Tencent

개요

Tencent 는 중국의 소비자 인터넷·클라우드 기업으로, AI 연구는 Hunyuan (混元) 브랜드로 진행된다. 이 페이지는 2026-08-30 부터 존재하며, Hunyuan 이 Hy4 preview — Apache 2.0 하의 770B 파라미터 mixture-of-experts 모델 — 을 공개하면서 만들어졌다 (source).

이 랩은 이 위키에 새로 등장하기 전부터 이 위키의 소스에는 새롭지 않았다. Artificial Analysis 는 여기 캡처된 모든 리더보드 스냅숏에서 Tencent 모델 하나 — Hy3, Intelligence Index 42, 256k 컨텍스트 — 를 등재해 왔고, Tencent 는 Open-Weights Policy Fight, Alibaba / Qwen AI Lab, DeepSeek, NVIDIA 에 언급되면서도 자체 페이지를 가진 적이 없었다 (source). 이 위키가 보유한 어떤 자료도 Hy4 이전의 Hy 계열을 서술하지 않으므로, 아래 내용은 재구성한 것이 아니라 의도적으로 얇다.

주요 인물

확립되지 않음. Hy4 preview 공개에 대해 읽은 보도는 작업의 주체를 "Tencent Hy Team" 과 Tencent Hunyuan 으로 돌리며 개인을 지목하지 않는다 (source). 조직도에서 추측한 이름을 적는 대신 아무 이름도 기록하지 않는다.

모델과 제품

• Hy4 preview — 2026-08-28, 총 770B / 활성 49B MoE, Apache 2.0, 1M 토큰을 넘는 컨텍스트; Tencent Cloud TokenHub 및 OpenRouter 에서 $0.834/$2.501 per M (source)
• Hy3 — 전작이며, 여기에는 오직 리더보드 행으로만 보유되어 있다: Artificial Analysis Intelligence Index 42, 컨텍스트 256k, Cost per Task $0.04. 출시일, 라이선스, 파라미터 수, 발표 자료 중 보유한 것이 없으며 그 근거로 페이지를 만들지 않는다 (source)
• WorkBuddy 와 CodeBuddy — Hy4 preview 를 탑재한 Tencent 자체 제품으로, 중국판과 국제판이 있다; Yuanbao 와 ima 도 마찬가지다. 읽은 자료 중 어느 것도 모델을 호스팅한다는 것 이상으로 이들이 무엇을 하는지 서술하지 않는다 (source)

최근 활동

• 2026-09-23: 80B 오픈 MoE 의 기술 보고서가 수치 하나 없이 도착했고, 그 모델의 출시일은 열다섯 달만큼 엇갈린다. Hunyuan-A13B Technical Report — Hunyuan-A13B Technical Report: Mixture-of-Experts, 총 80B 파라미터 중 추론 시 13B 활성, 엄격히 필터링된 20T 토큰 코퍼스에 STEM 데이터 큐레이션을 강화하여 사전학습, 고품질 SFT 와 대규모 강화학습으로 사후 학습, 그리고 이중 모드 Chain-of-Thought 프레임워크 — 일상 질의에는 빠른 사고, 복잡한 다단계 문제에는 느린 사고 — 를 갖추고, 지연에 민감한 애플리케이션에 적합하도록 높은 추론 처리량을 주장한다. 성능은 "수학, 과학, 프로그래밍, 일반 언어 이해, 에이전트 과제에 걸쳐 경쟁력 있으며, 종종 훨씬 큰 모델에 근접한다" 로 제시된다: 다섯 도메인이 지명되고, 점수는 0개, 벤치마크도 비교 대상도 없다. 의의: 이 페이지의 지속적 관찰은 Tencent 가 여기서 대체로 리더보드 행으로만 보유된다는 것이고, 그것은 달라지지 않았다 — 2026-09-27 에 캡처된 Artificial Analysis 표에는 Tencent 행이 정확히 하나, Hy3, Intelligence Index 25, 256k 컨텍스트, Cost per Task USD $0.07 이고 Hunyuan-A13B 는 없으므로, 보고서의 주장은 이 저장소가 캡처하는 유일한 독립 계측기와 대조할 수 없다. 모델 페이지를 만들지 않았고 그 이유는 날짜다: 스냅샷은 보고서를 2026-09-23 자로 적고 모든 검색 패스는 가중치를 2025-06-27 로 적는데, 열다섯 달 차이이고 모델 페이지는 이 위키가 어느 쪽으로도 뒷받침할 수 없는 Released 값을 단언해야 한다. 확인되지 않음: 전문가 수, 라우팅, 컨텍스트 창(검색 패스는 256K 를 준다), RL 방법, 빠른 사고를 느린 사고로 바꾸는 것이 무엇인지, 그리고 라이선스 — 검색 패스들은 유럽연합, 영국, 대한민국을 적용 영역에서 제외하는 커스텀 텐센트 라이선스를 제시하는데, 오픈소스라 불리는 것에 대해 실질적으로 제약적인 조건이며 1차 자료로 읽지 못했다 → Open-Weights Policy Fight, Reasoning Models (source) (source)

• 2026-09-01: Tencent GitHub 조직 아래 두 건의 연구 공개, 둘 다 에이전트가 무엇을 생성할 수 있는가가 아니라 무엇을 아는가에 관한 것 — ContextPilot: Teaching Agents for Proactive Context Management via Fine-grained RL (github.com/Tencent/ContextPilot, arXiv 2026-08-28)은 에이전트가 계획·장기 메모리·소프트 오프로딩 도구로 자신의 작업 컨텍스트를 관리하도록 학습시키며, 궤적 수준 보상을 컨텍스트·엔트로피 변화로 표시된 편집 지점에서 분기해 추정한 행동 수준 어드밴티지로 대체한다. 긴 컨텍스트 QA 와 심층 검색에서 더 강하고 동시에 더 압축된 것으로 보고되며, 초록에 벤치마크도 모델도 수치도 이름이 없다. 같은 날 스냅샷은 ElephantBench (2608.28478, github.com/Tencent/ElephantBench)도 싣는다 — 출처가 실제로 엇갈리는 롱테일 사실에 대한 1,094 문항 폐쇄형 지식 프로브로, 32 개 모델 중 가장 강한 모델도 52.4% 문항에서만 양쪽 설명을 복원하며, 모델 크기와 추론 시점 연산을 키우면 회수율은 오르지만 그 불완전성은 사라지지 않는다. 왜 이 페이지에 기록되는가: 이 위키가 Tencent 에 대해 보유한 모든 것은 생성 산출물이었다 — Hy4 preview, 그 양자화, Hy3 계열 — 그리고 이 둘이 이 랩의 에이전트·평가 연구로서 여기 첫 항목이다. 읽은 자료 어디에도 저자 목록, 소속, 팀이 공개되어 있지 않고, 저장소 URL 의 조직명이 유일한 귀속이다; arxiv.org 는 이 실행의 샌드박스에서 EGRESS_BLOCKED 로 응답한다 → Agents (LLM Agents), Agentic Reinforcement Learning (source)

• 2026-08-29: 1.5 TB 가중치 하루 뒤에 ~200 GiB 양자화 버전이 나왔다 — Hunyuan 이 MIX-STQ1_0 를 발표하고, 자사 압축 툴킷 AngelSlim 을 통해 Hy4 preview 를 1.5 TB 에서 ~200 GiB GGUF 로 압축해 AngelSlim/Hy4-preview-GGUF 로 공개했다. 방식은 균일한 비트 폭이 아니라 캘리브레이션 데이터가 층마다 비트 폭을 고르는 혼합 정밀도로, 1.31-bit (STQ1_0) 에서 2.06-bit (IQ2_XXS) 까지 걸친다. 왜 중요한가: 같은 주에 나온 1차 제공사의 양자화는 오픈 웨이트 공개가 데이터센터 바깥에서 쓰일 수 있는지를 가르는 단계이고, 이번 보름의 중국 오픈 웨이트 세 건 가운데 다른 두 곳은 밟지 않은 단계다 — Z.ai 와 Alibaba 는 커뮤니티 양자화를 제3자에게 맡겼다. 확인되지 않은 부분: Tencent 자신의 품질 주장은 "it still works well" 뿐이고 벤치마크 표도, 과제별 차이도, 유지된 정확도 수치도 공개되지 않았다. 떠도는 "약 98% 성능" 은 Reddit 게시물 제목이지 Tencent 의 수치가 아니며 여기 옮기지 않는다. 하드웨어 목표, 처리량, 메모리 측정치도 공개되지 않았다 → Hy4 preview (source)

• 2026-08-28: Hy4 preview 가 공개되고 같은 날 오픈소스화되었다 — 총 770B 파라미터에 활성 49B, 78 레이어(그중 77 개가 희소, 라우티드 익스퍼트 256 개에 공유 익스퍼트 1 개, top-8 라우팅) 위의 MoE, 1M 토큰을 넘는 컨텍스트, BF16 체크포인트와 FP8 양자화 양쪽 모두 Apache 2.0, ModelScope · GitCode · CNB 미러링. 벤더 수치: Terminal Bench 2.1 85.4, DeepSWE 28.0 → 64.3, 그리고 Tencent 전문가 163명이 채점한 엔지니어링 과제 203건의 내부 블라인드 평가에서 2.99/4 로 Kimi K3 의 2.94 및 GLM-5.3 의 2.92 를 앞섰다. 의의: 매출 조항도, 지역 배제도, 안전 게이트도 없는 라이선스로 나온, 이 위키가 보유한 최대 오픈 웨이트 릴리스다 — 같은 2주 동안 GLM-5.3 은 대형 사업자에 대한 보안 심사를 요구하는 전용 glm-5.3 라이선스로, Qwen3.8-Flash-Next 는 qwen-community-1.0 으로 나왔다. 확립되지 않은 것: 어느 벤치마크 행에도 하네스가 명시되어 있지 않고, 블라인드 평가는 측정 대상 당사자가 설계하고 채점했으며, 제3자가 이 모델을 전혀 측정하지 않았다 → Hy4 preview, Open-Weights Policy Fight (source)

전략적 위치

릴리스 하나는 위치가 아니며, 이 절은 위치를 추론하는 대신 그렇다고 말한다. 캡처된 단일 산출물이 뒷받침하는 것은 이렇다: Tencent 는 이 위키가 추적하는 어떤 중국 랩보다도 관대한 라이선스로 프런티어급 오픈 웨이트 모델을 내놓으면서, 동시에 그 모델의 API 접근을 판매하고 자사 제품에 2주간 무료로 번들한다. 관대한 가중치에 일차 서빙 사업을 더한 그 조합은 DeepSeek 과 Z.ai 가 굴리는 형태와 같고, Tencent 가 둘과 다른 점은 라이선스에 상업 규모 조건을 붙이지 않았다는 것이다 (source).

읽을 수 있는 또 하나의 신호는 아키텍처다: Gated DeepSeek Sparse Attention 이 Tencent 자신의 설명에 명시되어 있으며, 이는 경쟁사가 공개한 기법 위에 세운 것을 명시적으로 밝힌 것이다. 이 위키는 그것이 Hy 계열의 특징인지 말할 만큼의 이력을 보유하고 있지 않다.

관련

• Open-Weights Policy Fight — 중국 랩들의 라이선스 비교를 보관하는 곳
• DeepSeek · Alibaba / Qwen AI Lab · Z.ai · MiniMax · Moonshot AI · Meituan — 여기서 이미 추적 중인 중국 랩들
• Eval Harness Configuration — 하네스가 명시되지 않은 벤치마크 행이 왜 비교에 쓸 수 없는지