Am 4. November 2026 stellte Tencent offiziell sein neues Flaggschiffmodell Hy4 vor. Die begleitende technische Dokumentation verzichtet auf das übliche Anpreisen gigantischer Parameterzahlen und rückt stattdessen Kennzahlen zur Fehlervermeidung an die erste Stelle: In internen Tests sank die Retrieval-Halluzinationsrate auf 5,45 % und spekulative Fehler gingen auf 5,6 % zurück. Während die Branche weiterhin um Spitzenwerte auf Bestenlisten wetteifert, markiert dieser Fokus auf Faktenkonsistenz eine spürbar pragmatischere Ausrichtung.
Hohe Punktzahlen auf akademischen Ranglisten garantieren im Produktivbetrieb selten praxistaugliche Zuverlässigkeit. Der Wettbewerb bei Open-Weight-Modellen verschiebt sich zunehmend von theoretischen Leistungsobergrenzen hin zu belastbaren Mindeststandards der Verlässlichkeit. Tencents technischer Fahrplan für Hy4 folgt dieser Logik: Zunächst wurde das Erfinden von Fakten in generativen Prozessen systematisch eingedämmt, bevor multimodale Fähigkeiten und Systemsteuerungsfunktionen ausgebaut wurden.
Abb.: Verteilung der zentralen Benchmark-Ergebnisse von Hy4 mit Fokus auf die Stabilitätsgewinne bei Wissensabfrage und fachspezifischem Schließen. Quelle: Tencent Hunyuan (Offizieller Ankündigungsblog).
Retrieval-Halluzinationen um fast 70 % gesenkt: Ingenieursfokus statt Bestenlisten-Hype
In Retrieval-Augmented-Generation-Systemen (RAG) auf Unternehmensebene entstehen Systemfehler meist durch inhaltliche Abweichungen während des Informationsabrufs. Nach internen Testergebnissen von Tencent sank die Retrieval-Halluzinationsrate von 15,76 % in früheren Vorabversionen auf 5,45 %. Die Quote spekulativer Fehler halbierte sich parallel von 23,1 % auf 5,6 %. In auditkritischen Fachbereichen macht das Unterschreiten der 6-Prozent-Schwelle automatisierte Prüfprozesse erstmals praxistauglich.
Das Post-Training-Team optimierte das Modell gezielt für zeitkritische Suchabfragen, die Synthese aus mehreren Datenquellen sowie automatische Konsistenzprüfungen. Dieser Verifikationsmechanismus wurde auch auf Büroanwendungen ausgeweitet, insbesondere zur Vermeidung von Versionskonflikten bei der gleichzeitigen Bearbeitung von Dokumenten durch mehrere Nutzer.
Diese Messwerte stammen aus internen Testumgebungen von Tencent und spiegeln die Prioritäten des Entwicklerteams wider; unabhängige Blindtests Dritter stehen noch aus. Dennoch unterstreicht die Wahl von Fehlerreduktionsraten als zentrales Merkmal den Willen zur quantifizierbaren Zuverlässigkeit.
213 Finanzexperten testen 579 Aufgaben: Open-Weight-Spitzenplatz durch Praxiseinsatz
Finanzdienstleister haben praktisch null Toleranz für sachliche Fehler generativer Modelle. Tencent Financial Technology (FiT) evaluierte Hy4 gemeinsam mit 213 Branchenexperten in 579 realen Arbeitsabläufen. 153 der Tester stammten aus führenden Finanzinstituten, über 70 % verfügten über mehr als fünf Jahre Berufserfahrung in Bereichen wie Bilanzprüfungen und Compliance-Prüfungen.
Auf einer 5-Punkte-Skala erzielte Hy4 eine Durchschnittsbewertung von 3,04 Punkten und belegte damit den Spitzenplatz unter den Open-Weight-Modellen. Zum Vergleich: DeepSeek-V4.1-Flash-1017 erreichte 2,97 Punkte, Kimi K3.1 Pro und GLM-5.3 jeweils 2,68 Punkte. Der Vorsprung zeigte sich besonders deutlich beim Abgleich komplexer Tabellen, wo die geringere Halluzinationsneigung für verlässliche Kennzahlenextraktion sorgte.
Externe Branchenbenchmarks zeichnen ein ähnliches Bild. Im IRAB-Benchmark für Investment-Research (101 Aufgaben) erzielte Hy4 61,63 Punkte – 12,03 Punkte mehr als die Vorschauversion. Laut Daten des Analysehauses RabyteTech erreichte Hy4 bei Datenabfragen 75,4 Punkte und übertraf GPT-6.1 Sol um fast 20 Punkte. Bei der Analyse vielschichtiger Forschungsberichte reduzierte das präzise Retrieval logische Fehlschlüsse messbar.
Vom 280-Megapixel-Detail bis zur Blender-Steuerung: Bildverstehen trifft Computer-Use
Hy4 ist das erste Modell der Hunyuan-Reihe, das sowohl visuelle Wahrnehmung als auch Computerbedienung beherrscht – sowohl über Terminal-Befehle als auch grafische Benutzeroberflächen (GUI). In offiziellen Demos lokalisierte das Modell ein zwei Meter großes Dachbauteil auf einer 280-Megapixel-Luftaufnahme fehlerfrei, was eine hohe geometrische Konsistenz über extreme Skalierungsunterschiede hinweg belegt.
Abb.: Hy4 lokalisiert ein 2 Meter großes Dachelement in einer 280-Megapixel-Luftaufnahme und demonstriert hohe visuelle Präzision bei extremen Vergrößerungsstufen. Quelle: Tencent Hunyuan (Offizieller Ankündigungsblog).
Das verbesserte Sehvermögen kommt direkt der Steuerung professioneller Engineering-Tools zugute. Durch gezieltes Training auf 3D-Modellierungssoftware wie Blender führt das Modell softwareübergreifende Arbeitsabläufe autonom aus. Wo herkömmliche GUI-Agenten in verschachtelten Menüs oft die Orientierung verlieren, bindet Hy4 Pixelkoordinaten direkt an Funktionsaufrufe, was Bedienabbrüche drastisch verringert.
Im Gaming-Bereich unterstützte Tencent Interactive Entertainment Group (IEG) die Aufbereitung der Trainingsdaten und Benchmarks. Das Modell ist auf Unreal Engine, Unity und Godot abgestimmt und unterstützt Multiplayertitel. In internen Tests verbesserten sich die Benchmarks für Spieleentwicklung und Spiellogik um 19,1 % bzw. 9,8 %, was den Aufwand für Boilerplate-Code deutlich senkt.
Eigene Infrastruktur, strenge Sicherheitsgrenzen und offengelegte Defizite
Auch in wissenschaftlichen Rechenprozessen kommt Hy4 zum Einsatz. In 123 internen Forschungsaufgaben aus sieben Grundlagenfächern behauptete das Modell die Führung unter offenen Gewichten. Auf einem einzelnen Knoten erstellte es binnen 1,5 Stunden die dreidimensionale Rekonstruktion eines Mausembryos aus sieben Millionen Zellen. Parallel stellte Tencent die beiden Basismodelle HyPDE (Physikmodellierung) und HyCell (Einzelzellanalyse) als Open Source bereit.
Abb.: Vollständige Benchmark-Tabelle für Hy4 mit Detailvergleichen bei Programmierung, Langkontext-Verarbeitung und Spezialaufgaben. Quelle: Tencent Hunyuan (Offizieller Ankündigungsblog).
Mit erweiterten Systemrechten wächst die Bedeutung klarer Sicherheitsgrenzen. Das Trainingsteam beschränkte Cybersecurity-Daten strikt auf defensive Aufgaben wie Patch-Generierung und Proof-of-Concept-Prüfungen; Exploit-Entwicklung und Penetrationstests wurden herausgefiltert. Red-Team-Audits durch das Tencent Xuanwu Lab und das Keen Security Lab ergaben kein erhöhtes Missbrauchsrisiko bei Angriffsszenarien. Auf der biologischen Sicherheits-Benchmark Hy-BioExperimentBench erzielte das Modell 30,4 von 100 Punkten – ein Beleg dafür, dass biologische Gefahrenschwellen nicht abgesenkt wurden.
Bemerkenswert ist zudem die offene Fehlerkultur: In den Versionshinweisen räumt Tencent bestehende Defizite unumwunden ein. Bei mathematischen Beweisen, langfristig angelegter Softwareentwicklung und anspruchsvollem visuellem Schließen bestehe weiterhin ein deutlicher Abstand zu führenden proprietären Modellen. Diese Transparenz hilft Systemarchitekten beim Entwurf robuster Ausfallmechanismen und schafft mehr Vertrauen als überzogene Marketingversprechen.
Praxiseinsatz vor Gewichtsfreigabe: Verlässlichkeit als Abnahmekriterium
Ein wesentliches Detail der Ankündigung: Die Modellgewichte sind zum Veröffentlichungszeitpunkt noch nicht frei verfügbar. Tencent erklärt offiziell, dass eine Veröffentlichung der Gewichte und Systemkarten in kommenden Phasen geplant sei; entsprechende Kompatibilitäten mit vLLM und SGLang wurden bereits vorbereitet. Vor dem öffentlichen Release setzt Tencent das Modell jedoch bereits intensiv in den eigenen Produktlinien ein.
Die kommerziellen API-Preise bleiben stabil auf dem Niveau der Vorschauversion: 0,042 US-Dollar pro Million gecachter Input-Tokens, 0,834 US-Dollar für reguläre Input-Tokens und 2,501 US-Dollar für Output-Tokens. Neben der Tencent Cloud ist eine kompaktere Hy4-Flash-Variante angekündigt. Die unveränderten Tarife erleichtern Unternehmen die Budgetplanung für Migrationsprojekte.
Erfahrungsberichte aus Tencents internen Produkten stützen die Praxistauglichkeit: Der interne Score des Assistenten Yuanbao stieg von 65,25 auf 72,53 Punkte; automatisierte Konfigurationen für Honor of Kings erreichten nach Selbstreparatur-Schleifen eine Trefferquote von 99,32 %, während die Fehlerlokalisierung im Code auf 73,8 % kletterte; der Browser-Agent WorkBuddy meisterte 96,15 % aller mehrstufigen Navigationsaufgaben.
Die Evolution offener Modelle löst sich allmählich vom reinen Anhäufen von Rechenleistung und Benchmark-Rekorden. Der Weg von Hy4 verdeutlicht, dass die Beherrschung faktischer Fehlerquoten der entscheidende Hebel für den realen Produktiveinsatz ist. Bis zur Überprüfung der Gewichte durch die weltweite Community setzt Tencent ein Zeichen dafür, dass Verlässlichkeit der eigentliche Maßstab praxistauglicher Softwarebereitstellung ist.
Weiterführende Links:
- Offizielle Ankündigung und technischer Blog zu Tencent Hunyuan Hy4
- Tencent Financial Technology (FiT) Praxis-Evaluierungsbericht
- RabyteTech IRAB Investment-Research-Benchmark
- Red-Team-Prüfberichte des Tencent Xuanwu Lab und Keen Security Lab
