Hy4 ขยับจากการตอบคำถามสู่การลงมือทำ
Tencent Hy4 คือโมเดล AI มัลติโมดัลที่รับข้อความและภาพ ใช้การให้เหตุผลกับเครื่องมือเพื่อทำงานต่อเนื่อง และสั่งงานคอมพิวเตอร์ผ่านอินเทอร์เฟซได้ จึงมุ่งเป็นผู้ช่วยที่ทำงานจริง ไม่ใช่เพียงระบบสนทนา
Tencent เปิดตัว Hy4 เวอร์ชันเต็มเมื่อวันที่ 4 พฤศจิกายน 2026 โดยเพิ่มความเข้าใจภาพและ AI ใช้งานคอมพิวเตอร์เป็นครั้งแรกของสายรุ่นนี้ พร้อมปรับความสามารถด้านการให้เหตุผลและเรียกใช้เครื่องมือเพื่อรองรับงานแบบเอเจนต์ระยะยาว จุดเปลี่ยนสำคัญคือโมเดลสามารถตีความรายละเอียดภาพและแผนภูมิ แล้วทำงานผ่านทั้งบรรทัดคำสั่งและหน้าจอกราฟิกได้
การปรับรุ่นยังตอบโจทย์ข้อจำกัดของรุ่นตัวอย่าง ซึ่ง Tencent ระบุว่ามีปัญหาคิดมากเกินไปและตรวจสอบซ้ำโดยไม่จำเป็น บริษัทกล่าวว่ารุ่นเต็มดีขึ้นด้านการทำตามคำสั่ง การเข้าใจบริบทยาว งานที่ต้องทำต่อเนื่อง และการค้นคว้าเชิงลึก โดยให้ความสำคัญกับงานร่วมกันในที่ทำงานและงานมืออาชีพ นี่เป็นทิศทางที่มีน้ำหนักกว่าการเพิ่มคะแนนทดสอบเพียงอย่างเดียว เพราะคุณค่าของเอเจนต์อยู่ที่ทำงานหลายขั้นได้อย่างมีประโยชน์
บริบทยาวและภาพคือจุดได้เปรียบ แต่ไม่ใช่ทุกงานต้องใช้รุ่นใหญ่
Hy4 มีพารามิเตอร์รวม 770 พันล้าน และพารามิเตอร์ที่ทำงานอยู่ 49 พันล้าน พร้อมหน้าต่างบริบท 1,048,576 โทเค็น ส่วน HY3 มีพารามิเตอร์รวม 295 พันล้านและบริบท 262,144 โทเค็น ความต่างด้านบริบททำให้ Hy4 เหมาะกับเอกสารยาว งานที่ต้องอ้างอิงข้อมูลจำนวนมาก และเอเจนต์ที่ต้องรักษาสถานะข้ามหลายขั้น
ความสามารถภาพยังเชื่อมกับงานวิชาชีพ เช่น การทำงานข้ามแอปพลิเคชัน การพัฒนาเว็บ และเวิร์กโฟลว์ด้านการออกแบบ จึงเปิดทางให้โมเดลอ่านสิ่งที่ปรากฏบนหน้าจอแล้ววางแผนลงมือทำได้มากกว่าการรับคำสั่งเป็นข้อความอย่างเดียว Tencent รายงานว่าคะแนนด้าน GameDev เพิ่มขึ้น 19.1% และ GameLogic เพิ่มขึ้น 9.8% เมื่อเทียบกับรุ่นตัวอย่าง ตัวเลขนี้เป็นสัญญาณของการปรับปรุง แต่ยังไม่ควรตีความว่าแทนการประเมินจากงานจริงของแต่ละองค์กรได้
ข้อแลกเปลี่ยนคือ Hy4 ไม่จำเป็นต้องเป็นตัวเลือกหลักสำหรับทุกคำขอ งานสั้นที่เกิดบ่อยและต้องการความหน่วงต่ำอาจเหมาะกับ HY3 มากกว่า ส่วน Hy4 ควรสงวนไว้กับบริบทยาว งานภาพ หรือเวิร์กโฟลว์เอเจนต์ที่รุ่นเดิมทำไม่ได้ แนวทางแยกหน้าที่เช่นนี้มีเหตุผลกว่าโยกทุกงานไปยังโมเดลที่ใหญ่กว่า
เปิดใช้ผ่านคลาวด์ก่อน ส่วนราคาและการเปิดโมเดลยังเป็นเงื่อนไข
Hy4 ใช้งานได้ผ่าน API บน Tencent Cloud และ OpenRouter รวมถึงผลิตภัณฑ์ CodeBuddy, WorkBuddy, Yuanbao และ ima ระบบรับข้อความและภาพ แล้วส่งผลลัพธ์เป็นข้อความ ความสามารถด้านการมองเห็นจึงเข้าถึงผ่านบริการคลาวด์ได้ ไม่ได้จำกัดเฉพาะแอปของ Tencent สำหรับผู้ใช้ทั่วไป ผลที่จับต้องได้คือบริการครอบคลุมงานได้มากขึ้น ขณะที่นักพัฒนาและองค์กรสามารถทดลองต่อกับระบบของตนผ่าน API
อย่างไรก็ตาม รุ่นเต็มยังไม่ได้เปิดเผยน้ำหนักโมเดล โดย Tencent ระบุว่าจะเผยแพร่ภายหลังพร้อมเอกสารข้อมูลระบบฉบับสมบูรณ์ ซึ่งจะรวมการประเมินความปลอดภัยและรายละเอียดทางเทคนิค และจะพัฒนาการรองรับระบบนิเวศร่วมกับชุมชน vLLM และ SGLang นี่ทำให้ Hy4 เปิดให้ใช้งานได้ แต่ยังไม่เปิดให้ติดตั้งและตรวจสอบได้อย่างอิสระเท่ารุ่นที่เผยแพร่น้ำหนักแล้ว
ด้านราคาโทเค็น AI แหล่งข้อมูลระบุว่าค่าใช้ API ของ Hy4 ยังคงเท่ารุ่นตัวอย่าง แต่เมื่อเทียบกับ HY3 ต้นทุนโทเค็นป้อนเข้าปกติสูงกว่ามาก ขณะที่โทเค็นอินพุตที่แคชไว้มีส่วนต่างน้อยลง และมีรายงานว่าอัตราแคชของ Hy4 ต่ำกว่า HY3 ด้วย ดังนั้นเวิร์กโหลดเอเจนต์ที่นำบริบทเดิมกลับมาใช้ซ้ำอาจลดช่องว่างค่าใช้จ่ายได้ แต่ผลจริงขึ้นอยู่กับการจัดโครงสร้างพรอมป์ต์และอัตราการใช้แคช ไม่ควรตัดสินจากราคาหน้าแรกเพียงอย่างเดียว
การแข่งขันเอเจนต์จะวัดกันที่การใช้งานจริง
การเปิดตัว Hy4 สะท้อนว่าการแข่งขันโมเดลกำลังเคลื่อนจากการตอบข้อความไปสู่การทำงานที่เชื่อมภาพ เครื่องมือ และหน้าจอคอมพิวเตอร์ โดยเฉพาะงานองค์กรที่ต้องจัดการบริบทซับซ้อนและทำต่อเนื่องหลายขั้น สำหรับ Tencent การรวมความสามารถเหล่านี้ไว้ในบริการคลาวด์ช่วยให้ลูกค้าเริ่มทดลองได้เร็ว แต่การยังไม่เปิดน้ำหนักและเอกสารระบบครบถ้วนทำให้ความโปร่งใสและทางเลือกติดตั้งเองยังเป็นโจทย์ค้าง
บริษัทมีแผนเปิดตัว Hy4 Flash ในอนาคตอันใกล้ โดยมุ่งเพิ่มความเร็วการอนุมานและประสิทธิภาพด้านต้นทุน รุ่นดังกล่าวอาจตอบโจทย์ผู้ใช้ที่เห็นประโยชน์ของเอเจนต์แต่ยังติดข้อจำกัดด้านงบประมาณ ทว่าจนกว่าจะมีข้อมูลและผลทดสอบจากการใช้งานจริง องค์กรควรประเมินทั้งความแม่นยำ ความต่อเนื่องของงาน การแคช และข้อกำหนดด้านข้อมูล
ข้อสรุปคือ Hy4 เป็นก้าวสำคัญของ AI Agent เพราะทำให้การมองภาพและการควบคุมคอมพิวเตอร์กลายเป็นส่วนหนึ่งของโมเดลที่เปิดผ่าน API จุดแข็งอยู่ที่บริบทยาวและงานหลายขั้น ส่วนข้อแลกเปลี่ยนคือค่าใช้จ่ายของอินพุตปกติและการรอเปิดน้ำหนักโมเดล องค์กรจึงควรใช้ Hy4 กับงานที่ต้องการความสามารถเฉพาะ แล้วคงโมเดลที่ประหยัดกว่าไว้รับงานทั่วไป
