مدل جدید Hy4 تنسنت وارد مرحله آموزش شد

شرکت تنسنت در جریان ارائه گزارش مالی سه‌ماهه دوم خود تایید کرد که آموزش Hy4، نسل بعدی مدل پرچم‌دار Hunyuan را آغاز کرده است.

به‌ گزارش سرویس هوش مصنوعی تک‌ناک، این شرکت درباره مدل جدید که به‌ زودی در دسترس قرار می‌گیرد، دو نکته مشخص اعلام کرد: «Hy4 پارامترهای بیشتری از نسل قبلی، یعنی Hy3 خواهد داشت و مهم‌تر از آن، از قابلیت چندوجهی برخوردار خواهد بود، در حالی که Hy3 تنها با متن کار می‌کند.» این خبر در شرایطی منتشر شده که استفاده از Hunyuan به‌شدت افزایش یافته و تعداد فراخوانی‌های هفتگی مدل از نسخه پیش‌نمایش تا انتشار نهایی Hy3 حدود ۶۸ برابر شده است.

بیشتر بخوانید: تردید متخصصان ایمنی کودک درباره ChatGPT برای نوجوانان

آنچه تنسنت واقعا اعلام کرده است

منبع این خبر یک پست معرفی محصول نیست، بلکه گزارش مالی تنسنت است و همین موضوع اهمیت اظهارات شرکت را بیشتر می‌کند. زمانی که یک شرکت در ارتباط با سرمایه‌گذاران خود درباره یک مدل هوش مصنوعی صحبت می‌کند، در واقع تعهدی عمومی را مطرح می‌کند. تنسنت مدل Hy4 را در میان محصولاتی قرار داده است که به‌زودی عرضه می‌شوند، اما تاریخ دقیقی برای انتشار آن اعلام نکرده است. همچنین این شرکت بیان کرد که Hy4 از Hy3 بزرگ‌تر و چندوجهی خواهد بود. ما هواتنگ، بنیان‌گذار تنسنت نیز این خبر را با اظهارنظری درباره ساختن یک مدل کاملا جدید همراه کرد که نشان‌دهنده جهت‌گیری راهبردی این شرکت است.

در همین‌جا اطلاعات قطعی درباره مدل Hy4 به پایان می‌رسد. هنوز تعداد پارامترها، طول پنجره زمینه و جزئیات معماری آن مشخص نیست. همچنین معلوم نشده است که Hy4 مانند Hy3 با وزن‌های باز منتشر خواهد شد یا دسترسی به آن از طریق API امکان‌پذیر خواهد بود. بنابراین هر فردی که در حال حاضر جدول‌های بنچمارک Hy4 یا مقایسه دقیق آن با مدل DeepSeek V4 یا مدل‌های علی‌بابا منتشر کند، در واقع اطلاعاتی را ارائه می‌دهد که هنوز وجود خارجی ندارد.

نقطه شروع مدل Hy4

برای درک بهتر انتظارات از Hy4، ابتدا باید نگاهی به نسل فعلی بیندازیم. Hy3 یک مدل Mixture of Experts با مجموع ۲۹۵ میلیارد پارامتر است که حدود ۲۱ میلیارد پارامتر آن در هر پردازش فعال می‌شوند. این مدل از پنجره زمینه ۲۵۶ هزار توکنی بهره می‌برد و تحت مجوز Apache 2.0 منتشر شده است؛ بنابراین کاملا متن‌باز است. مدل Hy3 تنها با متن کار می‌کند. تصمیم تنسنت برای انتشار عمومی وزن‌های Hy3 نتیجه مثبتی به همراه داشت و این مدل در پلتفرم‌هایی مانند OpenRouter به یکی از سه مدل برتر جهان از نظر میزان مصرف توکن تبدیل شد؛ شاخصی ملموس که نشان می‌دهد Hy3 در محیط‌های واقعی و کاربردهای عملی تا چه اندازه مورد استفاده قرار گرفته و برای آزمایش امتحان نشده است.

برای مطالعه بیشتر: تبلیغ هوش مصنوعی یوتیوبرهای مشهور را به دردسر انداخت

افزایش چشمگیر استفاده از Hy3، دلیل اقتصادی اصلی برای توسعه مدل Hy4 محسوب می‌شود. تعداد فراخوانی‌های هفتگی مدل از نسخه پیش‌نمایش تا نسخه نهایی ۶۸ برابر افزایش یافت که نشان می‌دهد استقبال از آن واقعی و رو به رشد است. زمانی که یک مدل متن‌باز چنین میزان کششی ایجاد می‌کند، سرمایه‌گذاری روی نسل بعدی آن تصمیمی منطقی و قابل دفاع در برابر سهام‌داران خواهد بود.

چرا چندوجهی شدن و افزایش ابعاد Hy4 اهمیت دارد؟

مهم‌ترین تغییر در Hy4، عبور از مدل متنی به یک مدل چندوجهی است. یک مدل چندوجهی تنها متن را نمی‌خواند و تولید نمی‌کند، بلکه می‌تواند تصاویر و احتمالا ویدیو و صدا را نیز در یک سیستم واحد پردازش کند. برای تنسنت که مالک وی‌چت و اکوسیستمی عظیم از محتوای بصری و بازی‌ها است، مدلی از خانواده Hunyuan که قادر به درک تصاویر باشد، کاربردهای جدیدی را ممکن می‌کند. با وجود این‌، افزایش تعداد پارامترها باید با احتیاط تفسیر شود. بزرگ‌تر بودن یک مدل به معنای بهتر بودن آن نیست و ارزش واقعی Hy4 تنها زمانی مشخص خواهد شد که نتایج بنچمارک‌های قابل‌اعتبارسنجی منتشر شوند و در حالت ایدئال، وزن‌های مدل نیز برای آزمایش محلی در دسترس قرار بگیرند. عملکرد موفق Hy3 با وجود متن‌باز بودن، این امید را ایجاد می‌کند که Hy4 نیز مسیر مشابهی را دنبال کند، اما تا زمان تایید رسمی تنسنت این موضوع فقط یک احتمال است.

رقابت چین برای توسعه هوش مصنوعی متن‌باز

مدل Hy4 در خلا متولد نشده است. سال ۲۰۲۶ به دوره‌ای تبدیل شده است که آزمایشگاه‌های هوش مصنوعی چین تمرکز زیادی بر مدل‌های دارای وزن‌های باز گذاشته‌اند و رقابت در این حوزه بسیار شدید است. علی‌بابا به‌تازگی خانواده Qwen را عرضه کرده است که نسخه ۲۷ میلیارد پارامتری آن نیز قابلیت اجرا روی سخت‌افزارهای محلی را دارد. از سوی دیگر، DeepSeek از همان زمان عرضه DeepSeek V4 نسبت قیمت به عملکرد بسیار رقابتی‌ ارائه کرده است. شرکت Zhipu نیز با مدل GLM-5.3 استانداردهای جدیدی در حوزه استدلال و ایمنی ایجاد کرده و تنها با تکیه بر مرحله پساآموزش به نتایج قابل‌ توجهی دست یافته است.

خبر پیشنهادی: سود علی‌بابا در سایه هزینه‌های هوش مصنوعی ۷۵ درصد سقوط کرد

در چنین شرایطی، اعلام اینکه مدل Hy4 بزرگ‌تر و چندوجهی خواهد بود، نشان می‌دهد تنسنت نمی‌خواهد از رقابت عقب بماند. خبر خوب برای توسعه‌دهندگان این است که چنین رقابتی سطح استانداردها را بالا نگه می‌دارد و در صورت متن‌باز باقی ماندن مدل‌ها، قدرت واقعی هوش مصنوعی را بدون وابستگی به APIهای پولی در اختیار کاربران قرار می‌دهد. همین روند پیش‌تر به رشد چشمگیر مدل‌های متن‌باز گوگل و عبور آنها از یک میلیارد دانلود کمک کرده است.

هنوز چه چیزهایی درباره مدل Hy4 نمی‌دانیم؟

باید درباره پرسش‌های بی‌پاسخ کاملا شفاف بود، چرا که همین بخش جایی است که شایعات و اطلاعات جعلی شکل می‌گیرند. هنوز تاریخ دقیق عرضه Hy4 مشخص نیست و تنها به عبارت کلی «به‌زودی» اشاره شده است. تعداد پارامترها و معماری دقیق مدل نیز اعلام نشده‌اند. همچنین نمی‌دانیم مدل Hy4 دقیقا از چه قابلیت‌هایی برخوردار خواهد بود؛ برای مثال مشخص نیست که تنها تصاویر را پردازش می‌کند یا قابلیت درک ویدیو و صدا را نیز خواهد داشت. مهم‌تر از همه، هنوز معلوم نیست وزن‌های Hy4 به‌ صورت عمومی منتشر خواهند شد یا خیر. برای جامعه توسعه‌دهندگان، همین موضوع تفاوت میان مدلی برای مطالعه و استفاده آزادانه و مدلی است که دسترسی به آن تنها با پرداخت هزینه امکان‌پذیر خواهد بود.