Hy4 flash als offene Gewichte: Was eine Million Token Kontext nicht löst
Tencent veröffentlicht Hy4 flash mit offenen Gewichten, Bildeingabe und einer Million Token Kontext. Drei Punkte, die Unternehmen vor dem Pilot prüfen sollten: wie das Modell Kontext auswählt, was die Lizenz für Produkte bedeutet und was die Hersteller-Benchmarks nicht messen.
CogLake Redaktion · 22. November 2026 · 6 minDieser Beitrag wurde automatisiert mit KI-Unterstützung erstellt.
Die Schlagzeile ist ein Kontextfenster. Die Zahl, die über den Nutzen im Unternehmen entscheidet, ist kleiner. Tencent hat die Gewichte von Hy4 flash veröffentlicht – das instruktionsgetunte Modell, eine FP8-Fassung und ein Basismodell für eigenes Weitertraining –, auf Hugging Face, ModelScope und GitCode. TechNode berichtete am 19. November 2026 über die Veröffentlichung und datiert sie auf Mittwoch, den 18. November, zwei Tage nach dem Start in Tencent-eigenen Apps und der Cloud-API. Das Modellkartendokument nennt 220 Milliarden Gesamtparameter, davon rund 11,3 Milliarden pro Token aktiv für Text, dazu ein Kontextfenster von 1.048.576 Token und Bildeingabe.
Für Unternehmenswissen klingt das nach dem Ende der Suche: Ordner in den Prompt, Index weglassen. Die Modellkarte selbst zeigt, warum das der falsche Schluss ist.
Was tatsächlich veröffentlicht wurde
| Artefakt | Zweck |
|---|---|
| Hy4 flash | Instruktionsgetuntes Modell, Text- und Bildeingabe, 1 Mio. Token Kontext |
| Hy4 flash-FP8 | Quantisierte Fassung für Serving und End-to-End-Tests |
| Hy4 flash-base | Vorab trainiertes Basismodell, kein Chat-Modell – Ausgangspunkt für eigenes Post-Training |
| Tencent Hy License | Lizenztext im Repository; von Apache 2.0 abgeleitet, mit zusätzlichen kommerziellen Bedingungen |
Dazu liefert die Karte offizielle Rezepte für vLLM und SGLang, einen OpenAI-kompatiblen Serving-Pfad, einen GGUF-Build zum Testen und eine Anleitung zum Finetuning. Was die Karte nicht enthält: eine Mindestanforderung an die Hardware.
Eine Million Token, aber keine Million Token Aufmerksamkeit
Für alle, die Suche betreiben, ist die Architektur der interessante Teil. Hy4 flash verschachtelt sparse Attention und Sliding-Window-Attention im Verhältnis 1:3. Die Sliding-Window-Schichten sehen ein kausales Fenster von 512 Token; die sparse Schichten wählen über einen gruppenweisen Indexer bis zu 2.048 Positionen aus. Kein Token sieht also alles im Fenster. Die Auswahl passiert im Modell, pro Token, über das, was ihm gegeben wurde.
Dieses Design macht das lange Fenster überhaupt bezahlbar: Laut Karte sinkt der KV-Cache auf 1/24 von Hy3 und 1/6 von Hy4, und der mitgelieferte Drafter für spekulatives Dekodieren sieht unabhängig von der Kontextlänge höchstens rund 2.000 Keys pro Entwurfs-Token. Das sind Herstellerangaben ohne Messprotokoll, aber die Richtung ist plausibel – sparse Attention ist der Weg, auf dem jede Long-Context-Veröffentlichung der letzten Monate ihr Fenster finanziert.
Die betriebliche Folge ist kein technisches Detail. Wer einen ganzen Dokumentbestand in den Prompt legt, überlässt die Entscheidung darüber, welche Passagen zählen, einem gelernten Indexer – nicht den eigenen Zugriffsregeln, der Dokumenthierarchie oder der Aufbewahrungsfrist. Eine Suche, die Sie steuern, liefert eine zitierbare Passage, eine Rechteprüfung und eine Logzeile. Aufmerksamkeit, die Sie nicht steuern, liefert eine plausible Antwort. Für Fragen, die in ein Audit führen, ist das ein Rückschritt, kein Fortschritt.
Woher die Kostenzahlen kommen
Die Effizienzaussagen der Karte stützen sich auf WorkIndex, einen internen Benchmark aus Tencent-eigenen Produktivitätsaufgaben – Folienerstellung und -bearbeitung, Dokumentbearbeitung, Reparatur von Tabellen, Audio-/Videoverarbeitung. Auf diesem Set erreicht Hy4 flash 42,1 Punkte gegenüber 39,7 für Hy4 preview und 51,4 für Hy4, bei durchschnittlichen Kosten pro Aufgabe von 1/13 von Hy4 preview, 1/20 von Hy4 und 1/8 von DeepSeek-V4.1-Flash-1017 zum Spitzenlastpreis. Eine Blindbewertung mit 85 internen Nutzern über 259 Aufgaben in 27 Kategorien ergibt eine Zufriedenheit von 2,79 von 4 gegenüber 2,81 für Claude Haiku 5.5, bei einem Median von 6,7 Minuten und 0,26 RMB pro Aufgabe.
Nichts davon ist ein Preis pro Token, und nichts davon überträgt sich automatisch auf deutschsprachige Vertragsarbeit. Die ehrliche Lesart: ein Modell für Volumen – und die Empfehlung des Herstellers folgt dem, Hy4 flash für Alltagsproduktivität und tiefe Recherche zu nehmen und das größere Hy4 für lang laufende Softwareentwicklung.
Die Lizenz ist die zweite Produktentscheidung
Die Tencent Hy License leitet sich von Apache 2.0 ab und ergänzt in Abschnitt 10 kommerzielle Bedingungen. Zwei Absätze zählen:
- §10.2 verlangt eine gesonderte schriftliche Lizenz für ein Model-as-a-Service-Geschäft, wenn der weltweite Bruttoumsatz in einem beliebigen Zeitraum von zwölf Monaten 50 Mio. US-Dollar überstieg oder ein Produkt mehr als 100 Mio. monatlich aktive Nutzer hat. §10.2 gilt unabhängig davon, ob der Umsatz mit dem Modell erzielt wird.
- §10.3 nimmt die rein interne Nutzung aus, sofern weder das Modell noch seine Derivate oder deren Ausgaben Dritten zugänglich gemacht werden.
„Derivative Works“ umfasst ausdrücklich feinabgestimmte, quantisierte, destillierte, zusammengeführte und beschnittene Fassungen der Gewichte. Ein Team, das das Modell für den eigenen Cluster quantisiert und den daraus entstehenden Endpunkt später Kunden anbietet, liegt damit im Anwendungsbereich – nicht außerhalb. Interne Dokumentensuche, Vertragsprüfung und Wissensassistenten, die nur Beschäftigten dienen, sind der Fall, den §10.3 abdeckt.
Das ist eine Lizenzaussage, keine Compliance-Aussage. Datenschutz, Beteiligung der Beschäftigtenvertretung, Aufbewahrung und das Verhältnis zu Auftragsverarbeitern sind eigene Fragen, die ein Lizenztext nicht beantwortet.
Was die Benchmarks nicht zeigen
Die Tabelle der Basismodelle ist der nützlichste Teil der Karte, weil sie zeigt, was der „flash“-Kompromiss kostet. Bei Wissens-Benchmarks liegt das kleinere Modell unter Hy4 Base: MMLU 88,7 gegenüber 91,6, MMLU-Pro 71,1 gegenüber 73,9, MMMU-Pro 52,0 gegenüber 59,6 – und bei SimpleQA, das kurze Faktenantworten misst, 37,5 gegenüber 57,2.
Tencent druckt unter die Tabelle außerdem einen Vorbehalt: Das Basismodell habe im Mitteltraining große Mengen synthetischer Instruktionsdaten gesehen und halte das erwartete Antwortformat in Few-Shot-Evaluationen gelegentlich nicht ein, was die Werte verzerren könne. Eine Herstellerwarnung zu den eigenen Zahlen verdient mehr Aufmerksamkeit als die Zahlen selbst.
Die praktische Lesart bleibt wie bei jeder Modellveröffentlichung: Ein langes Fenster und niedrige Kosten pro Aufgabe erhöhen die Faktentreue nicht. Wenn die Ausgabe stimmen muss, gehört die Prüfung außerhalb des Modells.
Fünf Fragen vor dem Pilot
| Frage | Warum sie den Pilot entscheidet |
|---|---|
| Brauchen Sie das lange Fenster – oder ein Zitat? | Sparse Auswahl ist kein Beleg. Wenn Antworten nachvollziehbar sein müssen, behalten Sie die Suche und nutzen das Fenster nur zum Lesen der gefundenen Menge. |
| Welche Passagen hat das Modell gesehen? | Protokollieren Sie den Prompt, nicht nur die Antwort. Bei 1 Mio. Token wird der Prompt selbst zum Audit-Artefakt. |
| Wer ist in Ihrem Szenario Lizenznehmer? | Interne Nutzung deckt §10.3; ein kundengerichteter Endpunkt über den Schwellen nicht. |
| Was ist Ihre Hardware-Basis? | Die Karte nennt kein Minimum. Die offiziellen Rezepte gehen von achtfacher Tensor-Parallelität auf dem FP8-Build aus – als Annahme nehmen und messen. |
| Was ist das Ausfallmodell? | Offene Gewichte, die Sie in Ihrem Volumen nicht betreiben können, sind eine Abhängigkeit mit Lizenz, keine Ausstiegsoption. |
Was dieser Beitrag nicht beweist
Wir haben Hy4 flash nicht laufen lassen. Alles hier stammt aus Modellkarte, Lizenzdatei und TechNode-Bericht; die Effizienzwerte sind Tencent-eigene Messungen auf Tencent-Aufgaben ohne unabhängige Wiederholung. Ob das Modell deutschsprachige Vertragstexte gut verarbeitet, ist offen – die Karte führt Deutsch nur als Teil einer fünfsprachigen Auswertungsstichprobe, nicht als Hauptziel.
Und es gibt einen billigeren Test als einen Pilot: Nehmen Sie zwanzig Fragen, die Ihr Team bereits mit Quellen beantwortet hat, schicken Sie sie einmal mit dem ganzen Dokumentbestand und einmal durch Ihre bestehende Suche – und vergleichen Sie, wie oft die zitierte Passage die Antwort tatsächlich stützt. Dieser Vergleich entscheidet mehr als jede Benchmark-Tabelle.
Dieser Beitrag beruht auf veröffentlichten Herstellerangaben und Lizenzbedingungen; eigene Tests haben wir nicht durchgeführt. Er ist keine Rechtsberatung – Lizenz- und Datenschutzfragen gehören zur Rechtsabteilung.
Quellen
- Tencent, Modellkarte „tencent/Hy4-flash“, Hugging Face, inklusive Architekturtabelle, Benchmark-Tabellen und Lizenzverweis: https://huggingface.co/tencent/Hy4-flash
- Tencent, „Tencent Hy License, Version 1.0“, §§10.2–10.4 (MaaS, interne Nutzung): https://huggingface.co/tencent/Hy4-flash/raw/main/LICENSE
- TechNode, „Tencent releases Hy4 flash model weights for local deployment“, 19. November 2026: https://technode.com/2026/11/19/tencent-releases-hy4-flash-model-weights-for-local-deployment/
Quellen abgerufen am 22. November 2026.