Zijn de weights open en kan ik Hy4 preview lokaal draaien?

Ja, de weights zijn gepubliceerd op Hugging Face bij tencent/Hy4-preview. Lokaal draaien is technisch mogelijk, maar met 770B totale parameters is serieuze multi-GPU infrastructuur vereist — raadpleeg de VRAM-gids voordat je begint.

Wat kost Hy4 preview en hoe groot is het contextvenster?

Via de API kost het $0,75 per miljoen input tokens en $2,25 per miljoen output tokens, met een contextvenster van één miljoen tokens.

Waar is Hy4 preview eigenlijk voor gebouwd?

Tencent heeft het ontworpen voor codeeragents, complexe toolworkflows en multi-step productiviteitstaken — software engineering, data-analyse, game-ontwikkeling en wetenschappelijk onderzoek — niet als algemeen chatmodel.

▲

29.4%

deze week

Hy4 preview

9358°

#llm #tencent #redeneren #coderen #agenten #lange context

Voer dit model uit

Aanbiedingen / Advertenties

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

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.

Gidsen voor dit model

Beste lokale LLM per gebruik (oktober 2026): het juiste open model voor elke klus

Hoeveel VRAM heb ik eigenlijk nodig voor lokale AI?

Open weights vs open source vs alleen API: wat je eigenlijk mag doen

Wat is een GGUF-bestand? Uitleg over gekwantiseerde modellen (Q4, Q8, fp8, NF4)

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Hy4 preview is een 770B mixture-of-experts model van Tencent, dat 49B parameters per token activeert, met een contextvenster van één miljoen tokens. De training was gericht op echte professionele workflows — software engineering, financiën, game-ontwikkeling, wetenschappelijk onderzoek — in plaats van generieke benchmarks. Als je langlopende agenttaken uitvoert of een voorhoedemodel met open weights nodig hebt, is dit een serieuze kandidaat.

Bekend om

770B totale parameters, 49B actief per token via een 256-expert MoE-architectuur.
Contextvenster van één miljoen tokens voor langdurige, multi-bestand workflows.
Ingebouwde MTP-laag maakt speculatieve decodering mogelijk voor snellere inferentie.
Getraind op echte professionele taken: coderen, financiën, game-ontwikkeling, onderzoek.
Open weights beschikbaar op Hugging Face, geschikt voor lokaal of zelf-gehost gebruik.

Let op

770B totale parameters betekent dat zelf-hosting serieuze multi-GPU infrastructuur vereist; de meeste gebruikers zullen de API gebruiken.
Weights zijn open, maar controleer de licentievoorwaarden voor commercieel of afgeleid gebruik.
Met $2,25 per miljoen output tokens is het geen budgetkeuze; houd hier rekening mee bij agentworkflows met lange output.

Het beste voor

Coderen

Agenten en toolgebruik

Redeneren

Lange context

Draait lokaal

Prompts om te proberen

Multi-bestand refactorplan

Je hebt een Python-webservice verdeeld over twaalf bestanden: routes, modellen, services, tests en een config-laag. Het team wil migreren van synchrone SQLAlchemy naar async SQLAlchemy 2.0 zonder de tests te breken. Schrijf een stapsgewijs migratieplan, markeer elk bestand dat aangepast moet worden en stel de bijgewerkte basismodelklasse op.

Agentische toolgebruik scaffold

Ontwerp een minimale agentloop in Python die drie tools gebruikt: web_search(query), read_file(path) en write_file(path, content). De agent moet een hoog-niveau doel accepteren, dit opdelen in subtaken, tools achtereenvolgens aanroepen en elk resultaat verifiëren voordat hij doorgaat. Toon de volledige implementatie met foutafhandeling.

Financieel model uit rommelige context

Hier zijn drie jaar kwartaalcijfers van omzet, kosten en personeelsbestand geplakt uit een spreadsheet met inconsistente opmaak. Maak de data schoon, bereken YoY-groeipercentages en operationele marge per kwartaal, identificeer de twee kwartalen met de scherpste margedruk en verklaar de waarschijnlijke oorzaken op basis van de cijfers alleen.

Vergelijk met

Hy3
Model met open gewichten
262,144 token context · $0.13/M invoer, $0.53/M uitvoer
Hy3 preview
Model met open gewichten
262,144 token context · $0.18/M invoer, $0.60/M uitvoer
Hunyuan A13B Instruct
Model met open gewichten
131,072 token context · $0.14/M invoer, $0.57/M uitvoer
GPT-6 Luna
Alleen API-model
1,050,000 token context · $0.10/M invoer, $0.50/M uitvoer

Meer tekstmodellen van tencent

Veelgestelde vragen

Zijn de weights open en kan ik Hy4 preview lokaal draaien?: Ja, de weights zijn gepubliceerd op Hugging Face bij tencent/Hy4-preview. Lokaal draaien is technisch mogelijk, maar met 770B totale parameters is serieuze multi-GPU infrastructuur vereist — raadpleeg de VRAM-gids voordat je begint.
Wat kost Hy4 preview en hoe groot is het contextvenster?: Via de API kost het $0,75 per miljoen input tokens en $2,25 per miljoen output tokens, met een contextvenster van één miljoen tokens.
Waar is Hy4 preview eigenlijk voor gebouwd?: Tencent heeft het ontworpen voor codeeragents, complexe toolworkflows en multi-step productiviteitstaken — software engineering, data-analyse, game-ontwikkeling en wetenschappelijk onderzoek — niet als algemeen chatmodel.

Oordeel van de kapitein
Een serieus open-weights voorhoedemodel gebouwd voor agents en langlopende taken, niet voor casual chat — de infrastructuurkosten zijn reëel.

Modelkaart op Hugging Face

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

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

Populariteitstrend van Hy4 preview

Heat score sinds 28 Aug 2026

Heat score

9,358°

Deze week

▲

29.4%

9,323° toen, 9,358° nu

Deze maand

▲

348%

9,159° toen, 9,358° nu

Afgelopen jaar

n.v.t.

Nog niet uitgebracht/getrackt

7,000°

Basis

De schaal loopt van 0° tot 9.999°. Alles onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven. 7,000° is waar gemeten data begint: een model met echte data maar bijna geen downloads zit op de basis, en de metingen vullen de graden erboven. De basis zegt niets over het model; alleen de graden erboven doen dat, en die maken het verschil tussen modellen.

+1,974°

OpenRouter tokens

37,964,608,298,713 tokens heeft dit model in de afgelopen 30 dagen verwerkt via OpenRouter, prompts en antwoorden samen. Elke 10,000,000 tokens telt als één download in de downloadterm, in totaal 3,796,460; de tokens van de laatste dag tellen mee voor het adoptiecijfer. Bron: OpenRouter (openrouter.ai/rankings).

+384°

Adoptiesnelheid

Ongeveer 133,694 downloads per dag, gemeten tussen twee metingen van de bronnen, nooit geschat op een levenslange gemiddelde. Snelheid weegt een kwart van de downloadterm, zodat een verse piek zichtbaar is zonder dat een dagpiek jaren gebruik overstemt.

Toon gedetailleerde uitsplitsing

Elk getal op deze site is te controleren. De heat-score van dit model is 9,358°, en hier wordt die stap voor stap opgebouwd, met de tussentijdse totalen na elke stap: de basis, de graden die elke bron toevoegt, de bonus voor het type model en wat de leeftijd van de gewichten eraf haalt. De kleuren zijn de banden van de grafiek hierboven. De woordenlijst achteraan legt elke term uit.

1
Begin bij de basis.
Waarom 7,000° en niet nul: de schaal loopt van 0° tot 9.999°, en het deel onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven en nooit hoger staan dan een model met data. 7,000° is waar gemeten data begint. Een model met echte data maar bijna geen downloads zit hier; alles wat volgt is meting, en de ruimte boven de basis bevat tien stappen van tien keer zoveel downloads, elk 300° waard. De basis is voor elk model hetzelfde, dus die zegt niets; de graden erboven wel.
7,000°
lopende totaal
2
Voeg de downloads toe.
3,796,460 download-equivalenten in totaal, van OpenRouter tokens. Tien keer de downloads voegt dezelfde 300° toe, dus grootte telt mee maar bepaalt niet alles.
+1,974°
8,974°
lopende totaal
3
Voeg de adoptiesnelheid toe.
Ongeveer 133,694 downloads per dag op dit moment, gemeten tussen twee metingen, met een kwart van het gewicht.
+384°
9,358°
lopende totaal
=
De heat-score.
Waar dit model staat op elke lijst van deze site. Niets anders beïnvloedt dit.
9,358°

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Hoe de populariteit van dit model zich verhoudt tot de rest van de catalogus: de groei in downloads, likes en gebruik per periode, gemeten ten opzichte van de typische groei van modellen in dezelfde periode, met de heat score op dat moment. Boven de typische groei betekent stijging, eronder daling. Het verleden wordt herbouwd vanuit de huidige totalen, de eerste dag van het model en de gemeten downloadsnelheid als er twee metingen zijn; een model dat er aan het begin van een periode nog niet was, toont n.v.t.

Vergelijkbare modellen

Qwen3 Max

TEXT / LLM

Nano Banana 2 (Gemini 3.1 Flash Image Preview)

AI-modellen voor het genereren van afbeeldingen, video en tekst

Hy4 preview is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm tencent redeneren coderen agenten lange context lokaal

Bladeren op modelfamilie