با یک درخواست به زبان طبیعی، یک نمونه اولیه (Prototype) قابل اجرا تولید کند و از طریق تعاملات چندمرحله‌ای به‌طور موثر با موتورهای بازی‌سازی کار کند.
• پژوهش‌های علمی: حل مسائل پیچیده در توسعه AI، ریاضیات بنیادی، فیزیک ماده چگال و شبیه‌سازی دینامیک مولکولی از توانایی‌های این مدل است.

شگفت‌انگیزترین بخش، نقش این مدل در خلق خودش است. Hy4 preview در بهینه‌سازی خودکار روش‌های آموزش، استراتژی‌های داده، چارچوب‌های ارزیابی و عملگرهای سطح پایین (Low-level operators) مشارکت داشت. این مدل با پیشنهاد روش‌های جدید و اجرای آزمایش‌ها، یک حلقه بهبود بازگشتی ایجاد کرد که در آن لاگ‌ها و بازخوردها به اکتشافات بعدی منجر می‌شد.

علاوه بر این، مدل به‌طور خودکار سیستم استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند، مثل خودِ آشپزی و نه دوره‌ی آموزش آشپز — خود را تحلیل کرد تا بهینه‌سازی‌های ارتباطی و ادغام عملگرها (Operator fusion) را اجرا کند. این بهبودهای خودکار باعث شد توان عملیاتی (Throughput) مدل در مقایسه با حالت پایه ۳۱.۸٪ افزایش یابد، در حالی که این دستاورد در سطوح مختلف همزمانی (Concurrency) و طول‌های متنی مختلف ثابت ماند.

برای یک کاربر تجاری، این یعنی هوش مصنوعی از یک «دستیار نویسنده» به یک «معمار سیستم» تبدیل شده است. وقتی مدلی می‌تواند زیرساخت خودش را بهینه کند، هزینه‌های اجرا نه به‌دلیل سخت‌افزار، بلکه به‌دلیل بازنویسی کدهای کارایی توسط خودِ AI کاهش می‌یابد. این تحول فشار زیادی بر ارائه‌دهندگان مدل‌های وزن‌های باز (Open Weights) — یعنی مدل‌هایی که دستور پختشان علناً منتشر شده — می‌آورد تا فراتر از بنچمارک‌های ساده، کاربرد واقعی در گردش‌کارهای پیچیده و چندسندی را ثابت کنند.

در حال حاضر کاربران می‌توانند برای مدت دو هفته به‌طور رایگان از Hy4 preview در WorkBuddy و CodeBuddy استفاده کنند. علاوه بر این، دسترسی رایگان به مدل Hy3 در هر دو پلتفرم تا ۳۰ سپتامبر تمدید شده است. منتظر عرضه کامل سری Hy4 باشید که تنسنت انتظار دارد به‌زودی آن را منتشر کند.

گام بعدی شما

• اگر توسعه‌دهنده هستید، از دسترسی رایگان دو هفته‌ای در CodeBuddy برای تست پروژه‌های با کد حجیم استفاده کنید.
• مدل‌های MoE را برای کاهش هزینه استنتاج در مقیاس سازمانی بررسی کنید.
• قابلیت‌های تولید پروتوتایپ بازی را با درخواست‌های متنی پیچیده به چالش بکشید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.