Hy4 preview vale a pena para quem programa? Veredito honesto por perfil de dev

Fala aí, beleza? Mais um modelo aberto chegando com a promessa de escrever código melhor que o vizinho, e a pergunta continua exatamente a mesma: isso muda alguma coisa no teu dia ou é só barulho?

A Tencent lançou e abriu o código do Hy4 preview em 28 de agosto de 2026, com os pesos publicados sob Apache License 2.0

Aqui não vai ter nem hype nem desprezo

A ideia é olhar a ficha técnica, o preço, o que o próprio fabricante admite que o modelo faz de errado, e fechar com um veredito por perfil de dev: trocar, testar em paralelo ou ignorar por enquanto

O que é o Hy4 preview e o que ele traz na ficha técnica

Ele é um modelo Mixture-of-Experts (MoE) de 770 bilhões de parâmetros no total, com 49 bilhões ativados por token

Que significa isso na prática? Que o modelo é gigante no papel, mas só acende uma fatia dele a cada token gerado

Se você conhece a ideia de carregar só o módulo que a rota precisa em vez de subir o sistema inteiro, é mais ou menos essa a lógica: capacidade grande armazenada, custo de inferência menor que o número total sugere

Formação Recomendada

Formação Vibe Coding

Do Prompt ao Produto: Crie Software Real com IA

• 474 aulas
• 20 projetos
• 39h 27min

Conhecer formação

A arquitetura tem 78 camadas, sendo a primeira com FFN densa e as outras 77 em MoE

Cada camada MoE tem 256 experts roteados mais 1 compartilhado, com top-8 experts ativados por token

A atenção é Gated DeepSeek Sparse Attention (Gated DSA) com IndexCache, o pedaço que sustenta contexto longo sem estourar o custo de atenção

Contexto de 1M e saída de 64k: o que isso libera:

O contexto é de 1.048.576 tokens (1M) e a saída máxima é de 64.000 tokens

Pra quem programa, contexto de 1M é a diferença entre explicar o projeto em pedacinhos e simplesmente jogar o módulo inteiro, os testes, o schema e a documentação na mesa

E saída de 64.000 tokens dá espaço pra refactor grande sair em uma tacada só, sem aquele "continua…" no meio do arquivo

E o "preview" no nome? 🙂

Esse detalhe não é enfeite

A própria Tencent trata a versão como early, com headroom em pré-treino e pós-treino

Ou seja: o fabricante está dizendo, com todas as letras, que ainda tem melhoria pela frente

Tome cuidado ao ler qualquer resultado desse modelo como estado final, porque não é

Hy4 preview na comparação: preço, contexto e resultado em tarefas de engenharia

Bora aos números verificados, sem achismo

Agora a parte que todo mundo quer ver, a comparação em tarefa de engenharia

Essa avaliação é cega e interna da Tencent, com 163 especialistas e 203 tarefas de engenharia

E aqui vale a leitura honesta: a diferença entre 2,99 e 2,94 é magrinha

É avaliação do próprio fabricante, com metodologia dele, então trata como sinal de que o modelo está na mesma faixa dos concorrentes abertos, e não como prova de superioridade

O contraponto do outro lado do mercado também precisa entrar: o Claude Opus 5 segue na posição #1 do Artificial Analysis Intelligence Index (v4.1.1), com índice 63

Ou seja, o modelo da Tencent brigando de igual pra igual com Kimi e GLM é uma coisa

Brigar pelo topo absoluto é outra conversa, e essa conversa a avaliação interna não resolve

Em quais cenários esse modelo faz sentido de verdade

Se liga nos casos onde o perfil dele joga a teu favor

1. Tarefa longa de desenvolvimento

Contexto de 1M é o argumento mais concreto da ficha

Migração de legado, leitura de repositório inteiro, refactor que precisa enxergar dez arquivos ao mesmo tempo: é aqui que contexto grande deixa de ser número de marketing e vira menos retrabalho

2. Front-end e prototipagem de jogos

A Tencent posiciona o modelo para programação, trabalho de escritório, análise de dados, desenvolvimento de jogos e pesquisa científica

E afirma que ele gera um protótipo jogável a partir de um pedido em linguagem natural, além de refinar projetos complexos em interações de múltiplos turnos

Esse ciclo de pedir, ver rodando e ajustar é justamente o que mais aproxima quem quer criar sem saber codar de um resultado que existe na tela

3. Fluxo de agente

A API aceita tools e tool_choice para function calling, e saídas estruturadas via JSON schema em response_format

Pra quem monta agente, isso é o mínimo que precisa existir: chamar ferramenta e receber JSON que valida

Sem isso, todo agente vira parser de texto na unha, e ninguém merece

4. Time que precisa de pesos abertos

Apache License 2.0 é licença permissiva, e os pesos estão publicados de verdade

Pra empresa que tem exigência de dado não sair de casa, ter o peso na mão muda o jogo de "não posso usar IA aqui" pra "posso, se eu tiver a infra"

Guarda esse "se", porque a próxima seção é sobre ele

Quando não há motivo nenhum para trocar de modelo

Agora o outro lado, sem suavizar nada

Tarefa curta e repetitiva sai cara

A própria Tencent admite a limitação: o modelo tende a raciocinar por mais tempo que o necessário e a sobre-verificar o próprio trabalho, o que aumenta latência e consumo de tokens

E o modo de raciocínio padrão é high

Repara na conta: preço baixo por token não serve de nada se a tarefa gasta um monte de token pensando

Pra renomear variável, escrever commit e ajustar CSS de um botão, um modelo que se auto-audita três vezes é desperdício puro

Fluxo estável em ferramenta que não oferece o modelo

Hoje ele está nas versões chinesa e internacional do WorkBuddy e do CodeBuddy, além do Yuanbao e do ima, e via API pelo Tencent Cloud TokenHub e pelo OpenRouter

Se o teu dia acontece dentro de uma ferramenta que não está nessa lista, trocar de modelo significa trocar de ambiente inteiro

E trocar ambiente por 0,05 ponto numa avaliação interna do fabricante é péssimo negócio

A ilusão do self-host

Aqui a conta bate na porta

O deploy recomendado é com vLLM ou SGLang usando 8 GPUs (tensor parallel 8), e a versão quantizada FP8 tem cerca de 760 GB de pesos

Ou seja: "é open source, vou rodar em casa" não existe nesse caso, a não ser que a tua casa seja um datacenter

Pesos abertos aqui valem pra empresa com infra, não pro PC da Nasa que você acha que tem

Veredito por perfil de dev: trocar, testar ou ignorar

Compliance e infra própria: TROCAR

É o único perfil que ganha veredito de troca aqui, e o motivo não é ranking

Apache License 2.0 mais pesos publicados resolve um problema que dinheiro sozinho não resolve

Se você tem as 8 GPUs e o time de infra, troca mesmo: sai da API fechada e traz o modelo pra dentro de casa, porque nenhum concorrente proprietário te dá isso

Se não tem a infra, o veredito deixa de ser trocar e vira testar pela API

Workflow consolidado em outro modelo: IGNORAR por enquanto

Sem números públicos de benchmark independente, com o modelo em status de preview assumido pelo fabricante e com diferença mínima na avaliação interna, não existe argumento pra desmontar o que já funciona

Deixa amadurecer, volta quando sair a versão que não tem "preview" no nome

Dev solo e freela: testar em paralelo

O custo de experimentar é baixo, ainda mais porque o modelo está gratuito por duas semanas no WorkBuddy e no CodeBuddy a partir do lançamento

Mas não migra teu fluxo de trabalho por causa de um lançamento

Roda a mesma tarefa que você já sabe resolver e compara o resultado, é o teste mais honesto que existe

Dev de produto em time: testar, com escopo fechado

Pega uma tarefa longa de verdade, dessas que se beneficiam do contexto de 1M, e mede

O que corrói a vantagem de preço não é a tabela, é o excesso de raciocínio que o próprio fabricante admite

Se o time já tem processo montado em cima de outro modelo, vale antes revisitar se o Claude Code vale a pena pro teu caso, e só então comparar de igual pra igual

Quem faz jogos e protótipos: testar, e com bastante vontade

É o cenário que a Tencent posiciona explicitamente, incluindo protótipo jogável a partir de linguagem natural e refino em múltiplos turnos

Protótipo é o lugar onde "quase certo" já entrega valor, então o perfil casa

Conclusão

"Preview" é a palavra mais importante do nome, e ela pede teste controlado, não migração 🙂

Só dois perfis fogem disso: quem tem infra e exigência de compliance troca, e quem tem workflow redondo em outro modelo ignora por enquanto

O caminho mais barato pra formar opinião própria é usar as duas semanas gratuitas no WorkBuddy e no CodeBuddy a partir do lançamento (e o acesso gratuito ao Hy3 nessas ferramentas foi estendido até 30 de setembro de 2026, então dá pra comparar geração contra geração)

Quem prefere plugar direto na API tem o Tencent Cloud TokenHub e o OpenRouter, com os parâmetros recomendados pelo model card: temperature 0.9 e top_p 1.0

E quem quer os pesos encontra o modelo no Hugging Face (tencent/Hy4-preview e a versão quantizada tencent/Hy4-preview-FP8), no ModelScope, no GitCode, no CNB e no repositório oficial

No fim, ranking nenhum decide por você

Pega a tarefa mais chata do teu projeto real, roda nos dois modelos e compara o resultado, é assim que a decisão para de ser opinião e vira dado

Me conta depois qual perfil é o teu e como foi o teste, até o próximo post!