Offenheit kann erstaunlich schwer sein. Wer Tencents neues KI-Modell Hy4 Preview vollständig von Hugging Face herunterladen will, muss mit einem Datenpaket von rund 1,56 Terabyte rechnen, verteilt auf mehr als hundert Dateien. Frei verfügbar, großzügig lizenziert – und doch macht schon der schiere Umfang klar: Dieses Modell ist nicht für den Laptop unter dem Schreibtisch gebaut. Recherchequelle: Hugging Face
Tencent hat Hy4 Preview am 28. August 2026 veröffentlicht. Nach Angaben des chinesischen Technologiekonzerns besitzt das Sprachmodell 770 Milliarden Parameter und kann Eingaben mit mehr als einer Million Token verarbeiten. Es soll programmieren, Dokumente und Tabellen auswerten, wissenschaftliche Fragestellungen bearbeiten und selbst über längere Arbeitsabläufe hinweg den Faden behalten. Die Gewichte stehen öffentlich bereit. Nutzen lässt sich Hy4 außerdem über Tencents Anwendungen WorkBuddy und CodeBuddy sowie über Cloud-Schnittstellen. Recherchequelle: Tencent
In Hy4 tritt ein bemerkenswerter Widerspruch der gegenwärtigen KI-Entwicklung offen zutage. Noch nie war die Auswahl frei verfügbarer Modelle so groß. Zugleich wachsen manche dieser Systeme in Dimensionen hinein, die ihren eigenständigen Betrieb erneut zum Privileg finanzstarker Unternehmen, spezialisierter Cloudanbieter und großer Rechenzentren machen. Die Tür steht offen. Dahinter wartet allerdings ein ziemlich teurer Maschinenraum.
Ein Modell voller Spezialisten
Hy4 basiert auf einer sogenannten Mixture-of-Experts-Architektur. Der Name klingt nach einer digitalen Expertenrunde, und das Bild passt erstaunlich gut: Das Modell hält zahlreiche spezialisierte Rechenbereiche bereit, greift bei einer einzelnen Anfrage aber nur auf einen kleinen Teil davon zurück.
Pro Token werden 49 Milliarden der insgesamt 770 Milliarden Parameter aktiviert, also knapp 6,4 Prozent. 77 der 78 Schichten enthalten jeweils 256 auswählbare und einen gemeinsamen Experten. Bei jedem Verarbeitungsschritt zieht das System acht davon heran. So muss nicht bei jedem Wort der gesamte gewaltige Apparat rechnen.
Im laufenden Betrieb senkt das den Aufwand gegenüber einem gleich großen Modell, das sämtliche Parameter gleichzeitig verwendet. Am Speicherproblem ändert die Architektur allerdings wenig. Schließlich verschwinden die Gewichte der übrigen Experten nicht, nur weil sie gerade pausieren. Sie müssen griffbereit bleiben, damit das Modell sie bei Bedarf aktivieren kann. Hy4 gleicht damit einer riesigen Bibliothek, in der stets nur wenige Bücher gleichzeitig gelesen werden – Platz brauchen trotzdem alle.
Ergänzt wird die Architektur durch eine separate MTP-Komponente mit zehn Milliarden Parametern. Sie soll mehrere kommende Token entwerfen und so die Ausgabe beschleunigen. Tencent nennt darüber hinaus ein Kontextfenster von einer Million Token. Theoretisch könnte das Modell dadurch sehr umfangreiche Codesammlungen, Aktenbestände oder Dokumentarchive in einem Arbeitsprozess berücksichtigen. Ob sich diese Länge in realen Projekten durchgängig sinnvoll und zuverlässig nutzen lässt, müssen unabhängige Tests erst zeigen. Recherchequelle: Tencent Hy4 auf GitHub
Frei verfügbar heißt noch nicht frei betreibbar
Trotz dieser Hürden ist die Veröffentlichung unter der Apache-2.0-Lizenz bedeutsam. Unternehmen dürfen Hy4 grundsätzlich in eigene Produkte integrieren, verändern und kommerziell einsetzen. Sie müssen nicht jede Anfrage an einen zentralen Dienst des Herstellers schicken. Wer über die nötige Infrastruktur verfügt, kann sensible Daten im eigenen Rechenzentrum behalten, Anpassungen vornehmen und die technische Umgebung selbst kontrollieren.
Doch spätestens hier zeigt sich die wirtschaftliche Grenze der Offenheit.
In Tencents offiziellem Beispiel für den Betrieb der komprimierten FP8-Version wird das Modell auf acht Grafikprozessoren verteilt. Das ist keine verbindliche Mindestangabe für jede denkbare Konfiguration, zeigt aber recht deutlich, welche Geräteklasse der Hersteller im Blick hat. Auch die empfohlenen Werkzeuge vLLM und SGLang sind auf den professionellen Betrieb großer Modellserver ausgerichtet. Eine leistungsstarke Verbraucher-Grafikkarte reicht dafür nicht aus.
Offenheit hat hier mehrere Ebenen. Rechtlich ist das Modell zugänglich, technisch stehen Gewichte, Bereitstellungshinweise und Werkzeuge bereit. Wirtschaftlich bleibt der Kreis möglicher Selbstbetreiber dennoch überschaubar. Im praktischen Betrieb dürften viele Nutzer weiterhin eine API oder einen Cloudanbieter wählen, weil eine eigene Infrastruktur zu aufwendig wäre.
Die Abhängigkeit verschwindet also nicht unbedingt. Sie zieht nur um: vom Eigentümer eines geschlossenen Modells zum Betreiber der benötigten Infrastruktur.
Große Zahlen, schmale Vorsprünge
Tencent begleitet die Veröffentlichung mit zahlreichen Benchmarkergebnissen. Bei Tests in den Bereichen Programmierung, KI-Agenten und Wissen soll Hy4 zur Spitzengruppe frei verfügbarer Modelle gehören. Auf dem Papier sieht das überzeugend aus. Doch solche Tabellen stammen zunächst vom Hersteller.
Einen genaueren Einblick bietet ein interner Blindtest, für den 163 Tencent-Fachleute die Antworten mehrerer Modelle bei 203 Entwicklungsaufgaben bewerteten. Hy4 erreichte einen Durchschnittswert von 2,99 und lag damit knapp vor GLM 5.3 mit 2,92 sowie Kimi K3 mit 2,94. In den direkten Vergleichen verlor Hy4 gegen beide Konkurrenten dennoch jeweils in rund 40 Prozent der Fälle. Hinzu kommt, dass die Juroren selbst bei Tencent arbeiteten. Die Ergebnisse werden dadurch nicht wertlos, sollten aber nüchtern eingeordnet werden. Recherchequelle: IADecider
Eigene Schwächen verschweigt der Hersteller immerhin nicht. Hy4 sei eine frühe Version, denke bei schwierigen Aufgaben mitunter länger als nötig nach und neige dazu, seine Arbeit übermäßig zu überprüfen. Das klingt beinahe menschlich, kann im Betrieb aber Geld kosten: Jede zusätzliche Denkschleife verbraucht Rechenzeit und erzeugt weitere Token.
Auch unabhängige Einordnungen fallen zurückhaltend aus. Die auffälligen Vergleichswerte seien überwiegend Herstellerangaben und bislang nicht umfassend reproduziert. Zugleich liege das Selbsthosting klar im Bereich von Multi-GPU-Systemen für Rechenzentren. Recherchequelle: AI on Mac
Die Kosten hinter der offenen Lizenz
Hy4 zeigt, wie unscharf die alte Trennlinie zwischen offenen und geschlossenen Modellen inzwischen geworden ist. Ein API-Modell lässt sich günstig und ohne eigene Hardware nutzen, obwohl sein Innenleben verborgen bleibt. Ein Modell mit offenen Gewichten gewährt dagegen weitreichende Kontrolle, kann aber so groß sein, dass Nutzer für den Betrieb erneut auf einen externen Anbieter angewiesen sind.
Für große Unternehmen bleibt die Veröffentlichung attraktiv. Sie erhalten eine neue Grundlage für interne Entwicklungsassistenten sowie für Anwendungen in der Dokumentenanalyse und Wissenschaft. Zugleich gewinnen sie mehr Kontrolle über Daten und Anpassungen. Auch Cloudfirmen profitieren: Sie können Hy4 hosten, optimieren, komprimieren und als Dienst weiterverkaufen.
Kleinere Betriebe und unabhängige Entwickler dürften das Modell eher über Schnittstellen ausprobieren. Für sie gleicht Hy4 einem frei zugänglichen Bauplan für ein sehr großes Schiff: Wer möchte, darf es nachbauen, verändern und betreiben. Eine Werft braucht man trotzdem.
Damit verschiebt sich die Debatte über offene KI. Lizenzen und Downloads reichen als Maßstab nicht mehr aus. Ebenso wichtig ist die Frage, wer die Maschinen besitzt, auf denen diese Freiheit laufen soll.
Weiterführende Informationen
Quellenhinweis: Einzelne Fakten, Einschätzungen und Prognosen dieses Beitrags stützen sich auf Veröffentlichungen der nachfolgend genannten Unternehmen und Institutionen. Die Links dienen zugleich der weiterführenden Information.
All-AI – Tencent veröffentlicht mit Hy4 das nächste starke offene KI-Modell
Der Beitrag erklärt Hy4s MoE-Architektur mit 770 Milliarden Gesamt- und 49 Milliarden aktiven Parametern, acht ausgewählten Experten, MTP-Schicht und einer Million Token Kontext.
https://www.all-ai.de/news/news26/tencent-hy4-start
KI auf dem Mac – Tencent Hy4 preview: 770B-MoE, 1M Kontext, Preise und Benchmarks
Die technische Analyse ordnet die Apache-2.0-Lizenz, den enormen Speicherbedarf sowie Tencents Multi-GPU-Rezepte für vLLM und SGLang praxisnah ein.
https://ai-on-mac.com/artikel/tencent-hy4-preview/
Cocoloop – Tencent macht Hunyuan Hy4 Preview quelloffen – knapper Sieg im Blindtest gegen GLM und Kimi
Der Artikel untersucht Tencents Blindtest mit 163 internen Fachleuten und 203 Aufgaben und erläutert, warum die knappen Abstände noch keine unabhängige Bestätigung darstellen.
https://news.cocoloop.cn/de/2026/08/hunyuan-hy4-preview-770b/
