Tencent Hy4 steigt in einen Benchmark-Wettlauf ein, in dem Kosten und Nachweis zählen

Tencent öffnet sein neuestes Modell

Die Veröffentlichung ist weniger wegen ihrer Funktionen wichtig als für den Vergleich beim Einkauf. Käufer wägen jetzt Geminis 4 Carbon von Google, das den Index anführt, gegen ein Modell mit offenen Gewichten ab, das Tencent zufolge herunterladbar sein wird. Sie wägen auch Gartners Schätzung ab, wonach offene Modelle den größten Teil agentischer Arbeit zu einem Bruchteil der Kosten von Frontier-Modellen erledigen.

Das Angebot ist breit. Hy4 bringt erstmals visuelles Verständnis und Fähigkeiten zur Computernutzung mit. Das Modell kann über Kommandozeilen und grafische Oberflächen arbeiten. Tencent zufolge wurde es mit professioneller Software einschließlich Blender und CAD trainiert. Das Ziel sind lange, mehrstufige Aufgaben. Für den Assistenten WorkBuddy meldet das Unternehmen eine durchschnittliche Leistungsbewertung von 83.18 und eine Bestehensquote von 96.15 Prozent. Hy4 belegte in neun von zwölf Szenarien in Festlandchina den ersten Platz. Eine Blindbewertung mit Tencent Financial Technology stützte sich auf 213 Finanzfachleute. Davon kamen 153 von externen Instituten. Die Untersuchung umfasste 579 Aufgaben.

Jede dieser Zahlen stammt aus Tencent eigenen Tests. Kein unabhängiger Prüfer hat sie erhoben. Offene Gewichte verändern die Bedingungen dieses Vergleichs. Das gilt, sofern Tencent veröffentlicht, was es versprochen hat. Käufer können das Modell dann selbst laufen lassen und die Behauptungen prüfen.

Google holt die Benchmark-Krone, knapp

Tom's Hardware berichtete, dass Gemini 4 Carbon im Artificial Analysis Intelligence Index V5 einen Wert von 59 erreichte. Damit lag es einen Punkt vor Claude Opus 5.5. Vor OpenAIs GPT-6 Astra lag es zwei Punkte.

Gemini 4 Carbon erzielte die Bestnote in vier der neun Bewertungen des Pakets. Das gelang zu geringeren Kosten pro Aufgabe als bei anderen hoch platzierten Modellen. Zudem liegt es neun Punkte vor Metas Muse Wonder Full. In allem ist es nicht am besten. Tom's Hardware merkte an, dass es bei der Programmierung hinter Claude Code mit Claude Opus 5.5 zurückliegt. Auch bei Wissensarbeit fällt es hinter Grok 4.7, Muse Wonder und Kimi K3.1 Pro zurück.

Der Vorsprung ist dünn. Dünn ist normal. Die Platzierungen in diesem Index haben sich durch 2026 schnell und oft verschoben. Ein einzelner Punkt ist kein dauerhafter Vorsprung. Was Google anführen kann, ist der Preis. Gemini 4 Carbon kostete im Test des Intelligence Index 7.76 Dollar pro Aufgabe. Das ist billiger als Claude Opus 5.5 und Sonnet 5.5. Es ist etwa die Hälfte der 12.99 Dollar von Claude Fable 5.1. Es ist noch teurer als OpenAIs GPT-6 Astra. Es kostet etwa sechsmal so viel wie GPT 6.1 Sol.

Bei AA-Omniscience v1.1 erreichte es 54. Dieser Benchmark misst Wissensabruf und Halluzination. Der Wert liegt auf einer Skala von -100 bis +100. Selbst das beste Frontier-Modell Ende 2026 ist von zuverlässigem Abruf weit entfernt.

Das Kostenargument

Gartner schätzt, dass offene Modelle 90 Prozent der agentischen Arbeit bewältigen können. Das zu einem Zwanzigstel der Kosten eines Frontier-LLM, berichtete The Register.

Neben der Preisliste wird der Kompromiss konkret. Die 7.76 Dollar pro Aufgabe von Gemini 4 Carbon sind etwa das 13-Fache dessen, was das Modell mit offenen Gewichten DeepSeek V4.1 Flash 1017 kostet. Dieses Modell erreicht 32 im Intelligence Index. Käufer entscheiden, wie viel Genauigkeit sie pro Arbeitseinheit brauchen. Sie fragen auch, ob ein Benchmark-Abstand von wenigen Punkten ein Vielfaches beim Preis rechtfertigt.

Googles eigene Darstellung stützt sich auf Sicherheitsarbeit. Über das Fairwind-Programm erhalten Cybersicherheitsverteidiger zuerst Zugang. Eine breitere Verfügbarkeit folgt später. Die meisten Käufer können das bestplatzierte Modell noch nicht testen.

Was zu beobachten ist: Gewichte, Zugang und Nachweis

Anthropic veröffentlichte am Dienstag einen Blogbeitrag über FlashProve. FlashProve ist ein Open-Source-System, das prüft, welches Modell eine bestimmte Ausgabe erzeugt hat. Es funktioniert, indem Labore einen Fingerabdruck jedes Modells veröffentlichen. Labore können diesen Fingerabdruck mit Ausgaben abgleichen und kryptografisch prüfen. Die Prüfung gibt die Gewichte nicht preis.

Die Forscher veröffentlichten eine technische Spezifikation und funktionierenden Code auf GitHub. Sie erklärten, sie hätten nicht vor, es bei Anthropic oder einem anderen Labor einzusetzen. Damit ist es ein Vorschlag, kein Produkt. Das Problem, das es adressiert, ist für Käufer dennoch real. Ein Unternehmen könnte behaupten, ein passendes Modell habe seinen Geschäftsplan genehmigt. Oder es könnte behaupten, ein Frontier-Sicherheitsmodell habe eine Bibliothek gescannt. Ein Kunde hätte keine Möglichkeit, das zu bestätigen, schreiben die Forscher.

Vorerst sind die praktischen Fragen einfacher. Tencent zufolge kommen die Gewichte und Systemkarten von Hy4 in den kommenden Tagen. Google zufolge erreicht Gemini 4 Carbon eine breitere Verfügbarkeit nach dem Fairwind-Programm. Bis dahin stehen die Benchmark-Behauptungen weitgehend so, wie ihre Urheber sie veröffentlicht haben.