Tencent ouvre le code de « Hy4 Preview », 770 milliards de paramètres

Tencent a publié le 28 août son nouveau grand modèle de langage « Hy4 Preview » en open source. Construit en architecture de mélange d'experts (MoE), il compte 770 milliards de paramètres au total, dont seulement 49 milliards sont activés à chaque token traité. Sa fenêtre de contexte dépasse le million de tokens, de quoi ingérer une base de code entière ou plusieurs documents longs sans perdre le fil. C'est une avancée nette par rapport aux versions précédentes de la famille Hunyuan de Tencent, à la fois sur la taille du modèle et sur la longueur de contexte gérée.

Un modèle pensé pour les agents et la productivité

Selon Tencent, Hy4 Preview n'est pas conçu comme un simple assistant conversationnel mais pour les agents de code, les workflows d'outils complexes et les tâches de productivité qui demandent de la planification, une continuité de contexte et une exécution en plusieurs étapes. L'entreprise dit avoir travaillé, dès la conception, avec des experts métiers en ingénierie logicielle, développement de jeux, finance et sécurité, pour entraîner le modèle sur des données réelles de travail. Il est étroitement intégré à ses propres outils : CodeBuddy pour le code, WorkBuddy pour la collaboration bureautique — l'objectif affiché étant d'en faire une solution B2B directement utilisable par des ingénieurs ou des analystes.

Légèrement devant GLM-5.3 et Kimi K3 en évaluation à l'aveugle

Tencent a mené une évaluation interne à l'aveugle avec 163 experts sur 203 tâches d'ingénierie concrètes. Hy4 Preview y obtient 2,99 sur 4,00 en moyenne, devançant de peu GLM-5.3 de Zhipu AI (2,92) et Kimi K3 de Moonshot AI (2,94). Les performances en code et en usage agentique progressent nettement par rapport à la version précédente, plaçant le modèle en tête des modèles ouverts — mais Tencent reconnaît lui-même qu'il reste en retrait des modèles fermés les plus avancés d'OpenAI et d'Anthropic.

Tencent souligne que le marché chinois de l'IA connaît une concurrence croissante entre grands groupes technologiques et start-up, aussi bien sur la performance des modèles que sur leur mise sur le marché. Plutôt que d'attendre une version totalement aboutie, l'entreprise dit avoir choisi de publier d'abord une preview pour recueillir de vrais retours du marché et itérer rapidement à partir de ces retombées. Cette sortie s'inscrit dans une séquence où Zhipu AI (avec sa gamme GLM) et Moonshot AI (avec sa gamme Kimi) multiplient elles aussi les nouveaux modèles : Tencent cherche à s'y faire une place avec un modèle orienté travail, adossé à ses propres outils.

• 770 milliards de paramètres au total, 49 milliards actifs (architecture MoE)
• fenêtre de contexte de plus d'un million de tokens, pour traiter une base de code ou des documents volumineux
• accessible via WorkBuddy, CodeBuddy (versions chinoise et internationale), Yuanbao, ima, l'API Tencent Cloud TokenHub et OpenRouter
• gratuit pendant deux semaines sur WorkBuddy et CodeBuddy au lancement
• tarif API : 0,834 dollar par million de tokens en entrée, 2,501 dollars par million en sortie
• poids publiés simultanément sur Hugging Face, GitHub et ModelScope

Des limites assumées et une stratégie d'itération rapide

Tencent reconnaît que ce statut de « preview », avant une version finale, laisse des limites : un temps de réflexion qui s'allonge sur les tâches complexes, et une tendance à trop vérifier ses propres réponses. L'entreprise affirme par ailleurs que le modèle a servi à optimiser une partie de ses propres systèmes d'entraînement et d'inférence, avec un gain de débit de bout en bout de 31,8 % par rapport à une base de référence. La stratégie assumée est de sortir vite une preview pour recueillir de vrais retours du marché plutôt que d'attendre une version aboutie, tout en profitant de la gratuité initiale sur CodeBuddy et WorkBuddy pour fidéliser les premiers utilisateurs à son propre écosystème.

Ce que ça change pour les entreprises françaises

Pour une équipe technique française, Hy4 Preview ajoute une option de plus, accessible sans infrastructure dédiée via OpenRouter ou l'API Tencent Cloud, et ses poids ouverts en font un candidat pour qui envisage un déploiement sur ses propres serveurs ou un fine-tuning maison. Son tarif API, sous le dollar par million de tokens en entrée, peut aussi peser dans l'arbitrage d'une équipe qui traite de gros volumes de code ou de documents. Reste que la comparaison à quelques dixièmes de point avec GLM-5.3 et Kimi K3 montre une course serrée entre modèles ouverts chinois : avant toute adoption en production, une évaluation sur des tâches internes réelles reste indispensable, en particulier compte tenu des enjeux de souveraineté et de conformité des données propres à un déploiement en France.