Hy4 preview 权重开源吗？我能本地运行吗？

Tencent | 1,048,576 token context | $0.83/M input, $2.50/M output. Tencent: Hy4 preview is a mixture-of-experts model from Tencent, with 49B active parameters out of 770B total. It is designed for coding agents, complex tool-use workflows, and productivity tasks that require planning, context continuity, and sustained multi-step execution.

本模型的指南

按使用场景选最佳本地大语言模型（2026年10月）：每个任务的合适开源模型

本地AI到底需要多少显存？

开放权重 vs 开源 vs 仅API：你到底能做什么

什么是 GGUF 文件？量化模型详解（Q4、Q8、fp8、NF4）

全部指南

船长笔记

由 Captain 撰写，本站编辑

2026-10-13 的笔记

Hy4 preview 是腾讯推出的 7700 亿参数专家混合模型，每个 token 激活 490 亿参数，拥有百万 token 上下文窗口。训练围绕真实专业工作流构建——软件工程、金融、游戏开发、科学研究，而非通用基准。如果你运行长周期代理任务或需要前沿开源权重模型，值得认真评估。

以……著称

7700 亿总参数，256 专家 MoE 架构每 token 激活 490 亿参数。
百万 token 上下文窗口，支持持续多文件工作流。
内置 MTP 层支持推测解码，加速推理。
训练数据涵盖真实专业任务：编码、金融、游戏开发、科研。
权重开源于 Hugging Face，支持本地或自托管部署。

注意

7700 亿总参数意味着自托管需强大多 GPU 基础设施，大多数用户会调用 API。
权重开源，但商业或衍生使用前请核查许可条款。
输出 token 价格为每百万 2.25 美元，非预算型选择，长输出代理需考虑成本。

最适合

与……比较

Hy3
开源权重模型
262,144 令牌上下文 · $0.13/M 输入，$0.53/M 输出
Hy3 preview
开源权重模型
262,144 令牌上下文 · $0.18/M 输入，$0.60/M 输出
Hunyuan A13B Instruct
开源权重模型
131,072 令牌上下文 · $0.14/M 输入，$0.57/M 输出
GPT-6 Luna
仅限API模型
1,050,000 令牌上下文 · $0.10/M 输入，$0.50/M 输出

来自 tencent 的更多文本模型

常见问题

Hy4 preview 权重开源吗？我能本地运行吗？: 是的，权重发布在 Hugging Face，仓库为 tencent/Hy4-preview。技术上可本地运行，但 7700 亿总参数需强大多 GPU 基础设施，启动前请查阅显存指南。
Hy4 preview 价格和上下文限制是多少？: API 价格为每百万输入 token 0.75 美元，每百万输出 token 2.25 美元，拥有百万 token 上下文窗口。
Hy4 preview 实际用途是什么？: 腾讯围绕编码代理、复杂工具使用工作流和多步生产力任务设计，涵盖软件工程、数据分析、游戏开发和科研，而非通用聊天模型。

船长评语
一款为代理和长周期工作打造的严肃开源前沿模型，非休闲聊天，基础设施成本真实存在。

Hugging Face 上的模型卡

船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #3 Hottest Text / LLM model · #3 Hottest Text / LLM text model

Not this creator?

Get your own badge

Hy4 preview 热度趋势

自28 Aug 2026以来的热度分数

热度评分

9,358°

本周

▲

29.4%

9,323° 当时，9,358° 现在

本月

▲

349%

9,159° 当时，9,358° 现在

过去一年

n/a

尚未发布/跟踪

7,000°

起点

评分范围是 0° 到 9,999°。低于 7,000° 的部分保留给还没有任何来源报告的模型，这些模型用替代数值填充，保证列表完整。7,000° 是有实际数据的起点：一个有真实数据但几乎没人下载的模型就在这里，后续的度数都是基于它的测量。起点本身不反映模型质量，只有起点以上的度数才区分不同模型。

+1,974°

OpenRouter 令牌

该模型在过去30天内通过OpenRouter处理了37,964,608,298,713个令牌，包含提示和回答。每10,000,000个令牌计为一次下载，共计3,796,460次；最后一天的令牌计入采用率。来源：OpenRouter (openrouter.ai/rankings)。

+384°

采用率

每天大约 133,694 次下载，基于两次来源读取间的测量，不是用历史平均估算。下载速度权重是下载项的四分之一，这样能反映新热度，但不会让一天的峰值超过多年累计。

显示详细分解

本站上的每个数字都可以查证。这个模型的热度评分是 9,358°，这里一步步展示了它是如何组成的，每一步都有累计总分：起点、每个来源增加的度数、模型类型的加成以及权重年龄的扣减。颜色对应上方图表的区间。最后的词汇表解释了所有术语。

1
从起点开始。
为什么是 7,000° 而不是零：评分范围是 0° 到 9,999°，低于 7,000° 的部分保留给还没有任何来源报告的模型，这些模型用替代数值填充，保证列表完整且不会超过有数据的模型。7,000° 是有实际数据的起点。一个有真实数据但几乎没人下载的模型就在这里；后续的度数都是测量值，起点以上有十个十倍下载阶梯，每阶梯增加 300°。起点对所有模型一样，不影响排名；区分模型的是起点以上的度数。
7,000°
累计总数
2
加上下载量。
总共3,796,460个下载等价量，来自OpenRouter 令牌。下载量增加十倍，热度增加相同的300°，所以大小很重要，但不会让分数失控。
+1,974°
8,974°
累计总数
3
增加采用率。
现在大约每天133,694次下载，基于两次读数的差值，权重是四分之一。
+384°
9,358°
累计总数
=
热度得分。
这个模型在本站所有榜单上的排名。没有其他因素会调整它。
9,358°

术语表：这里用到的术语

热度得分: 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
基准线: 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
下载等价量: 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
对数刻度: 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
点赞: 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
采用率: 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
测量与估算: 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
做种者: 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
AI Horde: 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
生成网站: 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
OpenRouter 令牌: 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
完整模型（检查点）: 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
LoRA和嵌入: 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
家族与权重: 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
年龄: 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
家族加成: 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
替代分数: 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
新模型！（宽限期）: 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
趋势: 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
典型模型: 目录的中间值：一半有数据的模型增长比它快，一半比它慢。

这个模型的受欢迎程度相对于整个目录的变化：它在每个时间段内下载量、点赞和使用量的增长，和同一时间段内典型模型的增长相比，以及当时的热度分数。高于典型增长表示上升，低于则表示下降。过去的数据是从今天的总数、模型的第一天和测量的下载速度（如果有两次测量）推算出来的；如果模型在某个时间段开始时不存在，则显示为 n/a。