Tencent Hunyuan Hy4 ya está disponible: precios, contexto de 1M, benchmarks y cómo usarlo en Claude Code / Codex

Tencent Hunyuan lanzó Hy4 el 4 de noviembre. Añade por primera vez visión y uso del ordenador, tiene un contexto de 1M y hasta 64K de salida, y su precio oficial es de 0,834 $ de entrada, 2,501 $ de salida y 0,042 $ de entrada en caché por millón de tokens, con un 50 % de descuento de lanzamiento en OpenRouter. Esta guía reúne las especificaciones oficiales, los precios, las cifras verificables de la tabla de benchmarks de Tencent, cómo llamar a la API de Hy4 en Tencent Cloud TokenHub y OpenRouter (ID de modelo hy4 / tencent/hy4) y nuestros pasos probados para usar modelos chinos en Claude Code y Codex.

11 分钟阅读
Tencent Hunyuan Hy4 ya está disponible: precios, contexto de 1M, benchmarks y cómo usarlo en Claude Code / Codex

En resumen: Tencent Hunyuan lanzó Hy4 el 4 de noviembre de 2026. Es el primer modelo Hy con entrada de imagen (visión) y uso del ordenador, tiene un contexto de 1M y hasta 64K de salida, y el precio oficial de la API por millón de tokens es de 0,834 $ de entrada, 2,501 $ de salida y 0,042 $ de entrada en caché, igual que Hy4 preview en agosto.

  • Ya se puede llamar en Tencent Cloud TokenHub (ID de modelo hy4) y en OpenRouter (ID tencent/hy4, mostrado ahora con un 50 % de descuento: 0,417 $ de entrada, 1,251 $ de salida). También está disponible en CodeBuddy, WorkBuddy, Yuanbao e ima.
  • En la tabla de benchmarks de la propia Tencent, Hy4 obtiene 75,2 en APEX-Agents v1.1, algo por encima de Claude Opus 5.5 medido por Tencent (74,8). En Terminal-Bench 4.0 solo llega a 44,4, muy por detrás de Opus 5.5 y Kimi K3.1 Pro (ambos en torno a 66). La propia Tencent escribe que «sigue habiendo una brecha notable con los mejores modelos propietarios».
  • Los pesos de Hy4 aún no se han publicado. Tencent dice que «planea abrirlos» sin dar fecha; en Hugging Face solo está Hy4-preview. También se anuncia «próximamente» un Hy4 flash más rápido y económico.
  • aicodewith todavía no ofrece Hy4 a 4 de noviembre. Si quieres un modelo chino en Claude Code, Codex o Cursor, aicodewith ya tiene kimi-k3.1-pro, glm-5.3, deepseek-v4-pro y otros. Los pasos probados están al final.

Crear una API Key y usar modelos chinos en Claude Code, Codex y Cursor →

Cifras comprobadas el 2026-11-04 (hora de Pekín) con la página de lanzamiento de Hy4, la guía de Hy de Tencent Cloud TokenHub, la página del modelo en OpenRouter y las noticias de IT Home, ifeng y FourWeekMBA. Todas las puntuaciones de benchmark proceden de la tabla de Tencent y se indican como pruebas propias de Tencent.

Dónde está Hy4 hoy

PreguntaEstado (2026-11-04)Fuente
¿Lanzado?Sí, sustituye a Hy4 preview del 28 de agostoPágina de lanzamiento de Tencent
¿Acceso por API?Sí: Tencent Cloud TokenHub hy4, OpenRouter tencent/hy4Docs de Tencent Cloud, OpenRouter
Precio oficial0,834 $ entrada / 2,501 $ salida / 0,042 $ caché (por millón de tokens)Página de lanzamiento de Tencent
Contexto y salidaContexto de 1M (1.048.576), entrada máx. 960K, salida máx. 64K (65.536)Docs de Tencent Cloud, OpenRouter
ModalidadesTexto + imagen de entrada, texto de salidaOpenRouter, docs de Tencent Cloud
ParámetrosNo publicados para Hy4; Hy4 preview: 770B totales / 49B activosSegún IT Home (sobre la preview)
Pesos abiertosPrevistos, sin fecha; solo los de la preview son públicosPágina de lanzamiento de Tencent, Hugging Face
Hy4 flashPrevisto próximamentePágina de lanzamiento de Tencent
¿En aicodewith?Todavía no (no hay hy4 en nuestro /v1/models)Comprobado el 4 de noviembre

Novedades de Hy4

Según la página de lanzamiento de Tencent e IT Home, frente a Hy4 preview:

  • Preentrenamiento y postentrenamiento a mayor escala, con mejoras en seguimiento de instrucciones, comprensión de contextos largos, tareas de largo recorrido e investigación profunda.
  • Visión por primera vez: combina percepción, razonamiento y llamadas a herramientas para el procesamiento fino de imágenes, el análisis de gráficos complejos y el razonamiento matemático visual.
  • Uso del ordenador por primera vez, en línea de comandos y en interfaz gráfica, con entrenamiento específico en Blender, CAD y flujos entre varias aplicaciones.
  • Front-end y desarrollo de videojuegos: adaptado a Unreal Engine, Unity y Godot; Tencent informa de +19,1 % en GameDev y +9,8 % en GameLogic respecto a la preview.
  • Finanzas y oficina: 213 profesionales de las finanzas valoraron 579 tareas reales; Hy4 obtuvo 3,04, DeepSeek-V4.1-Flash-1017 2,97 y Kimi K3.1 Pro y GLM-5.3 2,68 cada uno. En pruebas internas, la tasa de alucinación bajó del 15,76 % (preview) al 5,45 %.
  • Seguridad: los datos de entrenamiento de ciberseguridad se limitaron a contenido defensivo y se filtraron el desarrollo de exploits, la ingeniería inversa y las pruebas de penetración. Con los pesos se publicará una ficha del sistema.

El lanzamiento también entró en las tendencias de X.

Precios de Hy4

USD por millón de tokens (MTok), comprobado el 2026-11-04.

CanalEntradaSalidaEntrada en caché
Oficial de Tencent (Tencent Cloud)0,834 $2,501 $0,042 $
OpenRouter según se muestra (marcado con 50 % de descuento)0,417 $1,251 $0,021 $

Notas:

  • Tencent indica que Hy4 ofrece grandes mejoras «al mismo precio de API que Hy4 preview».
  • OpenRouter no dice cuándo termina el descuento. Tencent Cloud es por ahora el único proveedor de Hy4 en OpenRouter.
  • Como comparación, FourWeekMBA calcula a partir de los precios de lista de OpenRouter que el precio de salida de Hy4 es aproximadamente 1/8 del de Claude Opus 5.5 (20 $) y 1/4 del de Kimi K3.1 Pro y GPT-6.1 Sol (10 $), pero unas 2,1 veces la tarifa estándar de DeepSeek V4.1 Flash-1017 (1,20 $). Los precios oficiales de Kimi K3.1 Pro están en nuestro análisis de Kimi K3.1 Pro.
  • Hy4 razona por defecto y los tokens de razonamiento cuentan como salida, así que baja reasoning_effort en tareas sencillas.

Benchmarks de Hy4: las cifras verificables de la tabla de Tencent

Las filas siguientes proceden del anexo de benchmarks de la página de lanzamiento. Tencent ejecutó cada modelo en su nivel de razonamiento más alto; cuando una celda tiene dos números, el primero es la cifra publicada por el fabricante y el segundo la prueba de Tencent. Solo se muestran filas de código, agentes y multimodal.

BenchmarkHy4Hy4 previewClaude Opus 5.5Kimi K3.1 ProGPT-6.1 SolDeepSeek-V4.1-Flash-1017GLM-5.3
APEX-Agents v1.1 (pass@1)75.253.973.5 / 74.867.2 / 68.260.0 / 61.772.1 / 72.964.3
DeepSWE v1.174.964.374.2 / 72.675.5 / 76.375.2 / 72.777.0 / 73.866.9 / 68.1
SWE-Marathon v1.143.831.946.3 / 44.451.7 / 53.842.5 / 39.446.342.5 / 35.6
Terminal-Bench 4.044.426.366.4 / 66.465.7 / 66.855.9 / 55.542.3 / 40.042.9
ProgramBench30.017.565.0 / 56.531.5 / 24.546.0 / 46.029.1 / 29.019.0 / 18.0
FrontierCode 2.031.0-46.425.540.628.521.6
AutomationBench v1.0.656.236.358.865.651.460.5 / 54.348.2 / 54.1
OSWorld 2.1 (Full, puntuación parcial)78.9-81.879.675.268.4-
MMMU-Pro78.6-88.284.1 / 83.484.976.7-
HLE-Full (con herramientas)59.157.367.7 / 66.270.0 / 61.860.657.162.5 / 57.4

Cómo leer la tabla:

  • La única ventaja clara de Hy4 está en APEX-Agents (tareas de agente tipo oficina). En DeepSWE está más o menos al nivel de los demás.
  • Las diferencias son grandes en programación en terminal (Terminal-Bench 4.0), en escribir programas desde cero (ProgramBench) y en Terminal-Bench-Science, orientado a investigación (Hy4 19,8 frente a 58,7 / 56,2 de Opus 5.5). Tencent ejecutó Terminal-Bench 4.0 con el harness de Claude Code, hasta 500 turnos y 13 horas por tarea.
  • Según FourWeekMBA, 20 de las 34 filas de la tabla son benchmarks internos de Tencent; en las 14 filas públicas restantes, Hy4 supera a Opus 5.5 solo en 2.
  • Todas las puntuaciones son pruebas de Tencent o cifras de los fabricantes; todavía no hay una reproducción independiente.

Cómo llamar a la API de Hy4

Tencent Cloud TokenHub

Activa TokenHub en la consola y crea una clave de API. Según la documentación de Tencent Cloud, TokenHub admite OpenAI Chat Completions (/v1/chat/completions), OpenAI Responses (/v1/responses) y Anthropic Messages (/v1/messages). Elige la Base URL según la región: Cantón https://tokenhub.tencentmaas.com/v1 o Singapur https://tokenhub-intl.tencentmaas.com/v1. Las rutas de OpenAI usan Authorization: Bearer; la de Anthropic usa x-api-key.

bash
# Tencent Cloud TokenHub (Guangzhou / mainland China)
curl https://tokenhub.tencentmaas.com/v1/chat/completions \
  -H "Authorization: Bearer $TOKENHUB_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "hy4",
    "messages": [{"role": "user", "content": "Hello"}],
    "reasoning_effort": "high"
  }'

# Singapore (global): https://tokenhub-intl.tencentmaas.com/v1

Python (SDK de OpenAI):

python
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_TOKENHUB_API_KEY",
    base_url="https://tokenhub.tencentmaas.com/v1",
)
resp = client.chat.completions.create(
    model="hy4",
    messages=[{"role": "user", "content": "Hello"}],
    extra_body={"reasoning_effort": "high"},
)
msg = resp.choices[0].message
print(getattr(msg, "reasoning_content", None))  # thinking trace
print(msg.content)

Puntos clave según la guía de Hy:

  • hy4 razona por defecto; reasoning_effort es high por defecto y el razonamiento llega en reasoning_content.
  • En llamadas a herramientas de varios turnos, devuelve el reasoning_content anterior junto con tool_calls, o la calidad baja.
  • Las imágenes se pueden enviar como URL o Base64, hasta 10 MB cada una y 600 por solicitud.
  • Si el servicio del modelo no está activado, la API devuelve 402.

OpenRouter

El ID de modelo es tencent/hy4. La API es compatible con OpenAI y también acepta los formatos Responses y Anthropic Messages (según la página del modelo en OpenRouter):

bash
curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tencent/hy4",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

OpenRouter indica compatibilidad con tools, tool_choice y salida estructurada con JSON Schema, con hasta 65.536 tokens de salida.

Usar modelos chinos en Claude Code / Codex / Cursor (nuestras pruebas)

Hy4 todavía no está en aicodewith. Si lo que quieres es un modelo chino dentro de Claude Code, Codex o Cursor, puedes usar los modelos que ya ofrecemos, como kimi-k3.1-pro, glm-5.3 y deepseek-v4-pro, con una sola clave para los tres clientes. El 4 de noviembre ejecutamos Claude Code con Kimi K3.1 Pro y Codex con GLM-5.3 usando una clave de aicodewith.

Paso 1: crear una API Key

Regístrate y crea una API Key en la consola. Consulta la lista de modelos para ver los disponibles.

Crear una API Key →

Paso 2 (Claude Code): editar settings.json

Abre ~/.claude/settings.json (Windows: %USERPROFILE%\.claude\settings.json). No añadas /v1 a ANTHROPIC_BASE_URL:

json
{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.aicodewith.ai",
    "ANTHROPIC_AUTH_TOKEN": "TU_API_KEY",
    "ANTHROPIC_MODEL": "kimi-k3.1-pro",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "kimi-k3.1-pro",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "kimi-k3.1-pro",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "kimi-k3.1-pro",
    "CLAUDE_CODE_SUBAGENT_MODEL": "kimi-k3.1-pro"
  }
}

Para usar GLM, cambia todos los nombres de modelo a glm-5.3. Más detalles: Cómo conectar Claude Code a una API de terceros y Kimi K3.1 Pro en Claude Code.

Paso 3 (Claude Code): ejecutar una tarea pequeña

bash
claude --version
# 2.1.316 (Claude Code)

claude -p "Create a file context_check.py with a function fits(prompt_tokens, max_output, window=1_048_576) that returns True when prompt_tokens + max_output <= window, add 3 asserts (one with 65_536 output), then run python3 context_check.py and report the exact output." \
  --allowedTools "Write,Bash,Read,Edit" --output-format json

Resultado (Claude Code 2.1.316, modelo kimi-k3.1-pro):

text
# wall time 53.4 s, num_turns 3, is_error false, modelUsage: kimi-k3.1-pro
# stderr: [claude-code:unrecognized_model] {"model":"kimi-k3.1-pro","query_source":"sdk"}

$ cat context_check.py
def fits(prompt_tokens, max_output, window=1_048_576):
    """Return True when prompt_tokens + max_output fits within the context window."""
    return prompt_tokens + max_output <= window


assert fits(900_000, 65_536) is True        # 965_536 <= 1_048_576, 65_536-token output
assert fits(1_000_000, 48_576) is True      # 1_048_576 <= 1_048_576, exactly at the boundary
assert fits(983_041, 65_536) is False       # 1_048_577 > 1_048_576, one token over

$ python3 context_check.py
$ echo $?
0
  • 53,4 segundos, 3 turnos. El archivo era correcto, todas las aserciones pasaron y el script no imprimió nada y salió con código 0.
  • La línea unrecognized_model en stderr solo indica que Claude Code no conoce ese nombre de modelo; la llamada funciona.

Paso 4 (Codex): editar el config.toml global

Codex lee la clave de experimental_bearer_token en el archivo global ~/.codex/config.toml. La base_url es https://api.aicodewith.ai/chatgpt/v1 (fíjate en /chatgpt/v1):

toml
# ~/.codex/config.toml
model = "glm-5.3"
model_provider = "aicodewith"

[model_providers.aicodewith]
name = "aicodewith"
base_url = "https://api.aicodewith.ai/chatgpt/v1"
wire_api = "responses"
experimental_bearer_token = "TU_API_KEY"

Explicación campo por campo: guía de config.toml de Codex.

Paso 5 (Codex): ejecutar la misma tarea

bash
codex --version
# codex-cli 0.166.0

codex -s workspace-write -a never exec --skip-git-repo-check "Create a file context_check.py with a function fits(prompt_tokens, max_output, window=1_048_576) that returns True when prompt_tokens + max_output <= window, add 3 asserts (one with 65_536 output) and a final print('ok'), then run python3 context_check.py and report the exact output."

Resultado (codex-cli 0.166.0, modelo glm-5.3):

text
# wall time 31.6 s, exit 0
model: glm-5.3
provider: aicodewith
approval: never
sandbox: workspace-write [workdir, /tmp, $TMPDIR]
warning: Model metadata for `glm-5.3` not found. Defaulting to fallback metadata; this can degrade performance and cause issues.

exec /bin/bash -lc "apply_patch <<'PATCH' ..."
 exited 2 in 0ms:
patch: **** Only garbage was found in the patch input.

exec /bin/bash -lc "cat > context_check.py <<'EOF' ... EOF
python3 context_check.py"
 succeeded in 0ms:
ok
  • 31,6 segundos, código de salida 0, salida final ok.
  • Codex avisa de que no tiene metadatos para glm-5.3 y usa valores por defecto. GLM intentó primero llamar a apply_patch desde la shell, lo que falló, y luego cambió a un heredoc y terminó. Los modelos que no son de OpenAI a veces dan un rodeo así en Codex.

Cursor

En Cursor, añade un modelo personalizado compatible con OpenAI en Models, introduce tu clave de aicodewith y usa nuestro ID de modelo (por ejemplo kimi-k3.1-pro). Otro ejemplo de modelo chino en Claude Code / Codex: DeepSeek V4.1 Flash en Claude Code / Codex.

Para quién tiene sentido Hy4

Vale la pena probarlo:

  • Agentes de oficina e investigación financiera (APEX-Agents y el estudio con expertos financieros son sus mejores resultados)
  • Tareas que necesitan entender imágenes o gráficos junto con un contexto de 1M
  • Equipos atentos al presupuesto que evalúan sus propias tareas (precio de salida muy por debajo de Opus 5.5)

Mejor esperar:

  • Programación intensiva en terminal y desarrollo de largo recorrido: en la propia tabla de Tencent queda muy por detrás de Opus 5.5 y Kimi K3.1 Pro en Terminal-Bench 4.0 y ProgramBench
  • Autoalojamiento: los pesos de Hy4 no están publicados
  • Si necesitas clasificaciones de terceros: por ahora solo hay cifras de Tencent

Preguntas frecuentes

¿Cuándo salió Tencent Hunyuan Hy4?

Hy4 salió el 4 de noviembre de 2026. Hy4 preview salió el 28 de agosto.

¿Cuánto cuesta Hy4?

El precio oficial de Tencent por millón de tokens es de 0,834 $ de entrada, 2,501 $ de salida y 0,042 $ de entrada en caché, igual que la preview. OpenRouter muestra ahora un 50 % de descuento (0,417 $ / 1,251 $) sin fecha de fin.

¿Cuál es el ID de modelo de la API de Hy4?

hy4 en Tencent Cloud TokenHub y tencent/hy4 en OpenRouter.

¿Qué tamaño tiene el contexto de Hy4?

1M (1.048.576 tokens). Tencent Cloud indica 960K de entrada máxima y 64K de salida máxima.

¿Hy4 es de código abierto?

Todavía no. Tencent planea abrir los pesos y trabaja con vLLM y SGLang, pero no ha dado fecha. Los pesos de Hy4-preview están en Hugging Face.

¿Puedo usar Hy4 en Claude Code?

Tanto Tencent Cloud TokenHub como OpenRouter ofrecen endpoints compatibles con Anthropic Messages, así que puedes configurarlo siguiendo su documentación. aicodewith todavía no ofrece Hy4; para un modelo chino en Claude Code hoy, usa nuestro kimi-k3.1-pro o glm-5.3 como se muestra arriba.

¿Cómo se compara Hy4 con Kimi K3.1 Pro?

En la tabla de Tencent, Hy4 va por delante en APEX-Agents, mientras que Kimi K3.1 Pro va por delante en Terminal-Bench 4.0, SWE-Marathon, OSWorld y MMMU-Pro. El precio de salida de Hy4 es aproximadamente 1/4 del de K3.1 Pro.

Lecturas relacionadas

Fuentes

Comprobado el 2026-11-04 (hora de Pekín)

Crear una API Key → Ver modelos →

相关文章

¿Qué es Gemini 4 Hydrogen y cómo conectarlo? Precio oficial 1,50 $/7,50 $, en Claude Code / Codex

¿Qué es Gemini 4 Hydrogen y cómo conectarlo? Precio oficial 1,50 $/7,50 $, en Claude Code / Codex

Gemini 4 Hydrogen es el modelo eficiente de Google para la programación cotidiana y los flujos de trabajo agénticos, lanzado oficialmente el 12 de noviembre de 2026 (hora de EE. UU.). El ID del modelo es gemini-4-hydrogen. El precio estándar oficial de la Gemini Developer API es de 1,50 $ por millón de tokens de entrada y 7,50 $ por millón de tokens de salida (incluidos los tokens de thinking), con caché implícita a 0,075 $; el nivel gratuito marca esas tres partidas como Free of charge. Este artículo reúne las especificaciones y los precios oficiales, cómo conectarlo en AI Studio y la API de Gemini, y la configuración en Claude Code, Codex y Cursor.

Claude Fable 5.2 vs Opus 5.5: ¿cuál elegir? Cambiar de modelo en Claude Code y usar Fable como agente principal con subagentes en Opus (probado)

Claude Fable 5.2 vs Opus 5.5: ¿cuál elegir? Cambiar de modelo en Claude Code y usar Fable como agente principal con subagentes en Opus (probado)

¿Claude Fable 5.2 u Opus 5.5? Primero una tabla comparativa con especificaciones y precios oficiales; después, cómo cambiar entre ambos en Claude Code con /model, --model y settings.json, cómo usar el campo model de un subagente para que el agente principal use Fable y los subagentes Opus, y cómo elegir en Codex y Cursor. Incluye tiempos y resultados de la misma tarea en ambos modelos con una clave de AICodeWith y soluciones a errores comunes.