
Hy4 Preview es un modelo MoE de 770B (49B activos, contexto de 1M) de Tencent, diseñado para tareas agénticas de largo alcance. Maneja de forma autónoma codificación, desarrollo de juegos y análisis de documentos complejos, ejecutando sus propias pruebas y corrigiendo errores antes de la entrega.
Creador
indie_inkwell
Palabras clave del producto
Cargando comentarios...
Hy4 preview es un modelo de lenguaje de tipo Mixture-of-Experts (MoE) a gran escala de Tencent, posicionado como una base para el trabajo agéntico de horizonte largo. Cuenta con 770B parámetros totales con 49B activos en inferencia, junto con una ventana de contexto de 1M de tokens — una combinación dirigida directamente a tareas que se extienden, se ramifican con frecuencia y exigen una coherencia sostenida.
En lugar de comportarse como un asistente de chat pasivo, Hy4 preview está diseñado para actuar. Gestiona de forma autónoma la programación, el desarrollo de videojuegos y el análisis de documentos complejos, ejecutando sus propias pruebas y corrigiendo errores antes de la entrega. Ese bucle de autoverificación es la idea central: el modelo no solo produce resultados, sino que comprueba el resultado e itera hasta que el trabajo se sostiene.
Hy4 preview utiliza un diseño de Mixture-of-Experts que totaliza 770B parámetros, con 49B activos durante la inferencia. Esta estructura pretende ofrecer una alta capacidad mientras mantiene la huella de cómputo activa más manejable que un modelo denso de escala equivalente.
El modelo admite una longitud de contexto de hasta 1 millón de tokens. Esa capacidad es lo que hace viables las tareas agénticas sostenidas de horizonte largo sin perder constantemente el contexto anterior.
Hy4 preview está construido para asumir tareas de programación y desarrollo de videojuegos de principio a fin. Ejecuta sus propias pruebas y corrige errores antes de la entrega, cerrando el bucle entre generación y verificación.
Más allá del código, el modelo está diseñado para el análisis en profundidad de documentos complejos. El contexto largo y el comportamiento agéntico se combinan para respaldar el trabajo de revisión que abarca material sustancial.
Hy4 preview no solo genera — prueba su propio trabajo y corrige lo que falla antes de entregar nada.
Ese comportamiento autocorrector es el diferenciador. La mayoría de los modelos se detienen en producir una respuesta plausible; Hy4 preview está planteado en torno a entregar resultados verificados, lo cual importa enormemente cuando el resultado es código o un plan agéntico de varios pasos. El contexto de 1M y la escala MoE existen al servicio de ese objetivo — le dan al modelo espacio para trabajar y la capacidad de hacerlo bien.
Estás construyendo agentes que necesitan ejecutarse durante mucho tiempo sin perder el hilo, o quieres un modelo que trate las pruebas y la corrección de errores como parte del trabajo y no como algo secundario. Si tu trabajo implica bases de código grandes, proyectos de videojuegos o documentos densos que no caben en una ventana de contexto típica, Hy4 preview apunta directamente a ese espacio.
Otras herramientas que podrías considerar
Conoce a Mellum, una familia de modelos de lenguaje rápidos, que incluye un modelo de última generación para inferencia de latencia ultrabaja y alto rendimiento.
Clears es una plataforma de ejecución agéntica para la entrega autónoma de software, que ayuda a las organizaciones de I+D a ir más allá de las herramientas de IA individuales hacia la ejecución agéntica en todo el ciclo de vida del desarrollo de software.
GitHits permite a los agentes de codificación acceder al código de código abierto del que depende tu aplicación. Obtén ejemplos de implementación reales, navegación por el código fuente de las dependencias, inspección de paquetes y documentación. Los agentes pueden buscar y leer tu base de código. Pero no pueden buscar ni leer el código de código abierto del que depende tu aplicación. Ahí es donde empiezan a adivinar, reintentar y entrar en bucles. GitHits crea un índice consciente de la versión bajo demanda. Los agentes pueden buscar, navegar e inspeccionar el código detrás de sus dependencias. CLI: npx githits@latest init
Harness Starter Kit ayuda a los equipos a convertir frágiles indicaciones de codificación de IA en reglas de repositorio duraderas: AGENTS.md, comprobaciones de desviación, memoria de fallos, informes de adopción y perfiles de pila para una colaboración de agentes más segura.
Cargando comentarios...