El 4 de noviembre de 2026, Tencent lanzó la versión completa de Hy4, su modelo de lenguaje insignia. Llega con dos novedades frente a la vista previa de agosto: entiende imágenes y puede operar una computadora. La pregunta que más se repite desde entonces es sencilla: ¿se puede descargar y cuánto cuesta usarlo?
En los próximos 4 minutos vas a saber qué versión puedes bajar hoy, cuánto hardware necesitas de verdad, cuánto cuesta por la API y un código listo para conectarlo a tu proyecto. Sin promesas infladas: también verás dónde se queda corto.
El contexto técnico explicado fácil
Hy4 tiene 770.000 millones de parámetros, pero no los usa todos a la vez. Es un modelo de mezcla de expertos (MoE): por cada token solo se activan 49.000 millones, cerca del 6,4 % del total. Piensa en un hospital con 256 especialistas donde cada paciente ve solo a 8 y al médico general.
Eso es literal. Según la ficha técnica, cada una de las 77 capas tiene 256 expertos enrutados, de los que se eligen 8, más uno compartido. El resultado es un costo de cálculo por respuesta parecido al de un modelo mucho más pequeño.
La trampa está en la memoria. El MoE ahorra cálculo, no RAM de video: los 770.000 millones de pesos tienen que estar cargados en la GPU al mismo tiempo. Por eso la versión BF16 pesa unos 1,42 TiB en Hugging Face, repartidos en 131 archivos.
Otro dato clave es la ventana de contexto: 1.048.576 tokens. Cabe un repositorio mediano completo o cientos de páginas de contratos en una sola petición. Hy3, el modelo anterior de julio, llegaba a 256.000 tokens con 295.000 millones de parámetros.
Ahora la parte que confunde a muchos. Lo que hoy puedes descargar es Hy4 preview, publicado el 28 de agosto bajo licencia Apache 2.0, que permite uso comercial, modificación y redistribución. La versión completa del 4 de noviembre está disponible por API y en productos de Tencent, y la empresa anunció que publicará sus pesos y su ficha de seguridad más adelante.
Cada token pasa solo por 8 de los 256 expertos de cada capa, pero los 770.000 millones de parámetros deben estar cargados en memoria.
Caso práctico: API o servidor propio
Tienes dos caminos para usar Hy4 hoy. La tabla resume lo que cambia en cada uno con los datos publicados.
| Dato | Hy3 | Hy4 preview (descargable) | Hy4 completo (4 nov) |
|---|---|---|---|
| Parámetros totales / activos | 295B / 21B | 770B / 49B | 770B / 49B |
| Contexto | 256K tokens | 1.048.576 tokens | Más de 1M tokens |
| Entrada de imágenes | No | No, solo texto | Sí |
| Uso de computadora | No | No | Sí |
| Pesos | Licencia propia de Tencent | Apache 2.0, BF16 y FP8 | Anunciados para más adelante |
| Precio API (por millón de tokens) | No aplica aquí | 0,834 USD entrada / 2,501 USD salida | Igual, con 50 % de descuento en TokenHub hasta el 31 dic 2026 |
| Salida máxima por petición | No aplica aquí | 64K tokens | Sin dato publicado |
Cuánto cuesta una tarea real. Supongamos que envías un repositorio de 200.000 tokens y pides un informe de 8.000 tokens. La entrada cuesta 0,2 por 0,834, es decir 0,167 USD, y la salida 0,008 por 2,501, es decir 0,020 USD. Total: unos 0,19 USD por consulta, o 0,09 USD con el descuento vigente.
Cuánto hardware pide autoalojarlo. En FP8 cada parámetro ocupa un byte, así que solo los pesos rondan 770 GB, sin contar la caché de contexto. Ocho GPU de 80 GB suman 640 GB y no alcanzan; ocho de 141 GB suman 1.128 GB y sí dejan margen. La versión comunitaria de 4 bits para Mac (MLX) baja a 433 GB.
Paso 1: levantar el servidor. Tencent y el equipo de vLLM publicaron soporte desde el primer día, con imagen Docker y receta oficial; SGLang también está soportado. Un arranque típico en una máquina de 8 GPU se ve así (revisa la receta oficial para los parámetros exactos de tu versión):
vllm serve tencent/Hy4-preview-FP8 \
--tensor-parallel-size 8 \
--max-model-len 131072 \
--port 8000Limitar --max-model-len a 131.072 tokens es deliberado: el contexto de un millón consume muchísima memoria en la caché KV. Empieza corto y sube solo si tu caso lo exige.
Paso 2: conectarlo desde tu app. El servidor expone una API compatible con OpenAI, así que cualquier proyecto que ya use ese SDK cambia dos líneas. Este script controla el modo de razonamiento (la plantilla del modelo acepta high, por defecto, y no_think) y calcula el costo equivalente si usaras la API de Tencent:
from openai import OpenAI
client = OpenAI(base_url="http://localhost:8000/v1", api_key="local")
PRECIO_ENTRADA = 0.834 # USD por millón de tokens
PRECIO_SALIDA = 2.501
def preguntar(prompt: str, razonar: bool = False) -> str:
resp = client.chat.completions.create(
model="tencent/Hy4-preview-FP8",
messages=[{"role": "user", "content": prompt}],
max_tokens=4000,
extra_body={"chat_template_kwargs": {
"reasoning_effort": "high" if razonar else "no_think"}},
)
u = resp.usage
costo = (u.prompt_tokens * PRECIO_ENTRADA + u.completion_tokens * PRECIO_SALIDA) / 1_000_000
print(f"Tokens: {u.prompt_tokens} entrada, {u.completion_tokens} salida. Costo API equivalente: {costo:.4f} USD")
return resp.choices[0].message.content
print(preguntar("Resume en 5 puntos los riesgos de este contrato: ..."))Usa no_think para tareas de extracción y clasificación, y deja high para código y análisis largos. Esa sola decisión cambia mucho la factura, como verás abajo.
Costo por consulta calculado con los precios oficiales. Leer un millón de tokens cuesta 0,874 USD, y la mitad con el descuento de TokenHub.
Opinión del experto: lo que nadie menciona
Desde el punto de vista de desarrollo, lo más valioso de Hy4 no es su tamaño, sino la licencia. Con Apache 2.0 puedo ajustar el modelo, venderlo dentro de un producto y desplegarlo en el servidor de un cliente sin negociar con Tencent. Hy3 usaba una licencia comunitaria propia; ese cambio importa más que cualquier benchmark.
En mis pruebas planificando despliegues, el error más común es leer la cifra de 49B activos y pensar que corre en una sola GPU. No es así: la memoria se calcula con los 770B. Si no tienes un clúster de 8 GPU de gama alta, la API es más barata que alquilar hardware, salvo que proceses volúmenes enormes cada día.
El segundo error es dejar el razonamiento siempre en high. La propia ficha del modelo advierte que es una vista previa con tendencia a razonar de más. Cada token de razonamiento se cobra como salida, a 2,501 USD por millón, así que una tarea simple puede costar varias veces lo necesario.
Haz la cuenta con tu propio flujo: si una respuesta de 500 tokens llega acompañada de 3.000 tokens de razonamiento, pagas 3.500 tokens de salida. El script del paso 2 imprime esa cifra en cada consulta, así que compara no_think y high con la misma pregunta antes de elegir el modo por defecto.
Las limitaciones que conviene decir claro:
- La versión descargable no ve imágenes. La visión y el uso de computadora solo están en el Hy4 completo, por API.
- Un millón de tokens de contexto no significa calidad igual en todo ese rango. Prueba tus documentos largos antes de prometer resultados a un cliente.
- Tencent reconoce que el modelo todavía queda por detrás de los mejores sistemas cerrados en algunas áreas.
- Si manejas datos sensibles, autoalojar los pesos te da control total; la API implica enviarlos a servidores de Tencent Cloud.
Mi recomendación práctica: prueba primero por API con el descuento vigente, mide el costo por tarea con tu propio flujo y solo después evalúa servidor propio. Y vigila Hy4 Flash, la versión más barata y rápida que Tencent anunció para pronto.
Preguntas frecuentes
¿Se puede descargar Tencent Hy4 gratis?
Sí, la versión Hy4 preview está en Hugging Face bajo licencia Apache 2.0, en BF16 y FP8, y permite uso comercial. La versión completa lanzada el 4 de noviembre de 2026 todavía se usa por API; Tencent anunció que publicará sus pesos más adelante, junto con su ficha de seguridad.
¿Cuánto cuesta la API de Hy4?
El precio estándar es de 0,834 USD por millón de tokens de entrada y 2,501 USD por millón de salida. En Tencent Cloud TokenHub hay un 50 % de descuento hasta el 31 de diciembre de 2026. Una consulta de 200.000 tokens con respuesta de 8.000 cuesta unos 0,19 USD sin descuento.
¿Qué hardware necesito para correr Hy4 en local?
Necesitas memoria para los 770.000 millones de parámetros, aunque solo se activen 49.000 millones por token. En FP8 los pesos rondan 770 GB, así que hace falta un servidor de ocho GPU de 141 GB o similar. En Mac existe una versión comunitaria de 4 bits de 433 GB.
Fuentes
Este artículo se basa en el anuncio oficial de Tencent, la ficha del modelo en Hugging Face, la cobertura del lanzamiento de TechNode, SiliconANGLE y Unite.AI, el detalle del descuento en Macau Business, las especificaciones de DataLearner, Developers Digest y haimaker.ai, el soporte de vLLM según OrcaRouter y la comparación con modelos cerrados del South China Morning Post.
Sigue leyendo
No te pierdas lo próximo que publiquemos
Cada día, las noticias y guías de inteligencia artificial que importan, directas a tu correo.
Es gratis. Sin spam. Puedes darte de baja cuando quieras.