腾讯 Hy4 发布消息后的核验：770B 预览权重、部署门槛与版本口径

先给结论：腾讯在 2026 年 11 月 4 日发布 Hy4 相关消息；可直接检查的腾讯团队 GitHub 与 Hugging Face 页面仍明确写作 Hy4-preview。因此，新闻标题里的“Hy4”不能自动等同于另一个已公开发布的正式权重包。这个预览模型卡列出 770B 总参数、每 token 激活 49B、1M 上下文，并提供 Apache 2.0 许可的预览权重。对开发者最现实的判断是：可以复现预览模型部署路线，但要将模型版本、权重名和新闻口径分开记录。

预览模型的结构与定位

腾讯团队把 Hy4-preview 描述为 Mixture-of-Experts 模型：主干 78 层，第一层使用 dense FFN，其余层包含 256 个路由专家和一个共享专家，每个 token 选择 8 个路由专家；另带一层用于 speculative decoding 的 MTP。模型卡还列出 Gated DeepSeek Sparse Attention、跨层索引复用和 1M context。总参数决定需要存放的权重规模，49B active 只描述每个 token 的计算路径，不能据此推断普通工作站能装下完整模型。

官方 README 推荐 vLLM 或 SGLang，并给出 OpenAI 兼容接口示例。当前 vLLM 配方示范 FP8 权重和 tensor-parallel-size 8，SGLang cookbook 也以多卡启动为例。这是参考配置，不是所有用户的最低硬件保证；权重下载、精度、并发、上下文长度与显存分片都会影响可用性和延迟。部署前要核对框架版本、权重许可、GPU 数量和服务器功耗，不能把“49B 激活”误写成 49B 稠密模型的资源需求。

评测数字的证据边界

模型卡报告由腾讯内部 163 位专家对 203 个工程任务做盲测，Hy4-preview 相比 GLM 5.3 的评分是 2.99 对 2.92，胜/平/负为 46.8% / 12.8% / 40.4%；相比 Kimi K3 是 2.99 对 2.94，胜/平/负为 51.2% / 7.9% / 40.9%。这些是腾讯公开的内部评测结果，不是独立复现实验，README 也未提供完整原始任务和评审分歧供第三方重跑。项目方还称当前版本在复杂推理时可能过度思考、重复验证，并明确指出仍有改进空间。

模型卡同时给出 Hugging Face 和 ModelScope 权重，vLLM 与 SGLang 文档给出实际服务路径；这些一手资产比“领先”形容词更适合工程检查。复现结果应固定仓库 commit、量化方式、服务框架、prompt、并发和工具权限，并记录失败任务与成本。网络安全场景还应区分防御任务表现、训练数据披露和生产环境控制。

许可与版本结论

Hy4-preview 仓库写明 Apache License 2.0，模型页的 metadata 也标记 apache-2.0。项目页面将其定位为预览模型并鼓励早期反馈。读者若要商用，仍需确认权重、代码、依赖与服务条款对应同一版本；本次核验到的预览模型页与 11 月 4 日新闻标题不是同一发布日期，正式版权重名称应以腾讯后续第一方页面为准。

评估建议：把新闻发布、可下载模型和可运行推理服务当作三个检查项。只有确认部署包确属目标版本后，再比较任务效果、稳定性、显存占用和单次成本。Hy4-preview 的规格和内部评测值得研究，但当前更稳妥的结论是“腾讯提供了一套可复现的预览权重和多卡推理配方”，而不是“正式版所有细节和独立能力均已验证”。

参考来源

1. Tencent Hy4 新闻条目（Google News 标记来源为 Tencent，11 月 4 日）
2. 腾讯混元 Hy4-preview 官方仓库
3. Tencent Hy4-preview 权重与模型卡
4. ModelScope 模型页
5. vLLM 推理配方
6. SGLang 部署手册
7. Reuters 报道
8. South China Morning Post 报道