Tencent: Hy4 Preview在线

tencent/hy4-preview

对比对话

Tencent: Hy4 Preview 是腾讯推出的混合专家（MoE）模型，总参数量为 770B，激活参数量为 49B。它专为编码智能体、复杂工具使用工作流，以及需要规划、上下文连续性和持续多步执行的生产力任务而设计。

由:Tencent输入类型:输出类型:发布时间:2026-08-28

供应商

在多个供应商之间路由请求。复制供应商标识以设置偏好供应商。

供应商缓存命中率上下文

TencentCloud

tencent-cloud

82.1%$0.834/ 百万 token$2.501/ 百万 token读取：0.042/ 百万 token写入：-/ 百万 token1.05M4.08s16.9tps

可用率

24 小时

AI Gateway 直连请求及各供应商的成功率。

Oct 26, 15:44

TencentCloud100.00%

吞吐量

24 小时

AI Gateway 实时流量的 P50 吞吐量，单位为每秒 token 数（TPS）。

Oct 26, 15:00

TencentCloud16.9 tps

延迟

24 小时

AI Gateway 实时流量的 P50 首 token 延迟（TTFT），单位为毫秒。

Oct 26, 15:00

TencentCloud4.08s

活动

该模型随时间变化的 token 用量和请求流量。

Token 消耗

Oct 25

TencentCloud4.6M

按实际处理请求的供应商拆分 token 用量。区块越大，表示该供应商处理的模型流量越多。

基准测试

标准化评测得分。百分比越高越好，并展示排名百分位。

指标来源：Artificial Analysis

该模型暂无基准测试数据。

Apps

Public apps that send the most traffic to this model. Good signal for what real production workloads look like — and a hint at which use cases this model is best suited for. View All

Token 排行

DeepSeek HarnessDeepSeek Harness（CLI 命令 `dsh`）是由 DeepSeek AI 开发的开源智能体底座，基于 Cordis 内核构建，采用“一切皆插件”架构，其中模型、工具、技能、会话、沙箱、存储、循环、调度和 UI 均为可替换插件。它以本地 Web UI（默认 http://127.0.0.1:3080）、CLI 和 Python/TypeScript SDK 形式运行，用于智能体编程和自动化任务，例如读取和编辑文件、运行 shell 命令、网络搜索以及编排子智能体。它提供多种预设（Standard, Code/PTC, Minimal, Creator），目前处于开发者预览阶段。

3.5M29.27%

开桥 Studio Chat开桥 Studio Chat 是由开桥 Singapore 运营的开桥 AI 模型聚合平台的内置网页聊天工作区。它允许用户在浏览器 GUI 中与多种不同的大型语言模型进行对话，并有多模型并排比较、多模态文件输入、Artifacts 生成、网络搜索、图像生成/编辑以及语音输入/输出等功能。

1.0M

相关模型

更多模型来自 Tencent

Tencent: Hy-Image-3.5-Preview

2.85Mtoken

Tencent: Hy-Image-3.5-Preview 是腾讯推出的一款统一图像生成与编辑模型。它通过单一端点处理文生图、图生图以及多轮编辑任务，单次请求最多支持 20 张参考图，并可生成高达 4K 的图像。该模型基于 80B 参数的混合专家（MoE）架构 Hy Image 3.0 构建，在跨编辑保持主体一致性、精准遵循提示词构图以及在图像内渲染中英文文本方面表现尤为出色。

Tencent: Hy3

17.80Btoken

Tencent: Hy3 预览版是腾讯推出的一款混合专家模型，拥有 7700 亿总参数，其中 490 亿为激活参数。它专为编码智能体、复杂工具使用工作流，以及需要规划、上下文连续性和持续多步执行的生产力任务而设计。

Tencent: HY-Image-V3.0

1.49Mtoken

HY-Image-V3.0 is a groundbreaking native multimodal model that unifies multimodal understanding and generation within an autoregressive framework. Our text-to-image and image-to-image model achieves performance comparable to or surpassing leading closed-source models.