Tencent представила Hy4: модель превзошла GPT в тесте управления компьютером
Tencent представила Hy4 — новую модель в линейке Hy, рассчитанную на работу с компьютером. Она стала первой моделью серии с поддержкой визуального ввода и управления как через терминал, так и через графический интерфейс.
Модель ориентирована на задачи разработки, автоматизацию рабочих процессов, работу с документами и создание пользовательских интерфейсов. Контекстное окно Hy4 достигает 1 млн токенов, что позволяет обрабатывать большие объёмы информации в рамках одного сеанса.
Результаты тестирования
В сравнении участвовали Hy4, модели GPT и Claude. Наиболее заметный результат Tencent показала в тесте OSWorld 2.1, который оценивает способность искусственного интеллекта выполнять задачи в реальной операционной системе.
- ProgramBench: Hy4 — 30 баллов, GPT — 46, Claude — 56,5.
- Terminal Bench 4.0: Hy4 — 44,4 балла, GPT — 55,5, Claude — 66,4.
- OSWorld 2.1: Hy4 — 78,9 балла, GPT — 75,2, Claude — 81,8.
Таким образом, в OSWorld 2.1 Hy4 опередила GPT на 3,7 балла и приблизилась к результату Claude. При этом в ProgramBench и Terminal Bench 4.0 модель пока заметно уступает обоим конкурентам.
Результаты показывают, что сильной стороной Hy4 стало взаимодействие с операционной системой, включая работу через визуальный интерфейс. Одновременно показатели в тестах, связанных с программированием и терминальными задачами, оставляют Tencent пространство для дальнейшего улучшения.
Сочетание управления компьютером, поддержки визуального ввода и большого контекстного окна делает Hy4 потенциально применимой в автоматизации повседневных операций, разработке и работе с документами. Однако по приведённым тестам модель пока не превосходит GPT и Claude в целом.
