Hy4 de Tencent entre dans une course aux benchmarks où le coût et les preuves comptent davantage

Tencent ouvre son dernier modèle

La sortie compte moins pour ses fonctions que pour le comparatif qu'elle permet. Les acheteurs pèsent désormais Gemini 4 Carbon, qui domine l'index de Google, face à un modèle à poids ouverts que Tencent dit téléchargeable. Ils pèsent aussi l'estimation de Gartner selon laquelle les modèles ouverts traitent la majeure partie du travail agentique pour une fraction du coût des modèles de pointe.

L'argumentaire est large. Hy4 ajoute pour la première fois la compréhension visuelle et les capacités d'utilisation d'ordinateur. Il peut passer par des interfaces en ligne de commande et graphiques. Tencent affirme avoir entraîné le modèle sur des logiciels professionnels, dont Blender et CAD. L'objectif : des tâches longues en plusieurs étapes. Sur l'assistant WorkBuddy de Tencent, l'entreprise annonce un score de performance moyen de 83,18 et un taux de réussite de 96,15 pour cent. Hy4 s'est classé premier dans neuf des douze scénarios en Chine continentale. Une évaluation à l'aveugle menée avec Tencent Financial Technology a réuni 213 professionnels de la finance. Parmi eux, 153 venaient d'institutions extérieures. L'essai a porté sur 579 tâches.

Chacun de ces chiffres provient des propres tests de Tencent. Aucun évaluateur externe ne les a produits. Les poids ouverts changent les termes de cette comparaison, à condition que Tencent publie ce qu'il a promis. Les acheteurs pourront alors faire tourner le modèle eux-mêmes et vérifier les affirmations.

Google prend la couronne des benchmarks, de justesse

Tom's Hardware rapporte que Gemini 4 Carbon a obtenu 59 sur l'Artificial Analysis Intelligence Index V5. Cela le place un point devant Claude Opus 5.5. Il devance de deux points GPT-6 Astra d'OpenAI.

Gemini 4 Carbon signe le meilleur score sur quatre des neuf évaluations de la suite. Il y parvient à un coût par tâche inférieur à celui des autres modèles bien classés. Il compte aussi neuf points d'avance sur Muse Wonder Full de Meta. Il n'est pas le meilleur partout. Tom's Hardware note qu'il reste derrière Claude Code avec Claude Opus 5.5 en programmation. Il recule aussi face à Grok 4.7, Muse Wonder et Kimi K3.1 Pro sur le travail de connaissance.

La marge est mince. Mince est la norme. Les classements de cet index ont bougé vite et souvent tout au long de 2026. Un point ne constitue pas une avance durable. Ce que Google peut mettre en avant, c'est le prix. Gemini 4 Carbon a coûté 7,76 dollars par tâche au test de l'Intelligence Index. C'est moins cher que Claude Opus 5.5 et Sonnet 5.5. C'est environ la moitié des 12,99 dollars de Claude Fable 5.1. Cela reste plus cher que GPT-6 Astra d'OpenAI. Le coût est environ six fois celui de GPT 6.1 Sol.

Sur AA-Omniscience v1.1, il a marqué 54. Ce benchmark suit le rappel de connaissances et les hallucinations. Le score se situe sur une échelle allant de -100 à +100. Même le meilleur modèle de pointe de la fin 2026 reste loin d'un rappel fiable.

L'argument du coût

Gartner estime que les modèles ouverts peuvent traiter 90 pour cent du travail agentique, pour un vingtième du coût d'un LLM de pointe, rapporte The Register.

Mis en regard de la grille tarifaire, l'arbitrage devient concret. Les 7,76 dollars par tâche de Gemini 4 Carbon représentent environ 13 fois le coût de DeepSeek V4.1 Flash 1017, un modèle à poids ouverts. Ce modèle obtient 32 sur l'Intelligence Index. Les acheteurs choisissent le degré de précision dont ils ont besoin par unité de travail. Ils se demandent aussi si un écart de quelques points sur un benchmark justifie un multiple de prix.

La présentation de Google s'appuie sur le travail de sécurité. L'entreprise donne d'abord accès aux défenseurs cyber via son programme Fairwind. Une disponibilité plus large viendra ensuite. La plupart des acheteurs ne peuvent pas encore tester le modèle le mieux classé.

À suivre : poids, accès et preuves

Anthropic a publié mardi un article de blog décrivant FlashProve. FlashProve est un système open source pour vérifier quel modèle a produit une sortie donnée. Il fonctionne en faisant publier aux laboratoires une empreinte de chaque modèle. Les laboratoires peuvent faire correspondre cette empreinte aux sorties et la vérifier par cryptographie. La vérification ne révèle pas les poids.

Les chercheurs ont publié une spécification technique et du code fonctionnel sur GitHub. Ils ont indiqué ne pas prévoir de le déployer chez Anthropic ni dans un autre laboratoire. C'est donc une proposition, pas un produit. Le problème qu'elle traite reste réel pour les acheteurs. Une entreprise pourrait affirmer qu'un modèle approprié a validé son plan d'affaires. Ou qu'un modèle de sécurité de pointe a scanné une bibliothèque. Un client n'aurait aucun moyen de le confirmer, écrivent les chercheurs.

Pour l'instant, les questions pratiques sont plus simples. Tencent annonce les poids et les fiches système de Hy4 dans les jours à venir. Google indique que Gemini 4 Carbon sera plus largement disponible après le programme Fairwind. D'ici là, les affirmations sur les benchmarks restent largement telles que leurs auteurs les ont publiées.