2026年11月4日、テンセントは新世代の主力モデル「Hy4」を正式発表した。公開された技術文書はパラメータ規模の誇示を避け、生成エラーの削減指標を最前面に打ち出している。社内ベンチマークにおいて、検索ハルシネーション率は5.45%、推測による誤答率は5.6%にまで抑え込まれた。各社がベンチマークのピーク値を競い合うなか、事実誤認の抑止を最優先する姿勢は極めて実務的な技術選定と言える。
学術リーダーボードの最高得点が、そのまま本番運用の可用性に結びつくとは限らない。オープンウェイトモデルの競争軸は、能力の上限追求から信頼性の下限保証へと確実にシフトしている。テンセントがHy4で定めたロードマップは明快だ。生成パイプラインにおける事実捏造を徹底的に抑え込み、その堅固な基盤の上にマルチモーダルやシステム操作機能を拡張している。
図：Hy4の主要ベンチマーク分布。知識検索および専門的推論領域における安定性の向上に注目。出典：テンセント混元（公式発表ブログ）。
検索ハルシネーションを約7割削減、スコア競争から実用基準への転換
企業向けの検索拡張生成（RAG）システムにおいて、運用の破綻はコンテキスト検索時の事実の乖離から生じることが多い。テンセントが公表した内部評価によれば、Hy4の検索ハルシネーション率は先行プレビュー版の15.76%から5.45%へと大幅に低下した。推測による誤答率も23.1%から5.6%へと同期して抑制されている。厳格な監査が求められる専門業務において、ハルシネーション率を6%未満に抑え込んだことは、自動検証プロセスの実用化に向けた大きな一歩となる。
開発チームは事後学習（Post-training）フェーズにおいて、リアルタイム検索やマルチソース情報の統合能力を集中的に強化した。あわせて、出力内容の事実整合性を検証する仕組みを導入している。この検証機構はオフィススイートの共同編集環境にも適用され、複数ユーザーの同時編集による競合やステートの不整合を抑止している。
これらの数値はテンセント独自の評価データセットに基づくものであり、開発チームの最適化方針を反映したデータであるため、第三者によるブラインドテストでの検証が待たれる。それでもなお、エラー発生率の抑制を最重要のアピールポイントに据えたことは、実務的な精度に対する強いこだわりを示している。
金融専門家213名が579業務で検証、現場で鍛えられたオープンモデル首位
金融業務において、モデルの生成エラーに対する許容度は実質的にゼロに近い。テンセント・フィンテック（FiT）は金融の専門家213名と共同で、579件の実業務タスクに基づく検証を実施した。評価者のうち153名は大手金融機関に所属し、7割以上が5年以上の実務経験を持つ。テスト内容は財務諸表のデータ照合やコンプライアンス審査など、極めて厳格な領域を網羅している。
5点満点の実務評価において、Hy4は3.04点を獲得し、オープンウェイトモデルの中で首位に立った。比較対象となったDeepSeek-V4.1-Flash-1017は2.97点、Kimi K3.1 ProおよびGLM-5.3はともに2.68点だった。この差は特に財務諸表のテーブル比較で顕著に現れ、ハルシネーション率の低さが安定した指標抽出を支えている。
外部の業界ベンチマークでも同様の傾向が確認されている。投資調査の101タスクで構成されるIRABベンチマークにおいて、Hy4はプレビュー版を12.03点上回る61.63点を記録した。また、調査機関RabyteTechのデータによると、Hy4はデータクエリ項目で75.4点を獲得し、GPT-6.1 Solを約20点上回った。多層構造のアナリストレポートを読み解く投資業務において、高精度な検索性能が推論ミスを着実に抑えている。
2.8億ピクセルの部品特定からBlender制御まで、視覚と操作の統合
Hy4は、テンセント混元シリーズとして初めて視覚認識およびコンピュータ操作（Computer Use）に対応したモデルである。CLI環境とGUI環境の双方をカバーする。公式デモでは、2.8億ピクセルの超高解像度航空写真の中から、屋根に設置された約2メートル四方の極小部材を正確に特定してみせた。こうした極端なスケール変化を伴う検出は、多階層特徴抽出における幾何学的整合性の高さを裏付けている。
図：Hy4が2.8億ピクセルの超高解像度航空写真から屋根上の部材を正確に特定。極端な縮尺変化に対する微細ターゲットの視覚認識精度に注目。出典：テンセント混元（公式発表ブログ）。
視覚認識能力の向上は、専門的なエンジニアリングツールの自律操作に直結している。Blenderをはじめとする3Dモデリング環境に特化した学習を行うことで、複数ソフトウェアを横断する長大なワークフローの実行を可能にした。従来のGUIエージェントは階層の深いメニュー操作でコンテキストを見失いがちだったが、ピクセル座標と機能コマンドを強固に紐付けることで、操作の脱線率を大幅に引き下げた。
デジタルエンターテインメント分野では、テンセント・インタラクティブ・エンターテインメント（IEG）がデータ整備と評価設計を担当した。Unreal Engine、Unity、Godotへの適合が進められ、マルチプレイヤーゲームの開発支援までカバーする。内部テストによると、Hy4のゲーム開発およびゲームロジック生成スコアはそれぞれ19.1%、9.8%向上し、定型コード記述の負担を大幅に削減している。
自社基盤と防御重視の安全策、公式カードに記された最前線との隔たり
先端科学研究の分野でも、Hy4は複雑な計算プロセスの自動化に踏み出している。7つの基礎科学分野にわたる123件の社内研究タスクにおいて、オープンウェイトモデル首位の成績を収めた。単一ノードでわずか1.5時間のうちに700万個の細胞からマウス胚の3次元再構成を完遂した。テンセントは物理シミュレーション向けのHyPDEおよび単細胞解析向けのHyCellという2つの基盤モデルも同時にオープンソース化し、自社基盤によって学習効率を最適化している。
図：Hy4総合ベンチマーク評価表。コード生成、長文脈処理、専門業務におけるアーキテクチャ別のスコア差と追従度合いに注目。出典：テンセント混元（公式発表ブログ）。
システムへの操作権限付与に伴い、セキュリティ境界の担保が最優先課題となった。トレーニングチームはサイバーセキュリティ関連の学習データをPoC検証やパッチ適用などの防御領域に厳しく限定し、エクスプロイト開発や侵入テスト用スクリプトを徹底的に除外した。専門研究機関によるレッドチーム演習では、バイナリ難読化の迂回や脆弱性悪用のリスクを高める挙動は確認されなかった。また生物安全性を測るHy-BioExperimentBenchでは100点満点中30.4点にとどまり、生物兵器リスクを引き下げる証拠は見当たらなかった。
さらに特筆すべきは、公式発表の中で自らの技術的限界を率直に開示している点だ。高等数学の推論、大規模コードベースのアーキテクチャ構築、高度な視覚推論において、トップクラスの商用クローズドモデルとの間に依然として明確な隔たりが存在することを認めている。限界をあらかじめ明示することは、開発者が適切なフェイルセーフを設計する上で不可欠であり、誇大な宣伝よりも現場の信頼を勝ち取る要素となる。
ウェイト公開前の自社先行運用、信頼性が決める実用化の合否基準
Hy4の発表において留意すべきは、モデルウェイトが即座に一般公開されたわけではない点だ。公式アナウンスでは「ウェイトのオープンソース化を計画中」と表現されており、重みファイルと完全なシステムカードは後続のスケジュールで公開される予定だ。推論基盤としてvLLMやSGLangコミュニティとの互換性確保が進められており、外部公開に先立ち、テンセントは自社の高トラフィックサービス群へ先行導入している。
API利用料はプレビュー版と同額を維持している。キャッシュ入力が100万トークンあたり0.042ドル、通常入力と出力はそれぞれ0.834ドル、2.501ドルに設定された。Tencent Cloud経由での提供が開始され、今後は軽量版のHy4 flashも投入される予定だ。料金体系が据え置かれたことで、企業の予算計画のハードルは抑えられている。
テンセント社内サービスからのフィードバックは、実運用の裏付けとなっている。AIアシスタント「元宝」の内部スコアは65.25から72.53へと伸長し、王者栄耀の構成検証タスクでは自己修復機構との併用で99.32%の精度を達成、コードの不具合特定率は73.8%に達した。ブラウザ自動操作のWorkBuddyでもタスク通過率96.15%を記録し、ハルシネーションの低減が複雑な自律システムの安定稼働に不可欠であることを立証している。
オープンウェイトモデルの潮流は、計算資源の投入量やベンチマークの首位争いに明け暮れた初期段階から脱しつつある。Hy4が示したアプローチは、事実誤認の発生率を許容範囲内に収めることこそが、実運用の壁を乗り越える最短経路であることを物語っている。公開予定のウェイトに対するコミュニティの検証を待ちつつも、厳格な自社業務で足元を固める姿勢は、極めて堅実な開発スタンダードを提示している。
参考リンク：
- テンセント混元 Hy4 公式発表および技術ブログ
- テンセント・フィンテック（FiT）実業務評価レポート
- RabyteTech IRAB 投資調査ベンチマーク評価
- テンセント玄武ラボおよびKeenセキュリティラボ レッドチーム検証記録
