이미지: METAL LAB 생성
요약
- 텐센트 훈위안이 오픈소스 LLM Hy4 프리뷰를 공개했어요. 총 파라미터 7,700억 개, 활성 파라미터 490억 개, 컨텍스트는 100만 토큰을 넘어요.
- SWE-bench Pro에서 65.7%를 기록해 GPT-5.6 Sol(64.6%)·GLM-5.3(64.6%)·Kimi K3(63.3%)·DeepSeek V4 Pro(60.3%)를 앞섰다고 텐센트가 밝혔어요.
- 이 모델은 자신의 훈련 방법과 추론 인프라 최적화 과정에도 직접 참여해 처리량을 31.8% 끌어올렸다고 텐센트는 설명했어요.
- 공개일
- 2026년 8월 29일, 오픈소스로 공개
- 파라미터
- 총 7,700억 개, 활성 490억 개
- 컨텍스트 윈도우
- 100만 토큰 이상
- SWE-bench Pro
- Hy4 65.7% / GPT-5.6 Sol 64.6% / GLM-5.3 64.6% / Kimi K3 63.3% / DeepSeek V4 Pro 60.3%
- 내부 블라인드 평가
- 전문가 163명·과제 203개, Hy4 2.99/4.00 vs GLM-5.3 2.92 vs Kimi K3 2.94
- API 가격
- 입력 100만 토큰당 0.834달러, 출력 2.501달러, 캐시 히트 0.042달러
- 무료 이용
- WorkBuddy·CodeBuddy 2주 무료, Hy3 무료는 9월 30일까지 연장
- 추론 처리량
- 자체 최적화로 기준 대비 31.8% 증가
총 파라미터 7,700억 개, 활성 파라미터 490억 개, 컨텍스트 윈도우는 100만 토큰을 넘는 규모예요. 코딩·소프트웨어 엔지니어링 벤치마크인 SWE-bench Pro에서 65.7%를 기록해 오픈AI GPT-5.6 Sol(64.6%)과 Zhipu AI의 GLM-5.3(64.6%)을 근소하게 앞섰다고 텐센트는 밝혔어요.
이번 발표는 중국 오픈소스 LLM 경쟁이 한창인 가운데 나왔어요. 앞서 8월 18일에는 Zhipu AI가 GLM-5.3 API를 공개하며 사후훈련만으로 터미널벤치 점수를 4.6에서 28.3으로 끌어올린 바 있고, 문샷 AI(Moonshot AI)의 Kimi K3와 딥시크(DeepSeek)의 V4 Pro도 오픈소스로 나란히 나와 있는 상태예요.
성능 비교
텐센트는 SWE-bench Pro 외에 자체 진행한 블라인드 평가 결과도 함께 공개했어요. 전문가 163명이 203개의 실무 엔지니어링 과제를 채점한 결과, Hy4 프리뷰는 4.00점 만점에 2.99점을 받아 GLM-5.3(2.92점)과 Kimi K3(2.94점)를 근소하게 앞섰다고 해요. 두 평가 모두 텐센트가 직접 측정한 수치라는 점은 감안하고 볼 필요가 있어요.
| 벤치마크 | Hy4 preview | GPT-5.6 Sol | GLM-5.3 | Kimi K3 | DeepSeek V4 Pro |
|---|---|---|---|---|---|
| SWE-bench Pro | 65.7% | 64.6% | 64.6% | 63.3% | 60.3% |
| 평가(4.00 만점) | Hy4 preview | GLM-5.3 | Kimi K3 |
|---|---|---|---|
| 전문가 블라인드 평가 | 2.99 | 2.92 | 2.94 |
텐센트 발표문은 이 모델을 "최상위 오픈소스 모델 반열에 올랐다"고 설명했어요.
모델이 자기 개발에 참여했다는 주장
훈위안 팀은 Hy4 프리뷰가 자신의 개발 과정에도 직접 참여했다고 밝혔어요. 훈련 방법·데이터 전략·평가 프레임워크·저수준 연산자의 자동화 최적화에 처음으로 참여해 스스로 방법을 제안하고 실험한 뒤, 그 결과를 다음 라운드 탐색에 반영하는 초기 단계의 재귀적 자기개선 루프를 만들었다고 설명했어요.
풀어서 설명하면, 텐센트는 Hy4 프리뷰가 자신의 훈련 방법과 추론 속도를 스스로 실험하고 개선했다고 설명했는데, 이는 AI 모델이 사람 연구자의 도움 없이 성능을 높이는 재귀적 자기개선 실험이 업계에서 막 시작되는 단계라는 뜻이에요.
이 모델은 자사 추론 시스템의 병목도 스스로 분석해 연산자 융합과 통신 최적화를 여러 차례 반복했고, 그 결과 기준 대비 종단간 처리량이 31.8% 증가했다고 텐센트는 밝혔어요. 이 수치는 서로 다른 컨텍스트 길이와 동시 요청 수에서도 일관되게 나타났다고 덧붙였어요.
어떻게 써보나
Hy4 프리뷰는 코딩 에이전트 Cline에서 바로 시도해 볼 수 있고, 텐센트의 WorkBuddy·CodeBuddy 앱과 Yuanbao·ima 앱에서도 접근할 수 있어요. API로 붙이려면 텐센트 클라우드 TokenHub나 OpenRouter를 거치면 돼요.
- Cline이나 CodeBuddy 앱의 모델 목록에서 Hy4 preview를 선택해요.
- WorkBuddy·CodeBuddy에서는 8월 29일부터 2주간 무료로 쓸 수 있고, 이전 모델 Hy3의 무료 이용은 9월 30일까지 연장됐어요.
- 직접 API로 연동하려면 텐센트 클라우드 TokenHub 또는 OpenRouter를 통해 키를 발급받아 붙이면 되는데, 요금은 입력 100만 토큰당 0.834달러, 출력 2.501달러, 캐시 히트 토큰은 0.042달러예요.
오픈소스 가중치는 전 세계 누구나 내려받아 자체 서버에서 돌릴 수 있고, 클라우드 앱 경로도 글로벌로 열려 있다고 텐센트는 밝혔어요. 활용 예로는 긴 컨텍스트가 필요한 디버깅과 코드 리뷰, 문서·스프레드시트·프레젠테이션을 오가는 사무 업무, 자연어 요청 한 번으로 플레이 가능한 게임 프로토타입을 만드는 작업 등을 텐센트는 제시했어요.
국내 보도에 따르면 텐센트 클라우드는 최상위 모델 대신 실무형 저비용 AI로 한국 기업을 공략해 왔는데, Hy4 프리뷰의 낮은 API 단가와 오픈소스 공개는 이런 전략과 방향이 같아요.
에디터의 시선
중국 오픈소스 진영은 이제 벤치마크 몇 점 차이로 GPT급 모델을 따라잡았다고 말하는 단계를 지나, 모델 스스로 자기 훈련과 추론 인프라를 손보게 하는 단계로 넘어가고 있어요. Hy4 프리뷰의 자기개선 루프 주장은 아직 초기 단계라는 단서가 붙어 있지만, 훈련 파이프라인 최적화를 사람이 아니라 모델에 맡기는 실험이 실제 제품 발표문에 등장했다는 점 자체가 이 흐름이 연구실 밖으로 나왔다는 신호예요.
세대 비교로 보면 흥미로운 대목이 있어요. 이전 모델 Hy3의 무료 이용을 9월 30일까지 연장하면서 신제품 Hy4도 2주간 무료로 열어둔 건, 실사용자 피드백을 그대로 다음 라운드 훈련에 반영하겠다는 프리뷰 우선 전략을 그대로 보여줘요. 프리뷰로 먼저 풀고 정식 출시로 다듬는 방식은 이번이 처음이 아니라 훈위안이 반복해 온 패턴이에요.
실무 관점에서는 두 가지를 나눠서 봐야 해요. 하나는 벤치마크 수치인데, SWE-bench Pro와 내부 블라인드 평가 모두 텐센트가 직접 측정한 값이라 독립 검증 전 수치라는 점을 감안해야 해요. 다른 하나는 가격인데, 입력 100만 토큰당 0.834달러는 코딩 에이전트를 상시로 돌리는 팀 입장에서 비용 부담을 낮출 수 있는 수준이라 Cline이나 CodeBuddy로 실제 워크플로에 붙여 보고 판단할 만해요.
텐센트가 "Hy4 시리즈의 다음 배치가 곧 나올 것"이라고 예고한 만큼, 몇 주 안에 정식판이나 후속 프리뷰가 이어질 가능성이 커요. GLM-5.3, Kimi K3와의 벤치마크 격차가 1~2%포인트 안팎으로 좁혀진 지금, 다음 라운드는 수치 경쟁보다 자기개선 루프가 실제로 얼마나 성숙했는지가 관전 포인트가 될 거예요.
댓글