Présentation

Tencent a dévoilé Hy4, son nouveau grand modèle de langage (LLM) de dernière génération. Le modèle sera publié sous forme de poids et de fiches techniques dans les prochains jours, ce qui le place parmi les principaux LLM open source. Hy4 intègre pour la première fois une compréhension visuelle avancée, ainsi que la capacité d’interagir avec des interfaces en ligne de commande et graphiques, élargissant ainsi le spectre des tâches réalisables.

Capacités techniques

La composante visuelle de Hy4 permet le traitement d’images fines, l’analyse de graphiques complexes et le raisonnement mathématique à partir d’éléments visuels. Cette fonctionnalité repose sur un entraînement spécialisé sur des jeux de données d’imagerie et de diagrammes, ce qui explique son aptitude à la « visual reasoning ». En parallèle, le modèle a été affiné sur des logiciels professionnels tels que Blender et des environnements de conception assistée par ordinateur (CAO), ce qui lui confère la capacité d’exécuter des tâches longues et sophistiquées, par exemple la construction de scènes 3D ou la manipulation d’outils graphiques.

Performances et benchmarks

Dans le cadre de l’écosystème Tencent WorkBuddy, Hy4 obtient un score moyen de 83,18 et un taux de réussite de 96,15 % sur les évaluations internes, se classant premier dans neuf des douze scénarios testés sur le marché chinois. En finance, une évaluation aveugle menée avec Tencent Financial Technology a mobilisé 213 professionnels (dont 153 experts externes) sur 579 tâches réelles ; Hy4 a atteint le meilleur score global (3,04) devant DeepSeek‑V4.1‑Flash‑1017 (2,97) et les modèles Kimi K3.1 Pro et GLM‑5.3 (2,68). L’amélioration de l’hallucination est quant à elle mesurée : le taux est passé de 12,95 % à 7,2 % entre Hy4 Preview et la version finale, tandis que les erreurs d’assomptions non supportées ont chuté de 23,1 % à 5,6 % grâce à un moteur de recherche ciblé intégrant plusieurs sources d’information et une vérification de cohérence factuelle.

Dans le domaine du développement de jeux, Hy4 progresse de 19,1 % sur le benchmark GameDev et de 9,8 % sur GameLogic par rapport à la version Preview, grâce à une intégration profonde avec Unreal Engine, Unity et Godot. Le test scientifique TenureTrail, couvrant 123 tâches exécutables dans sept disciplines, montre que Hy4 surpasse les modèles concurrents en programmation scientifique, modélisation physique et prise de décision socio‑économique.

Responsabilité, cybersécurité et limites

Le modèle a été entraîné exclusivement sur des données de cybersécurité défensive, incluant la rédaction de preuves de concept (PoC) et la remédiation de vulnérabilités, tout en excluant explicitement tout matériel offensif. Des experts des laboratoires Xuanwu et Keen Security Lab ont conduit des évaluations couvrant le reverse‑engineering cryptographique, la déobfuscation binaire et l’analyse de vulnérabilités. Malgré ces garde‑fous, la publication open source expose le code à une utilisation non contrôlée, ce qui impose aux utilisateurs de mettre en place leurs propres filtres de sécurité. Enfin, le projet mentionne un « Recursive Self‑Improvement » (RSI) en cours, soutenu par l’infrastructure Hyra 2.0, et la diffusion de deux modèles fondamentaux – HyCell et HyPDE – destinés à la recherche en biologie cellulaire et en physique des champs, respectivement.