Hy4 di Tencent entra nella corsa ai benchmark dove contano costi e verifiche

Tencent apre il suo ultimo modello

Il rilascio conta meno per le funzioni che per il confronto tra offerte. Chi compra oggi mette sulla bilancia Gemini 4 Carbon di Google, in testa all'indice, e un modello a pesi aperti che Tencent dice sarà scaricabile. Pesa anche la stima di Gartner, secondo cui i modelli aperti sbrigano la maggior parte del lavoro agentico a una frazione del costo dei modelli di frontiera.

La proposta è ampia. Hy4 aggiunge per la prima volta la comprensione visiva e le capacità di uso del computer. Sa muoversi tra interfacce a riga di comando e interfacce grafiche. Tencent dice di aver addestrato il modello su software professionali, tra cui Blender e CAD. L'obiettivo sono i compiti lunghi, a più passaggi. Sull'assistente WorkBuddy della società, il punteggio medio di prestazione dichiarato è 83,18 e il tasso di superamento è del 96,15 per cento. Hy4 si è classificato primo in nove scenari su dodici nella Cina continentale. Una valutazione alla cieca condotta con Tencent Financial Technology ha coinvolto 213 professionisti della finanza. Di questi, 153 venivano da istituzioni esterne. La prova ha coperto 579 compiti.

Ognuno di quei numeri viene dai test interni di Tencent. Nessun ente di valutazione esterno li ha prodotti. I pesi aperti cambiano i termini di quel confronto, a patto che Tencent pubblichi ciò che ha promesso. Allora chi compra può far girare il modello da solo e verificare le dichiarazioni.

Google si prende la corona del benchmark, di misura

Tom's Hardware ha riferito che Gemini 4 Carbon ha totalizzato 59 sull'Artificial Analysis Intelligence Index V5. Questo lo mette un punto davanti a Claude Opus 5.5 e due punti davanti a GPT-6 Astra di OpenAI.

Gemini 4 Carbon ha ottenuto il punteggio più alto in quattro delle nove valutazioni della suite. Ci è arrivato con un costo per compito inferiore a quello degli altri modelli in alto in classifica. Sta anche nove punti sopra Muse Wonder Full di Meta. Non eccelle in tutto. Tom's Hardware segnala che resta dietro a Claude Code con Claude Opus 5.5 nella programmazione. È indietro anche rispetto a Grok 4.7, Muse Wonder e Kimi K3.1 Pro nel lavoro di conoscenza.

Il margine è sottile. Sottile è normale. Le posizioni su quell'indice si sono mosse in fretta e spesso nel corso del 2026. Un punto non è un vantaggio duraturo. Quello che Google può rivendicare è il prezzo. Gemini 4 Carbon è costato 7,76 dollari per compito nel test dell'Intelligence Index. È meno di Claude Opus 5.5 e Sonnet 5.5. È circa la metà dei 12,99 dollari di Claude Fable 5.1. Resta più caro di GPT-6 Astra di OpenAI. Costa circa sei volte GPT 6.1 Sol.

Su AA-Omniscience v1.1 ha segnato 54. Quel benchmark misura il richiamo delle conoscenze e le allucinazioni. Il punteggio sta su una scala che va da -100 a +100. Anche il miglior modello di frontiera di fine 2026 è lontano da un richiamo affidabile.

L'argomento del costo

Gartner calcola che i modelli aperti possano gestire il 90 per cento del lavoro agentico. Sarebbe a un ventesimo del costo di un LLM di frontiera, secondo quanto riporta The Register.

Accanto al listino, il compromesso diventa concreto. I 7,76 dollari per compito di Gemini 4 Carbon sono circa 13 volte quello che costa il modello a pesi aperti DeepSeek V4.1 Flash 1017. Quel modello segna 32 sull'Intelligence Index. Chi compra decide quanta precisione gli serve per unità di lavoro. Si chiede anche se un divario di pochi punti in un benchmark giustifichi un multiplo sul prezzo.

La stessa presentazione di Google punta sul lavoro di sicurezza. L'azienda dà prima accesso ai difensori informatici tramite il programma Fairwind. La disponibilità più ampia arriva dopo. La maggior parte degli acquirenti non può ancora provare il modello in testa alla classifica.

Cosa guardare: pesi, accesso e prove

Anthropic ha pubblicato martedì un post sul blog che descrive FlashProve. FlashProve è un sistema open source per verificare quale modello ha prodotto un dato output. Funziona facendo pubblicare ai laboratori un'impronta di ogni modello. I laboratori possono abbinare quell'impronta agli output e controllarla in modo crittografico. Il controllo non rivela i pesi.

I ricercatori hanno rilasciato una specifica tecnica e codice funzionante su GitHub. Hanno detto di non avere piani per usarlo in Anthropic o in altri laboratori. Resta quindi una proposta, non un prodotto. Il problema che affronta, però, è reale per chi compra. Un'azienda potrebbe sostenere che un modello adeguato ha approvato il suo piano industriale. Oppure che un modello di frontiera per la sicurezza ha scansionato una biblioteca. Un cliente non avrebbe modo di confermarlo, scrivono i ricercatori.

Per ora le domande pratiche sono più semplici. Tencent dice che i pesi e le schede di sistema di Hy4 arrivano nei prossimi giorni. Google dice che Gemini 4 Carbon sarà disponibile più ampiamente dopo il programma Fairwind. Fino ad allora, le dichiarazioni sui benchmark restano in gran parte come le hanno pubblicate i loro autori.