Tencent Hy4 มองเห็นภาพและควบคุมคอมพิวเตอร์ ยกระดับเอเจนต์ AI

จากโมเดลภาษา สู่ผู้ช่วยที่ลงมือทำงาน

โมเดล Tencent Hy4 คือโมเดลภาษาขนาดใหญ่ที่รับทั้งข้อความและภาพ ใช้การให้เหตุผลและเรียกใช้เครื่องมือเพื่อทำงานผ่านคอมพิวเตอร์ จึงมุ่งเป็นเอเจนต์ AI ที่ทำงานต่อเนื่องได้ ไม่ได้จำกัดอยู่แค่การตอบคำถามในแชต Tencent เปิดตัวเวอร์ชันเต็มเมื่อวันที่ 4 พฤศจิกายน 2026 โดยเพิ่มความสามารถด้านการมองเห็นและการใช้งานคอมพิวเตอร์เป็นครั้งแรก

จุดเปลี่ยนที่น่าสนใจคือ AI เข้าใจภาพแล้วนำสิ่งที่เห็นไปเชื่อมกับการลงมือทำได้ Tencent ระบุว่า Hy4 ตีความรายละเอียดในภาพและแผนภูมิที่ซับซ้อนได้ พร้อมทำงานผ่านทั้งบรรทัดคำสั่งและหน้าจอกราฟิก ในทางปฏิบัติ ผู้ใช้จึงอาจให้โมเดลอ่านภาพหน้าจอหรือข้อมูลภาพ แล้วสั่งให้ดำเนินงานต่อ แทนที่จะต้องอธิบายทุกขั้นตอนด้วยข้อความ

นี่เป็นทิศทางที่มีน้ำหนักกว่าการเพิ่มคะแนนทดสอบเพียงอย่างเดียว เพราะผู้ช่วยที่มองเห็นและใช้เครื่องมือได้อาจช่วยงานเอกสาร การพัฒนาเว็บไซต์ และเวิร์กโฟลว์ที่ข้ามหลายแอปพลิเคชันได้ อย่างไรก็ดี ความสามารถดังกล่าวยังไม่เท่ากับการทำงานแทนมนุษย์ได้ทุกกรณี ผู้ใช้ยังต้องกำหนดขอบเขต ตรวจผลลัพธ์ และพิจารณาว่าข้อมูลใดเหมาะจะส่งให้บริการบนคลาวด์

บริบทใหญ่ขึ้น แต่การเปิดให้เข้าถึงยังไม่ครบ

Hy4 มีพารามิเตอร์รวม 770 พันล้านตัว โดยมีพารามิเตอร์ที่ทำงานจริง 49 พันล้านตัว และรองรับบริบทสูงสุด 1,048,576 โทเค็น ขนาดบริบทระดับนี้เหมาะกับงานที่ต้องรวบรวมเอกสารหรือข้อมูลจำนวนมากไว้ในเซสชันเดียว แต่ความจุที่มากไม่ได้รับประกันความแม่นยำ และยิ่งส่งข้อมูลยาวก็ยิ่งควรวางแผนการใช้โทเค็นอย่างรอบคอบ

การเข้าถึงในวันนี้เน้นบริการผ่านคลาวด์ โดยมี API ให้ใช้ผ่าน Tencent Cloud และ OpenRouter รวมถึงผลิตภัณฑ์ CodeBuddy, WorkBuddy, Yuanbao และ ima นี่ช่วยให้ผู้ใช้เริ่มทดลองได้โดยไม่ต้องติดตั้งโมเดลขนาดใหญ่เอง แต่ก็หมายถึงการพึ่งพาผู้ให้บริการและเงื่อนไขการใช้งานของแพลตฟอร์ม

ประเด็นที่ควรจับตาคือ Hy4 รุ่นตัวอย่างเคยเปิดให้ใช้งานแบบโอเพนซอร์สในเดือนสิงหาคม 2026 แต่การเปิดตัวเวอร์ชันเต็มครั้งนี้ยังไม่ได้เผยแพร่น้ำหนักโมเดลหรือเอกสารข้อมูลระบบฉบับสมบูรณ์ ดังนั้นคำว่าเข้าถึงได้จึงยังไม่เท่ากับนำไปรันเองได้อย่างอิสระ สำหรับองค์กรที่ต้องควบคุมข้อมูลและโครงสร้างพื้นฐาน การรอข้อมูลการติดตั้งและความปลอดภัยให้ครบอาจสำคัญกว่าการรีบเปลี่ยนระบบ

ราคาโทเค็น AI ต้องมองตามรูปแบบงาน

เมื่อเทียบกับ HY3 จุดเด่นของ Hy4 คือบริบทใหญ่ขึ้นราวสี่เท่า พร้อมรับภาพและควบคุมคอมพิวเตอร์ได้ ขณะที่ HY3 เป็นโมเดลข้อความที่ดาวน์โหลดไปรันเองได้ตามข้อมูลเปรียบเทียบในแหล่งอ้างอิง สำหรับผู้ใช้ ราคาโทเค็น AI จึงไม่ควรถูกตัดสินจากอัตราต่อโทเค็นเพียงตัวเดียว เพราะงานที่ส่งข้อมูลเดิมซ้ำและงานที่ส่งข้อมูลใหม่ทุกครั้งมีต้นทุนต่างกัน

Hy4 คิดค่าบริการโทเค็นอินพุตและเอาต์พุตในระดับพรีเมียมเมื่อเทียบกับ HY3 แต่มีอัตราสำหรับอินพุตที่แคชไว้ต่ำกว่า ในตัวอย่างเปรียบเทียบเซสชันเอเจนต์ระยะยาวที่นำบริบทเดิมกลับมาใช้ โดยแคชข้อมูลอินพุตเป็นส่วนใหญ่ ช่องว่างของค่าใช้จ่ายระหว่างสองรุ่นลดลงอย่างชัดเจนเมื่อเทียบกับกรณีที่ไม่ใช้แคช ข้อสรุปจึงไม่ใช่ว่า Hy4 ถูกกว่า แต่การออกแบบเวิร์กโฟลว์ให้ใช้แคชได้อาจช่วยควบคุมต้นทุน

สำหรับงานสั้นที่ไม่ต้องใช้ภาพหรือคอมพิวเตอร์ HY3 อาจตอบโจทย์ด้านความคุ้มค่าและการควบคุมระบบได้ดีกว่า ส่วน Hy4 เหมาะกับงานที่ต้องใช้บริบทขนาดใหญ่ การรับรู้ภาพ หรือการทำงานหลายขั้นตอน ความต่างนี้ทำให้การเลือกโมเดลควรเริ่มจากข้อจำกัดและลักษณะงาน ไม่ใช่เลือกตัวที่ใหม่กว่าโดยอัตโนมัติ

ความสามารถใหม่ยังต้องพิสูจน์ในงานจริง

Tencent ระบุว่ารุ่นก่อนมีปัญหาการให้เหตุผลมากเกินไปและตรวจสอบซ้ำโดยไม่จำเป็น ก่อนปรับปรุงการฝึกทั้งก่อนและหลังเพื่อให้ทำตามคำสั่ง เข้าใจบริบทยาว และทำงานแบบเอเจนต์ต่อเนื่องได้ดีขึ้น นี่เป็นโจทย์สำคัญ เพราะเอเจนต์ที่ใช้เวลาคิดหรือวนตรวจเกินจำเป็นไม่ได้เพิ่มคุณภาพเสมอไป แต่อาจทำให้งานช้าและสิ้นเปลืองโทเค็น

แผนถัดไปคือการเผยแพร่น้ำหนักโมเดลพร้อมเอกสารข้อมูลระบบที่ครอบคลุมการประเมินความปลอดภัยและรายละเอียดทางเทคนิค รวมถึงพัฒนาการรองรับระบบนิเวศร่วมกับชุมชน vLLM และ SGLang Tencent ยังวางแผนเปิดตัว Hy4 Flash ในอนาคตอันใกล้ โดยมุ่งเพิ่มประสิทธิภาพด้านต้นทุนและเร่งความเร็วในการประมวลผล

ข้อสรุปคือ Hy4 เป็นก้าวสำคัญจากการตอบข้อความไปสู่การมองเห็นและลงมือทำผ่านซอฟต์แวร์ แต่วันนี้จุดแข็งชัดที่สุดอยู่ที่บริการคลาวด์และงานซับซ้อนที่ใช้ความสามารถใหม่จริง ๆ ส่วนผู้ที่ให้ความสำคัญกับการติดตั้งเอง ความโปร่งใสของระบบ และการควบคุมต้นทุน ควรรอการเผยแพร่น้ำหนักโมเดล เอกสารฉบับเต็ม และรุ่น Flash ก่อนตัดสินใจ