Le 14 septembre 2026, SiliconFlow a annoncé via son compte officiel que la preview de Hy4 avait été lancée sur sa plateforme. Ce modèle a été développé par l’équipe Hunyuan de Tencent, avec un total d’environ 770 milliards de paramètres, environ 49 milliards d’activés par jeton, supportant des contextes jusqu’à 1 million de tokens, et est ouvert sous la licence Apache 2.0. Il convient de noter que la preview Hy4 n’a pas été publiée ce jour-là ; Un point nouveau dans cette nouvelle est que les plateformes d’inférence tierces fournissent un point d’accès direct, facilitant ainsi l’essai et l’évaluation pour les développeurs qui ne prévoient pas de déployer eux-mêmes de grands poids de modèles.
Qu’est-ce qui modifie les nouveaux points d’entrée de l’API
Le modèle de paramètres total, d’une valeur totale de 770 milliards, exige des normes élevées pour la mémoire vidéo, l’ordonnancement parallèle et les opérations d’inférence. L’environnement auto-construit nécessite non seulement des ressources multi-cartes, mais aussi le chargement de poids, la mise à l’échelle des services et l’isolation de la concurrence. L’hébergement de plateforme convertit ces tâches en appels API, permettant aux équipes de vérifier d’abord la génération de code, l’analyse complexe et la documentation longue avec un petit nombre de tâches réelles avant de décider s’ils doivent investir dans des ressources auto-construites. Cependant, l’annonce de SiliconFlow n’a pas simultanément fourni des engagements de prix, de limites et de performance couvrant tous les scénarios ; avant la migration, elle devrait toujours se référer à la liste de modèles en temps réel et aux termes de service dans la console.
Points forts de l’architecture de prévisualisation Hy4
- Activation clairsemée : Le modèle comprend 78 couches, 256 experts en routage et 1 expert partagé, avec 8 experts en routage sélectionnés à chaque fois, visant à équilibrer une grande capacité de paramètres avec une charge de calcul à exécution unique.
- Contexte long : Le modèle officiel annote le contexte de 1 million de jetons et utilise des mécanismes tels que les DSA par porte et l’IndexCache pour réduire la charge du traitement de longues séquences.
- Licence ouverte : Apache 2.0 est bénéfique pour la recherche, le développement secondaire et l’évaluation d’entreprise, mais son usage réel nécessite toujours de vérifier l’intégralité des documents de licence et des réglementations applicables à l’entrepôt de modèles.
Quelles équipes valent le plus la peine d’être essayées en premier ?
Les équipes qui doivent comprendre de grandes bases de code, récupérer plusieurs documents, générer des rapports de recherche ou construire des flux de travail complexes d’agents peuvent les inclure dans le pool de candidats. Pendant les essais, ne soumettez pas seulement de courtes consignes ; couvrez de très longues entrées contextuelles, appels d’outils, sorties structurées et tâches continues sur plusieurs tours. 1 million de tokens sont des configurations contextuelles utilisables et ne garantissent pas automatiquement que le modèle trouvera avec précision des informations clés à peu près de temps, ni que toutes les entrées aient la même qualité d’attention.
Quatre vérifications avant l’accès
- Confirmez l’identification actuelle du modèle de la plateforme, la disponibilité régionale, les limites de concurrence et les limites de sortie.
- Utilisez des échantillons désensibilisés pour tester la conservation des données, les autorisations des journaux et les exigences de conformité en entreprise.
- Il enregistre également le délai du premier jeton, le temps de réponse complet, le taux d’échec et le coût de chaque tâche réussie.
- Préparez un modèle similaire en tant que témoin pour évaluer la précision des réponses et le temps de révision manuelle, plutôt que de simplement comparer les paramètres nominaux.
Pour la plupart des équipes, la plus grande importance de ce lancement est d’abaisser le seuil de « vérification avant l’achat ». Cela n’élimine pas les problèmes de coût et de gouvernance des grands modèles, mais ajoute plutôt un parcours de test géré plus léger pour l’aperçu Hy4, passant d’une option auto-déployée nécessitant de solides capacités d’infrastructure.
