텐센트 Hy4 공개, 오픈웨이트에 처음 눈과 마우스가 붙었다

텐센트가 11월 4일 멀티모달 모델 Hy4를 공개했습니다. Tencent Cloud와 OpenRouter에서 바로 호출할 수 있고, 모델 가중치는 아직 나오지 않았습니다.

Hy4 계열에서 처음으로 시각 인식과 컴퓨터 조작이 들어갔습니다. 이미지와 차트를 읽고, 명령줄과 화면 UI를 오가며 블렌더와 CAD 같은 전문 소프트웨어를 직접 다룹니다.

성적은 오픈웨이트 1위를 주장하는 수준입니다. 금융 실무 579개 과제에서 3.04점으로 DeepSeek-V4.1-Flash(2.97)와 Kimi K3.1 Pro·GLM-5.3(각 2.68)을 앞섰습니다. 대신 값은 경쟁 모델보다 비쌉니다.

처음 생긴 눈과 손

Hy4는 이미지의 세밀한 부분을 읽고 복잡한 차트를 해석합니다. 여기에 컴퓨터 조작이 처음 붙었습니다. 명령줄과 그래픽 화면을 함께 쓰고, 블렌더와 CAD에 맞춘 훈련을 따로 받았습니다.

텐센트가 공개한 예시는 2.8기가픽셀 항공 사진입니다. 지붕에 적힌 회사 이름을 단서로 태양광 구역에서 가장 동쪽에 있는 흰 사각형 부품을 찾아냅니다. 눈으로 훑어야 하는 작업을 지시 한 줄로 처리하는 구성입니다.

컴퓨터 조작은 명령줄과 화면 UI를 함께 다루는 방식입니다. 화면에서 좌표와 요소를 읽어 클릭하고, 같은 일을 스크립트로 실행하는 흐름을 한 번에 묶습니다. 블렌더와 CAD 훈련은 이 조작을 전문 도구 수준까지 끌어올린 사례입니다.

과학 쪽 예시도 있습니다. 700만 개 세포 데이터로 쥐 배아 3D 모델을 한 대의 장비에서 1시간 30분에 복원했습니다. 여러 프로그램을 넘나드는 긴 작업을 끊지 않고 이어가는 능력을 내세운 대목입니다.

게임과 금융, 사내 서비스에서 올린 숫자

텐센트 게임 사업부와 함께 훈련 데이터와 평가 세트를 만들었습니다. 언리얼·유니티·고도 엔진에 맞췄고 멀티플레이 개발까지 넓혔습니다. 직전 preview 대비 게임 개발 평가가 19.1%, 게임 로직 평가가 9.8% 올랐습니다.

서비스 수치도 붙였습니다. 왕자영요 설정 과제에서 정확도가 91.74%에서 97.28%로 올랐고, 스스로 검증하는 단계를 거치면 99.32%가 됩니다. 버그 원인 분석 정확도는 59.5%에서 73.8%로 뛰었습니다.

금융은 전문가 213명이 579개 과제를 평가했습니다. 이 가운데 153명이 주요 금융기관 소속이고 70% 이상이 경력 5년을 넘습니다. 검색을 손봐 환각률은 15.76%에서 5.45%로, 추측성 오류는 23.1%에서 5.6%로 줄었다고 밝혔습니다.

외부 평가도 붙였습니다. 금융 AI 기업 RabyteTech의 투자 리서치 벤치마크 IRAB 101개 과제에서 61.63점으로 preview보다 12.03점 올랐습니다. 금융 스타트업 Comein 평가에서는 데이터 쿼리 항목이 75.4점으로 GPT-6.1 Sol을 20점 가까이 앞섰고, 중국 모델로는 처음 Claude Opus 5.5와 공동 2위에 올랐다는 설명입니다.

사내 협업 도구 성적도 함께 공개했습니다. WeCom에서는 지시 따르기가 13.5%, 복합 정보 검색이 12.7% 올랐습니다. QQ의 AI 에이전트는 40개가 넘는 시나리오에서 사용자 만족도가 90.11%에서 93.10%로 상승했습니다.

브라우저 작업을 대신하는 WorkBuddy는 평균 83.18점, 통과율 96.15%를 기록했습니다. 12개 시나리오 가운데 9개에서 중국 모델 중 1위라는 설명입니다. 다만 이 숫자는 모두 텐센트가 자기 제품에 붙인 내부 평가라, 외부 검증 결과와 구분해서 봐야 합니다.

연구 쪽도 따로 쟀습니다. 7개 분야 123개 과제로 만든 TenureTrail에서 오픈웨이트 모델 중 1위를 기록했습니다. Hyra 2.0과 함께 사내 사전학습 인프라를 최적화했고, 그 과정에서 만든 단일 세포 표현 모델 HyCell과 물리장 모델 HyPDE는 커뮤니티에 공개합니다.

값과 공개 시점

API 가격은 100만 토큰에 캐시 입력 0.042달러, 입력 0.834달러, 출력 2.501달러입니다. DeepSeek-V4.1-Flash의 피크 단가(입력 0.30달러·출력 1.20달러)와 비교하면 두 배 이상 비쌉니다.

Hy4는 8월 27일 preview로 먼저 나왔고, 이번이 정식판입니다. 가중치는 아직입니다. 텐센트는 공개 계획이 있다고만 밝혔고, vLLM과 SGLang 쪽과 협력해 생태계를 준비한다고 했습니다. 공개할 때 안전성 평가를 담은 시스템 카드도 함께 내고, 더 저렴한 Hy4 flash를 예고했습니다.

한계는 회사가 먼저 인정했습니다. 연구 수준 수학, 긴 코딩 작업, 모델 자기 개선, 고난도 시각 질의응답에서는 최상위 비공개 모델과 격차가 남는다고 적었습니다.

지금 고를 수 있는 다른 오픈웨이트 모델과 견주면 위치가 갈립니다. 같은 주에 공개된 Kimi K3.1 Pro는 2.8조 파라미터와 100만 토큰 문맥을 내세웠고, DeepSeek-V4.1-Flash는 더 낮은 단가로 같은 대화형 작업을 받칩니다. Hy4가 미는 차별점은 화면 조작과 게임·금융처럼 업무 단위로 매긴 평가입니다.

원문 반응

해커뉴스 댓글 48개는 가격부터 계산합니다. Kimi K3.1 Pro보다 성능은 조금 낮지만 50% 프로모션을 빼고도 훨씬 싸다는 평가와, DeepSeek과 비교하면 오히려 비싸다는 반응이 갈립니다. 성능 차이가 가격 차이를 정당화하지 못한다는 지적에는 토큰 단가가 아니라 작업당 비용으로 봐야 한다는 반론이 붙었습니다.

실사용 벤치마크도 나왔습니다. Plotly 데이터 분석 평가에서는 GPT-6.1 Sol과 Terra 사이에 놓였지만, 질문 하나에 쿼리를 26번에서 64번까지 던져 매우 느렸다는 관측입니다. 팩맨 게임 생성 평가에서는 DeepSeek-V4.1과 82점으로 동점을 이뤘고, 비용은 0.30달러 대 2.26달러로 갈렸습니다.

게임 개발에 힘을 준 배경을 짚는 댓글도 있습니다. 텐센트가 리그 오브 레전드와 에픽게임즈 지분까지 가진 대형 게임 자산 보유사라, 게임 엔진 맞춤 훈련이 자연스럽다는 설명입니다. 한계를 스스로 밝힌 점은 오히려 신뢰를 준다는 반응도 있었습니다.

논쟁이 된 대목도 있습니다. 텐센트가 익스플로잇 개발·리버싱·침투 테스트 같은 공격적 보안 데이터를 학습에서 제외했다고 밝히자, 그 작업이 필요한 사용자는 다른 모델로 간다는 반응이 나왔습니다.