Tencent lanza Hy4: 770B parámetros open source desde US$0,83/M

Qué hay detrás del lanzamiento de Hy4 preview

Tencent acaba de abrir el código de Tencent Hy4 preview, un modelo de lenguaje grande (LLM) de tipo Mixture-of-Experts (MoE) que la compañía china presenta como su apuesta más ambiciosa para tareas de productividad real. La ficha técnica: 770B parámetros totales, 49B parámetros activos por token, ventana de contexto de más de 1 millón de tokens y acceso gratuito durante dos semanas en WorkBuddy y CodeBuddy, según el comunicado oficial de la compañía.

Lo más interesante del anuncio no es solo el tamaño del modelo, sino la combinación de tres movimientos: (1) abrir el código con pesos descargables, (2) mantener precios de API agresivamente bajos y (3) admitir que el propio modelo participó en su entrenamiento y optimización. Para un founder hispanohablante, esto significa una nueva opción enterprise-grade que se puede probar sin compromiso y desplegar en infraestructura propia o en la nube de Tencent.

Qué hace diferente a Hy4 frente a Hy3

Hy4 no llega solo: se apoya en el trabajo hecho con Hy3, la generación anterior que Tencent lanzó oficialmente el 6 de julio de 2026, según el comunicado recogido por Yahoo Finance. Hy3 usaba una arquitectura MoE híbrida de pensamiento rápido y lento, con 295B parámetros totales y 21B activos, y una ventana de 256K tokens. Hy4 multiplica por aproximadamente 2,6 los parámetros totales y por 2,3 los activos, y multiplica por cuatro la ventana de contexto.

Esa diferencia importa en casos de uso concretos. En software engineering, Tencent dice que Hy4 mejora comprensión, planificación, depuración y validación en tareas de desarrollo de largo contexto, además de generar interfaces front-end con mejor calidad visual. En oficina y análisis, el modelo entiende mejor entornos de trabajo complejos y soporta el flujo completo: desde procesar información hasta crear documentos, hojas de cálculo y presentaciones. En desarrollo de juegos, Hy4 puede generar un prototipo jugable a partir de una sola instrucción en lenguaje natural.

Los números que publicó Tencent

En una evaluación interna a ciegas con 163 expertos y 203 tareas de ingeniería, Hy4 preview obtuvo una puntuación media de 2,99 sobre 4,00, por delante de GLM-5.3 (2,92/4,00) y Kimi K3 (2,94/4,00), según el comunicado oficial. Tencent insiste en que estos datos deben distinguirse de pruebas independientes, pero sirve como punto de referencia inicial.

El dato que más rápido impacta en la cuenta de resultados de un founder es el precio de API publicado en el comunicado:

• Input tokens: US$ 0,834 por millón.
• Output tokens: US$ 2,501 por millón.
• Cache hits: US$ 0,042 por millón.

Para ponerlo en perspectiva, según el análisis de Forbes publicado el 5 de agosto de 2026, Hy3 había fijado su API en US$ 0,1288 por millón de input y US$ 0,5336 por millón de output, una fracción de lo que cobran los modelos frontera occidentales. Hy4 es más caro por token que Hy3, coherente con su mayor tamaño, pero sigue siendo competitivo frente a GLM-5, Kimi K3 y otros modelos chinos de tamaño similar.

La parte más llamativa: el modelo se mejoró a sí mismo

Tencent describe dos casos de auto-mejora recursiva que vale la pena entender porque marcan una tendencia sectorial. Primero, Hy4 preview "participó por primera vez en la optimización automatizada de métodos de entrenamiento, estrategias de datos, marcos de evaluación y operadores de bajo nivel", según el comunicado. El modelo propuso enfoques, ejecutó experimentos, iteró sobre los resultados y su propio código y logs alimentaron rondas posteriores.

Segundo, Hy4 preview "analizó autónomamente cuellos de botella en su sistema de inferencia" y llevó a cabo múltiples rondas de optimización en áreas como fusión de operadores y comunicación. El resultado: un aumento del 31,8% en el throughput end-to-end frente a la línea base, según Tencent.

¿Qué significa esto en la práctica? Cada vez más equipos de IA están usando modelos para ayudar a construir y ajustar modelos posteriores, lo que acelera los ciclos de desarrollo. Para un founder, la consecuencia es que los modelos que se lanzan dentro de seis meses probablemente serán materialmente mejores que los actuales, no solo por más datos de entrenamiento sino por automatización del propio proceso de I+D.

Cómo y dónde probar Hy4 preview

Según el comunicado oficial, Hy4 preview está disponible en cuatro canales:

• Acceso gratuito por dos semanas en WorkBuddy y CodeBuddy (extienden también el acceso gratis a Hy3 hasta el 30 de septiembre).
• Aplicaciones Tencent: Yuanbao, ima y otros productos del ecosistema.
• API a través de Tencent Cloud TokenHub y OpenRouter.
• Open source en repositorios estándar de la comunidad (Hugging Face, ModelScope y GitHub, según el patrón ya establecido con Hy3).

La distribución abierta importa. Hy3 ya se lanzó bajo licencia Apache 2.0, según el análisis de TechTimes, una de las más permisivas del ecosistema. Si Hy4 mantiene ese enfoque, cualquier startup puede descargar los pesos, modificarlos y desplegarlos en su propia infraestructura sin pagar licencias recurrentes ni atarse a un proveedor.

Qué significa esto para tu startup

Si construyes productos con IA, esta movida de Tencent encaja en una tendencia más amplia que Forbes documentó en agosto de 2026: el eje de competencia se está moviendo desde "tener el modelo más inteligente" hacia "tener el modelo más desplegable". La misma nota cita que los modelos chinos ya representan el 41% de las descargas globales open source en Hugging Face, frente al 36,5% de los estadounidenses, y que Hy3 llegó a procesar alrededor de 33 millones de llamadas de herramientas de agentes al día, con un 8,9% del tráfico agéntico global.

Acciones concretas que puedes tomar esta semana:

• Prueba Hy4 gratis durante dos semanas en WorkBuddy o CodeBuddy para tareas reales de tu producto (generación de código, análisis de documentos largos, prototipado rápido). Documenta qué tareas específicas resuelves mejor que con tu modelo actual y dónde falla.
• Evalúa el coste mensual real con el precio publicado (US$ 0,834 por millón de input, US$ 2,501 por millón de output). Para cargas con muchos tokens de entrada y pocos de salida, el cache hit a US$ 0,042 por millón puede ser tu mejor palanca si diseñas prompts con contexto reutilizable.
• Compara con tu alternativa actual (GLM-5, Kimi K3, DeepSeek, Claude, GPT) en una muestra de 50-100 tareas reales de tu negocio, no en benchmarks genéricos. La diferencia entre proveedores rara vez está en lo que un test público mide.

Fuentes

• Tencent Releases and Open-Sources Tencent Hy4 Preview (fuente original)
• Hy4 preview: 770B Remarkable Open Model Launch — Techgenyz
• Tencent's Hy3 Tests Whether Smaller AI Models Can Rival Larger Flagships — TechTimes
• Tencent Hy3 Now Available Globally — Yahoo Finance / PRNewswire
• Tencent Bets AI Deployment Will Matter More Than Bigger Models — Forbes