Hy4 Tencenta dołącza do wyścigu testów, w którym ważniejsze są koszt i dowody

Tencent otwiera swój najnowszy model

To wydanie mniej znaczy dla funkcji modelu, a bardziej dla porównywania ofert. Kupujący porównują teraz Gemini 4 Carbon, które prowadzi w indeksie, z modelem z otwartymi wagami, który Tencent zapowiada jako dostępny do pobrania. Biorą też pod uwagę szacunek Gartnera: modele otwarte obsługują większość pracy agentowej za ułamek kosztu modeli z czołówki.

Oferta jest szeroka. Hy4 po raz pierwszy dodaje rozumienie obrazu i możliwość obsługi komputera. Model obsługuje interfejsy wiersza poleceń i graficzne. Tencent twierdzi, że trenował go na profesjonalnym oprogramowaniu, między innymi Blenderze i CAD-zie. Chodzi o długie, wieloetapowe zadania. W asystencie WorkBuddy firma podaje średni wynik 83,18 i wskaźnik zaliczeń 96,15%. Hy4 zajął pierwsze miejsce w dziewięciu z dwunastu scenariuszy w Chinach kontynentalnych. W zaślepionej ocenie przeprowadzonej z Tencent Financial Technology wzięło udział 213 specjalistów finansowych. Spośród nich 153 pochodziło z instytucji zewnętrznych. Test obejmował 579 zadań.

Każda z tych liczb pochodzi z testów samego Tencenta. Żaden zewnętrzny podmiot ich nie zmierzył. Otwarte wagi zmieniają warunki tego porównania, o ile Tencent opublikuje to, co obiecał. Kupujący mogą wtedy sami uruchomić model i sprawdzić twierdzenia.

Google zdobywa koronę testu, nieznacznie

Tom's Hardware podał, że Gemini 4 Carbon zdobył 59 punktów w Artificial Analysis Intelligence Index V5. To o jeden punkt więcej niż Claude Opus 5.5 i o dwa więcej niż GPT-6 Astra od OpenAI.

Gemini 4 Carbon miał najlepszy wynik w czterech z dziewięciu ocen w zestawie. Osiągnął go przy niższym koszcie zadania niż inne wysoko notowane modele. Wyprzedza też o dziewięć punktów Muse Wonder Full od Mety. Nie jest najlepszy we wszystkim. Tom's Hardware zauważył, że w programowaniu ustępuje Claude Code z Claude Opus 5.5. Ustępuje także Grokowi 4.7, Muse Wonder i Kimi K3.1 Pro w pracy z wiedzą.

Przewaga jest cienka. Cienka to norma. Rankingi tego indeksu zmieniały się szybko i często przez cały 2026 rok. Jeden punkt nie daje trwałego prowadzenia. Google może za to wskazać cenę. Gemini 4 Carbon kosztował 7,76 dol. za zadanie w teście Intelligence Index. To mniej niż Claude Opus 5.5 i Sonnet 5.5. To mniej więcej połowa 12,99 dol. za zadanie w Claude Fable 5.1. Wciąż drożej niż GPT-6 Astra od OpenAI, około sześć razy więcej niż GPT 6.1 Sol.

W AA-Omniscience v1.1 model zdobył 54 punkty. Ten test mierzy odtwarzanie wiedzy i halucynacje. Skala biegnie od -100 do +100. Nawet najlepszy model z czołówki końca 2026 roku jest daleko od niezawodnego przypominania.

Argument kosztowy

Gartner szacuje, że modele otwarte poradzą sobie z 90 proc. pracy agentowej. Za jedną dwudziestą kosztu czołowego LLM, podał The Register.

Zestaw to z cennikiem, a kompromis staje się konkretny. 7,76 dol. za zadanie w Gemini 4 Carbon to około 13 razy więcej, niż kosztuje model z otwartymi wagami DeepSeek V4.1 Flash 1017. Ten model ma 32 punkty w Intelligence Index. Kupujący wybierają, ile dokładności potrzebują na jednostkę pracy. Pytają też, czy różnica kilku punktów w teście uzasadnia wielokrotność ceny.

Google sam stawia na pracę nad bezpieczeństwem. Obrońcom sieci daje dostęp pierwszym, w programie Fairwind. Szersza dostępność przyjdzie później. Większość kupujących nie może jeszcze przetestować najlepszego modelu.

Na co patrzeć: wagi, dostęp i dowody

Anthropic opublikował we wtorek wpis o FlashProve. To otwarty system sprawdzania, który model wygenerował daną odpowiedź. Działa tak, że laboratoria publikują odcisk palca każdego modelu. Odcisk można dopasować do wyników i sprawdzić kryptograficznie. Weryfikacja nie ujawnia wag.

Badacze udostępnili specyfikację techniczną i działający kod na GitHubie. Powiedzieli, że nie planują wdrożenia go w Anthropicu ani w żadnym innym laboratorium. To propozycja, nie produkt. Problem, który opisuje, jest jednak dla kupujących realny. Firma może twierdzić, że jej plan biznesowy zatwierdził odpowiedni model. Albo że bibliotekę przeskanował czołowy model bezpieczeństwa. Klient nie miałby jak tego potwierdzić, piszą badacze.

Na razie praktyczne pytania są prostsze. Tencent zapowiada, że wagi i karty systemowe Hy4 pojawią się w najbliższych dniach. Google mówi, że Gemini 4 Carbon trafi do szerszego grona po programie Fairwind. Do tego czasu twierdzenia o wynikach stoją w dużej mierze tak, jak je opublikowali ich autorzy.