Hy4 preview: o que muda para quem trabalha com documentos, planilhas e apresentações?

Fala aí, beleza? A Tencent lançou e abriu o código do Hy4 preview em 28 de agosto de 2026, e o barulho aqui não é só sobre programar

O modelo é o carro-chefe da nova geração da Tencent, e o posicionamento declarado é bem específico: pegar contexto bagunçado, espalhado por um monte de arquivo, e devolver documento, planilha e apresentação

Neste post eu te conto o que existe de concreto até agora: a arquitetura, o que a Tencent diz que ele faz com trabalho de escritório, os números do teste cego interno, onde usar, quanto custa por token e o que a própria fabricante admite que ainda não está redondo

O que é o Hy4 preview e por que a Tencent abriu o modelo

Ele saiu como modelo aberto, com licença Apache 2.0

Os pesos e a documentação oficial vivem no repositório oficial no GitHub, e no Hugging Face existem os modelos tencent/Hy4-preview e tencent/Hy4-preview-FP8

A arquitetura é Mixture-of-Experts, com 770B de parâmetros totais e 49B ativados por token

Que MoE? É aquele desenho em que o modelo tem um monte de "especialistas" lá dentro e só aciona uma parte deles a cada token gerado

Na prática: o modelo é gigante no total, mas a conta de cada token roda em cima de uma fatia bem menor

A outra perna técnica é a janela de contexto: mais de 1 milhão de tokens (1.048.576 tokens na ficha do OpenRouter), com saída máxima de 64.000 tokens

E é aí que a coisa começa a fazer sentido pro ângulo do post: contexto longo é o que permite jogar muitos arquivos de uma vez pro modelo, em vez de ficar picotando tudo em pedacinho e rezando pra ele lembrar do começo 🙂

Documentos, planilhas e apresentações: o que muda no dia a dia

A Tencent diz que otimizou o modelo para análise de dados e colaboração entre documentos, cobrindo o fluxo do processamento da informação até a criação de documentos, planilhas e apresentações

O jeito como eles descrevem isso é bem direto: converter contexto espalhado em vários arquivos em artefatos compartilháveis, lidando com análise de dados, equações e modelos financeiros com mais precisão

Traduzindo pra rotina de um time de análise ou de operações: a dor não é escrever a fórmula bonitinha, é que o contexto está em sete lugares

O relatório do trimestre num docx, os números crus num csv, o histórico numa planilha que alguém mexeu em 2024, o combinado real num pdf de contrato

A promessa declarada é essa costura: ler o monte, entender a bagunça e devolver algo que dá pra mandar pro time

Repara que isso não é só papo de dev

Quem monta deck de resultado, quem fecha fechamento mensal, quem consolida planilha de área, tudo isso entra no mesmo balaio

E é um movimento que a gente já viu em outros modelos abertos recentes, focados em documentos e planilhas: o campo de batalha saiu do "escreve um código pra mim" e foi pro "me entrega o arquivo pronto"

Agora, um cuidado importante e eu vou ser chato aqui: tudo isso acima é capacidade declarada

Não tem benchmark independente de terceiro sobre tarefas de escritório até agora, e não está confirmado se o modelo gera .docx, .xlsx e .pptx nativamente ou se a geração do arquivo depende das ferramentas do produto ao redor dele

Então o certo é ler como intenção de projeto, não como resultado comprovado

Se o teu problema é especificamente montar deck, vale comparar com abordagens que já são focadas nisso, como as ferramentas que montam apresentações com notas do apresentador

Onde o Hy4 preview faz sentido: cinco frentes declaradas

A Tencent lista cinco casos de uso pro modelo

Vou passar por todos, mas com peso maior nos dois do meio, que são os que interessam pra quem não vive dentro do editor de código

Programação:

A frente mais óbvia, e a que aparece nos números do teste cego (a gente chega lá daqui a pouco)

É o terreno das tarefas de engenharia, com o modelo co-projetado junto do CodeBuddy

Trabalho de escritório:

O coração do ângulo aqui

É o fluxo completo: processar informação e gerar documentos, planilhas e apresentações

Entra aqui todo tipo de tarefa que hoje come a tarde de alguém: consolidar informação de formatos diferentes, padronizar, resumir e transformar em artefato que circula

Análise de dados:

A Tencent cita explicitamente análise de dados, equações e modelos financeiros como pontos de atenção do treino

Modelo financeiro é o tipo de coisa em que errar uma célula estraga a planilha inteira, então é justamente onde "quase certo" não serve

É um caso de uso que exige conferência humana de qualquer jeito, seja qual for o modelo

Desenvolvimento de jogos:

Aparece na lista oficial de casos de uso

E é só isso que a Tencent detalhou publicamente sobre essa frente até agora, então trate como intenção declarada

Pesquisa científica:

Fecha a lista, e conversa bem com a janela de contexto longa: muito paper, muito dado, muito material pra ler de uma vez

Hy4 preview, GLM-5.3 e Kimi K3 no teste cego da Tencent

Aqui entra o único número comparativo que existe hoje, e ele precisa de contexto antes da tabela

A Tencent rodou um teste cego interno, no ambiente WorkBuddy, com 163 especialistas internos e 203 tarefas de engenharia

Ou seja: é avaliação da própria fabricante, no próprio ambiente dela, com os próprios avaliadores

Não é benchmark de terceiro, e nenhum de nós tem como reproduzir isso hoje

Com essa ressalva na mesa, o resultado foi este:

Repara na distância entre eles: 2,99, 2,94 e 2,92

É vitória apertada, e vitória em casa 😀

A Tencent também mantém um benchmark próprio, o WorkBuddy Bench, com repositório em github.com/Tencent/workbuddy-bench

Ele tem quatro domínios: Code, Web, Office e Security

O domínio Office é o que interessa pro nosso assunto: ele opera arquivos de formatos mistos (xlsx, csv, pdf, docx) para produzir artefatos exatos

Olha o desenho da coisa: um benchmark que cobra arquivo certo no final, não texto bonito no chat

O que eu não vou fazer é te dar a nota dele nesse domínio Office, porque esse recorte específico não está público

Como acessar o Hy4 preview hoje e quanto custa

Tem dois caminhos: usar dentro de produto pronto, ou chamar por API

Nos produtos, o modelo está disponível nas versões chinesa e internacional do WorkBuddy e do CodeBuddy, além do Yuanbao e do ima

Que WorkBuddy? É um produto da própria Tencent, uma bancada de trabalho de IA para escritório que lê e escreve arquivos locais e entrega resultado pronto

Ele está disponível para usuários individuais em iOS, Android e HarmonyOS, e existe também a versão WorkBuddy Enterprise para empresas

E tem um detalhe que explica bastante coisa: a Tencent afirma ter co-projetado o modelo junto com o CodeBuddy e o WorkBuddy, pra que o ganho apareça no trabalho real e não só na régua do benchmark

No lançamento rolou janela gratuita: o Hy4 preview ficou de graça no WorkBuddy e no CodeBuddy por duas semanas a partir do lançamento, e o acesso gratuito ao Hy3 nas duas plataformas foi estendido até 30 de setembro

Por API, o modelo está no Tencent Cloud TokenHub e no OpenRouter

Os preços divulgados no OpenRouter:

• US$ 0,834 por milhão de tokens de entrada
• US$ 2,501 por milhão de tokens de saída
• US$ 0,042 por milhão de tokens na leitura de cache

Aquele preço de cache é o número que mais importa pra quem vai jogar pacote grande de arquivo lá dentro: reler contexto já cacheado sai numa fração da entrada normal

E se eu quiser rodar por conta?

A documentação oficial indica o caminho de serving em produção, então dá pra seguir sem chute:

1. Escolha vLLM ou SGLang para servir o modelo
2. Se for de SGLang, use a imagem oficial pré-construída lmsysorg/sglang:hy4-preview, que tem versão para x86 e para Arm
3. Depois de servir, você chama uma API compatível com OpenAI, o que facilita a vida se o teu código já fala com esse formato
4. Ajuste os parâmetros de inferência recomendados pela documentação:

temperature=0.9
top_p=1.0

O erro comum aqui é entrar nessa etapa sem dimensionar máquina antes

E olha, eu não vou te dar número de GPU nem de VRAM porque isso não está na documentação que eu chequei

Só registro o óbvio: 770B de parâmetros totais não é coisa de rodar no notebook do trabalho, é PC da Nasa mesmo 😛

O que a Tencent admite que ainda não está redondo

Essa parte eu acho a mais honesta do anúncio, e ela vem da própria Tencent

Na fase de preview, o modelo pode gastar mais tempo do que o necessário raciocinando em tarefas complexas, e pode verificar demais o próprio trabalho

O efeito colateral é declarado: aumenta a latência e aumenta o consumo de tokens

Agora amarra isso com o preço lá de cima

Se a saída custa US$ 2,501 por milhão de tokens e o modelo tende a se conferir mais do que precisa, quem paga a conta do excesso é você, no token de saída

Em tarefa de escritório com muitos arquivos, isso não é detalhe: é a diferença entre um custo previsível e uma surpresa no fim do mês

Por isso a recomendação sóbria é medir consumo real num lote pequeno antes de plugar no fluxo do time

Vale acompanhar? O próximo passo

Veredito honesto de notícia: o Hy4 preview é preview, os números comparativos que existem hoje vêm da própria fabricante, e não tem avaliação independente de terceiro sobre trabalho de escritório

Porém a aposta é clara e bem definida: documento, planilha e apresentação, com contexto acima de 1 milhão de tokens pra dar conta da bagunça de arquivo

E tem o ponto que muda o jogo pra quem gosta de mexer: os pesos estão abertos, com Apache 2.0

O próximo passo concreto, se o assunto te interessa: aproveitar a janela gratuita no WorkBuddy ou no CodeBuddy, ou chamar via OpenRouter com um lote real dos teus arquivos, do jeito bagunçado que eles já são

Aí você compara o resultado com o que o teu time faz hoje e decide com dado teu, não com nota de teste cego interno dos outros

É assim que dá pra saber se a promessa cola no teu caso…

até o próximo post!