Contexto de 1M de tokens no Hy4 preview: o que isso muda na prática?

Um modelo aberto que enxerga 1.048.576 tokens de uma vez só

Fala aí, beleza? A Tencent anunciou em 28/08/2026 o lançamento e a abertura do código do Hy4 preview, o modelo de nova geração dela, e o número que mais chama atenção não é o de parâmetros, é o da janela de contexto

Aqui a gente vai destrinchar duas coisas: o que é janela de contexto (pra quem nunca parou pra entender direito) e o que muda mesmo no teu dia a dia de quem programa quando o modelo consegue segurar um projeto inteiro na cabeça 😀

O que é janela de contexto (e por que 1 milhão de tokens é diferente)

Janela de contexto é tudo que o modelo consegue enxergar de uma vez

Entra ali dentro: tuas instruções, os arquivos que você mandou, o histórico da conversa e também o que ele escreve de volta

Se você conhece a memória RAM da máquina, a analogia é boa o suficiente: é o espaço de trabalho do modelo naquela sessão, não o HD dele

Que fique claro: contexto grande não é memória permanente

A janela vale enquanto a sessão existe

Abriu sessão nova, o modelo não lembra do que vocês combinaram ontem, por mais que a janela seja gigante

Formação Recomendada

Formação Vibe Coding

Do Prompt ao Produto: Crie Software Real com IA

• 474 aulas
• 20 projetos
• 39h 27min

Conhecer formação

Entrada e saída não são a mesma coisa:

Esse é o ponto que mais confunde gente boa

No Hy4 a janela toda é de 1.048.576 tokens, mas o limite máximo de saída (completion) é de até 64.000 tokens

Ou seja: você pode empurrar um caminhão de código pra dentro, só que a resposta de UMA tacada tem teto

Essa diferença entre o que cabe na entrada e onde está o teto da resposta é o que separa quem usa janela grande com cabeça de quem só joga arquivo dentro e reza

O que a Tencent lançou no Hy4 preview

Pelo model card publicado no Hugging Face, é um modelo Mixture-of-Experts (MoE) desenvolvido pelo Tencent Hy Team

São 770B de parâmetros totais, com 49B ativados por token

Que raio é MoE? É uma arquitetura em que só uma parte do modelo é acionada a cada token, em vez do bicho inteiro

O posicionamento declarado pela empresa é bem específico: agentes de código, fluxos complexos de uso de ferramentas e tarefas de produtividade que exigem planejamento, continuidade de contexto e execução multi-etapa sustentada

A Tencent diz ter melhorado o modelo em tarefas reais de produtividade em programação, trabalho de escritório e pesquisa científica

E aí vêm os números, todos informados pela própria Tencent (isso importa, se liga):

Nenhum desses números veio de teste independente até agora, então trate como o que é: alegação da fabricante, não veredito de terceiro

O que muda na prática com 1M de tokens de contexto

Janela grande resolve três dores bem chatas

Contexto espalhado em vários arquivos. Aquele momento em que a IA conserta o service e quebra o controller porque nunca viu o controller? Com janela larga você não precisa ficar escolhendo qual pedaço do projeto sacrificar

Tarefa de longo horizonte. Sessão que dura horas, com dez etapas encadeadas, tende a perder o fio no meio do caminho

Muitos documentos numa sessão só. Especificação, changelog, log de erro e três PRs abertos ao mesmo tempo, sem cortar em pedacinhos

A Tencent também mostrou uma demonstração de trabalho de longo horizonte: segundo ela, o Hy4 coordenou várias sessões do Codex em paralelo, avaliou os resultados e ajustou a direção da pesquisa, superando o Codex sozinho em oito benchmarks

De novo: número informado pela empresa

Mas é uma pista boa de onde eles querem que o modelo brilhe, o papel de maestro e não só de peão que escreve função

Onde a janela de 1M realmente ajuda (e onde não faz diferença)

1. Refatoração que cruza dezenas de arquivos

Trocar um padrão de nomeação, migrar uma camada de acesso a dados, mexer em contrato de API que meio mundo consome

Aqui o modelo precisa VER o mundo todo, não um recorte

2. Base legada sem documentação

Aquele projeto que ninguém sabe explicar e o cara que escreveu saiu da empresa em 2019

Jogar o repositório inteiro e pedir um mapa é o caso de uso mais óbvio de contexto grande

3. Agente que executa várias etapas com ferramentas

Segundo a ficha do modelo no OpenRouter, ele aceita tools e tool_choice para function calling e suporta saídas estruturadas via JSON schema em response_format

Traduzindo: dá pra montar agente que chama tua ferramenta e devolve JSON no formato que o teu código espera, sem parser gambiarra no meio

4. Lote de documentos

Analisar vinte contratos, cem tickets de suporte ou um monte de relatório numa passada só

E onde não muda nada:

Tarefa curta e bem delimitada não fica melhor porque a janela é maior

Corrigir um bug de uma função continua sendo corrigir um bug de uma função

E tem o detalhe que dói no bolso: contexto é token, e token é dinheiro

Enfiar o projeto inteiro em toda mensagem por preguiça de selecionar arquivo é a forma mais rápida de queimar cota, e pensar o que vale a pena colocar na entrada continua sendo trabalho teu

Quanto custa encher 1 milhão de tokens de contexto

Os preços de API do Hy4 preview são estes:

Repare no terceiro item, porque é ele que muda o jogo

Numa sessão longa você reenvia o mesmo contextão a cada mensagem: o mesmo projeto, as mesmas instruções, o mesmo PRD

Se esse pedaço bate no cache, ele sai por US$ 0,042 por milhão em vez de US$ 0,834, ou seja, uma fração do que custaria mandar tudo de novo como entrada nova

É a diferença entre uma sessão de agente ser viável e ser um luxo

E não esqueça do teto de 64.000 tokens de saída

Se você pedir "escreva o sistema inteiro agora", a resposta bate no limite e você vai ter que continuar em pedaços de qualquer jeito

Fatiar a tarefa não é frescura, é a forma correta de trabalhar com esses modelos

Como é trabalhar com uma janela de 1M num projeto de verdade

Aviso na cara, sem enrolação: o teste de primeira mão abaixo NÃO foi com o Hy4 preview

Foi com o GLM 5.2, outro modelo com janela de 1M, num projeto do zero que eu levei de ponta a ponta

Coloco aqui porque o comportamento de sessão longa e o consumo de cota valem mais que qualquer benchmark de slide, e serve pra você calibrar expectativa antes de plugar o Hy4 no teu fluxo

Antes de gerar qualquer código eu pedi um PRD, porque quando o modelo não é o topo de linha eu prefiro guiar a IA com um documento de escopo bem amarrado

Aí veio a primeira lição: o modelo começou a criar o projeto sem eu pedir, ainda na etapa de planejamento, e eu cancelei a execução pra não perder o controle das etapas

Passei a fatiar os prompts em etapas menores (scaffold, landing page, autenticação, integração de IA) e o resultado melhorou na hora

Na etapa seguinte ele respeitou o recorte pedido e parou exatamente onde eu mandei, o que me surpreendeu positivamente

O consumo da cota de 5 horas ficou assim:

• Depois do scaffold do projeto mais a landing page: 16%
• Etapa de autenticação: 26 minutos de trabalho, chegando a 40%
• Etapa de integração com IA: 74%

A landing page me agradou, visual bonito (com aquela cara padrão de IA, né?), com explicação do fluxo e flashcards animados

A autenticação com e-mail e senha funcionou: criei uma conta na aplicação e o login passou numa boa

A reclamação principal foi lentidão

Qualquer coisa que eu pedia parecia demorar mais do que em outros modelos, e isso se repetiu etapa após etapa

E teve a rasteira do final: ao integrar a IA dentro da própria aplicação usando o mesmo endpoint da assinatura, a chamada falhou com aviso de problema de saldo, e a tela do app retornou erro de falha ao contatar o serviço de IA

Minha leitura foi que a assinatura não cobre chamadas de API feitas de dentro da aplicação, só o uso pra programar, então migrei essa parte pra outro provedor

Tome cuidado com isso, porque é o tipo de detalhe que só aparece quando o app já está de pé

No teste final eu pedi um deck de história de Londres em dificuldade fácil e ele gerou 10 flashcards e 5 questões, redondinho

Balanço parcial: entrega código bom e respeita etapas bem prompt-adas, mas é lento e come cota rápido

No vídeo abaixo eu mostro esse teste inteiro, é dele que saíram as medições de cota acima:

E a moral que vale pra qualquer modelo, inclusive pro Hy4: com PRD e planejamento a IA vai longe, independente de qual você escolher

Como testar o Hy4 preview hoje

Dá pra usar sem rodar o bicho na tua máquina

1. Use dentro dos produtos da Tencent. O modelo está disponível no WorkBuddy, no CodeBuddy, no Yuanbao e no ima. O erro comum aqui: assumir que ele já aparece no teu agente favorito. Essa é a lista oficial, não estenda por conta própria
2. Aproveite o período gratuito. Ele está gratuito por duas semanas no WorkBuddy e no CodeBuddy a partir do lançamento, ou seja, dá pra testar antes de pagar qualquer coisa
3. Plugue via API. O acesso por API é via Tencent Cloud TokenHub e via OpenRouter. Se o teu código já usa function calling, a ficha no OpenRouter informa que o modelo aceita tools e tool_choice, e devolve saída estruturada por JSON schema em response_format
4. Rode por conta própria, se quiser. Os pesos do modelo e da versão Hy4 preview-FP8 estão publicados no Hugging Face em tencent/Hy4-preview e em tencent/Hy4-preview-FP8, sob licença Apache 2.0. O código do projeto está em github.com/Tencent-Hunyuan/Hy4-preview e existe uma página de deploy na documentação do SGLang, referenciada a partir do model card

Não vou te passar comando de instalação nem tabela de VRAM aqui, porque não consegui confirmar isso na documentação oficial

Prefiro te mandar direto na fonte a te ensinar o passo errado 🙂

Vale a pena olhar para o Hy4 preview?

O pacote é bem atraente no papel: 1.048.576 tokens de janela, licença Apache 2.0 nos pesos e entrada a US$ 0,834 por milhão de tokens

Pra agente de código e tarefa longa, é exatamente o tipo de combinação que interessa

O porém honesto: todos os benchmarks que circulam por aí no lançamento são da própria Tencent, e ainda não existe teste independente de recuperação em contexto longo pra dizer se o modelo aproveita bem a janela perto do limite ou se degrada no meio do caminho

Janela anunciada e janela útil não são sinônimos, e quem já brincou com contexto grande sabe disso

Próximo passo que eu faria: pegar a janela gratuita de duas semanas no CodeBuddy ou plugar via OpenRouter num projeto real, medir custo e velocidade numa tarefa que você já conhece bem, e só depois pensar em migrar fluxo de trabalho

Benchmark de slide é fácil, o teu projeto é que decide…

Até o próximo post! 😀