Tencent Hunyuan Hy4 est sorti : prix, contexte 1M, benchmarks et utilisation dans Claude Code / Codex

Tencent Hunyuan a publié Hy4 le 4 novembre. Le modèle ajoute pour la première fois la vision et l'utilisation de l'ordinateur, offre un contexte de 1M et jusqu'à 64K tokens en sortie, au prix officiel de 0,834 $ en entrée, 2,501 $ en sortie et 0,042 $ en cache par million de tokens, avec une remise de lancement de 50 % sur OpenRouter. Ce guide couvre les specs officielles, les prix, les chiffres vérifiables du tableau de benchmarks de Tencent, l'appel de l'API Hy4 sur Tencent Cloud TokenHub et OpenRouter (ID de modèle hy4 / tencent/hy4), et nos étapes testées pour utiliser des modèles chinois dans Claude Code et Codex.

11 分钟阅读
Tencent Hunyuan Hy4 est sorti : prix, contexte 1M, benchmarks et utilisation dans Claude Code / Codex

En bref : Tencent Hunyuan a publié Hy4 le 4 novembre 2026. C'est le premier modèle Hy avec entrée image (vision) et utilisation de l'ordinateur ; il offre un contexte de 1M et jusqu'à 64K tokens en sortie, et le prix officiel de l'API par million de tokens est de 0,834 $ en entrée, 2,501 $ en sortie et 0,042 $ en entrée mise en cache, comme pour Hy4 preview en août.

  • On peut l'appeler dès aujourd'hui sur Tencent Cloud TokenHub (ID de modèle hy4) et sur OpenRouter (ID tencent/hy4, affiché actuellement à -50 % : 0,417 $ en entrée, 1,251 $ en sortie). Il est aussi disponible dans CodeBuddy, WorkBuddy, Yuanbao et ima.
  • Dans le tableau de benchmarks de Tencent, Hy4 obtient 75,2 sur APEX-Agents v1.1, un peu au-dessus de Claude Opus 5.5 tel que testé par Tencent (74,8). Sur Terminal-Bench 4.0, il n'obtient que 44,4, loin derrière Opus 5.5 et Kimi K3.1 Pro (tous deux autour de 66). Tencent écrit lui-même qu'« un écart notable subsiste avec les meilleurs modèles propriétaires ».
  • Les poids de Hy4 ne sont pas encore publiés. Tencent dit « prévoir de les ouvrir » sans donner de date ; Hugging Face ne propose pour l'instant que Hy4-preview. Une version Hy4 flash, plus rapide et moins chère, est aussi annoncée « prochainement ».
  • aicodewith ne propose pas encore Hy4 au 4 novembre. Pour utiliser un modèle chinois dans Claude Code, Codex ou Cursor, aicodewith propose déjà kimi-k3.1-pro, glm-5.3, deepseek-v4-pro et d'autres. Les étapes testées sont en fin d'article.

Créer une API Key et utiliser des modèles chinois dans Claude Code, Codex et Cursor →

Chiffres vérifiés le 2026-11-04 (heure de Pékin) sur la page de lancement de Hy4, le guide Hy de Tencent Cloud TokenHub, la page du modèle sur OpenRouter et les articles d'IT Home, ifeng et FourWeekMBA. Tous les scores de benchmark proviennent du tableau de Tencent et sont indiqués comme tests internes de Tencent.

Où en est Hy4 aujourd'hui

QuestionSituation (2026-11-04)Source
Publié ?Oui, il remplace Hy4 preview du 28 aoûtPage de lancement Tencent
Accès API ?Oui : Tencent Cloud TokenHub hy4, OpenRouter tencent/hy4Docs Tencent Cloud, OpenRouter
Prix officiel0,834 $ entrée / 2,501 $ sortie / 0,042 $ cache (par million de tokens)Page de lancement Tencent
Contexte et sortieContexte 1M (1 048 576), entrée max 960K, sortie max 64K (65 536)Docs Tencent Cloud, OpenRouter
ModalitésTexte + image en entrée, texte en sortieOpenRouter, docs Tencent Cloud
ParamètresNon publiés pour Hy4 ; Hy4 preview : 770B au total / 49B actifsSelon IT Home (sur la preview)
Poids ouvertsPrévus, sans date ; seuls les poids de la preview sont publicsPage de lancement Tencent, Hugging Face
Hy4 flashPrévu prochainementPage de lancement Tencent
Sur aicodewith ?Pas encore (pas de hy4 dans notre /v1/models)Vérifié le 4 novembre

Les nouveautés de Hy4

Selon la page de lancement de Tencent et IT Home, par rapport à Hy4 preview :

  • Pré-entraînement et post-entraînement à plus grande échelle, avec des progrès en suivi d'instructions, compréhension de longs contextes, tâches longues et recherche approfondie.
  • Vision pour la première fois : perception, raisonnement et appels d'outils combinés pour le traitement fin d'images, l'analyse de graphiques complexes et le raisonnement mathématique visuel.
  • Utilisation de l'ordinateur pour la première fois, en ligne de commande comme en interface graphique, avec un entraînement ciblé sur Blender, la CAO et les tâches multi-applications.
  • Front-end et jeu vidéo : adapté à Unreal Engine, Unity et Godot ; Tencent annonce +19,1 % sur GameDev et +9,8 % sur GameLogic par rapport à la preview.
  • Finance et bureautique : 213 professionnels de la finance ont noté 579 tâches réelles ; Hy4 obtient 3,04, DeepSeek-V4.1-Flash-1017 2,97, Kimi K3.1 Pro et GLM-5.3 2,68 chacun. En interne, le taux d'hallucination passe de 15,76 % (preview) à 5,45 %.
  • Sécurité : les données d'entraînement en cybersécurité se limitent au défensif ; le développement d'exploits, la rétro-ingénierie et les tests d'intrusion ont été filtrés. Une fiche système accompagnera la publication des poids.

Le lancement figurait aussi dans les tendances X.

Prix de Hy4

USD par million de tokens (MTok), vérifié le 2026-11-04.

CanalEntréeSortieEntrée en cache
Prix officiel Tencent (Tencent Cloud)0,834 $2,501 $0,042 $
OpenRouter tel qu'affiché (marqué -50 %)0,417 $1,251 $0,021 $

Remarques :

  • Tencent indique que Hy4 apporte de nettes améliorations « au même prix d'API que Hy4 preview ».
  • OpenRouter ne précise pas la fin de la remise. Tencent Cloud est pour l'instant le seul fournisseur de Hy4 sur OpenRouter.
  • À titre de comparaison, FourWeekMBA calcule à partir des prix catalogue d'OpenRouter que le prix de sortie de Hy4 vaut environ 1/8 de celui de Claude Opus 5.5 (20 $) et 1/4 de Kimi K3.1 Pro et GPT-6.1 Sol (10 $), mais environ 2,1 fois le tarif standard de DeepSeek V4.1 Flash-1017 (1,20 $). Le prix officiel de Kimi K3.1 Pro est dans notre test de Kimi K3.1 Pro.
  • Hy4 réfléchit par défaut et les tokens de réflexion comptent comme sortie : baissez reasoning_effort pour les tâches simples.

Benchmarks de Hy4 : les chiffres vérifiables du tableau de Tencent

Les lignes ci-dessous viennent de l'annexe de benchmarks de la page de lancement. Tencent a fait tourner chaque modèle à son niveau de raisonnement le plus élevé ; quand une case contient deux nombres, le premier est le chiffre publié par l'éditeur et le second le test de Tencent. Seules les lignes code, agents et multimodal sont reprises.

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, score partiel)78.9-81.879.675.268.4-
MMMU-Pro78.6-88.284.1 / 83.484.976.7-
HLE-Full (avec outils)59.157.367.7 / 66.270.0 / 61.860.657.162.5 / 57.4

Comment lire ce tableau :

  • La seule avance nette de Hy4 est sur APEX-Agents (tâches d'agent de type bureautique). Sur DeepSWE, il est à peu près au niveau des autres.
  • Les écarts sont importants en code dans le terminal (Terminal-Bench 4.0), en écriture de programmes de zéro (ProgramBench) et sur Terminal-Bench-Science, orienté recherche (Hy4 19,8 contre 58,7 / 56,2 pour Opus 5.5). Tencent a lancé Terminal-Bench 4.0 avec le harness Claude Code, jusqu'à 500 tours et 13 heures par tâche.
  • Selon FourWeekMBA, 20 des 34 lignes du tableau sont des benchmarks internes à Tencent ; sur les 14 lignes publiques restantes, Hy4 ne dépasse Opus 5.5 que sur 2.
  • Tous les scores sont des tests de Tencent ou des chiffres d'éditeurs ; aucune reproduction indépendante n'existe encore.

Comment appeler l'API Hy4

Tencent Cloud TokenHub

Activez TokenHub dans la console et créez une clé API. Selon la documentation Tencent Cloud, TokenHub prend en charge OpenAI Chat Completions (/v1/chat/completions), OpenAI Responses (/v1/responses) et Anthropic Messages (/v1/messages). Choisissez la Base URL selon la région : Guangzhou https://tokenhub.tencentmaas.com/v1 ou Singapour https://tokenhub-intl.tencentmaas.com/v1. Les chemins OpenAI utilisent Authorization: Bearer, le chemin Anthropic utilise 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 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)

Points clés selon le guide Hy :

  • hy4 réfléchit par défaut ; reasoning_effort vaut high par défaut et le raisonnement se trouve dans reasoning_content.
  • En appels d'outils sur plusieurs tours, renvoyez le reasoning_content précédent avec les tool_calls, sinon la qualité baisse.
  • Les images peuvent être envoyées en URL ou en Base64, 10 Mo maximum chacune et 600 par requête.
  • Si le service du modèle n'est pas activé, l'API renvoie 402.

OpenRouter

L'ID de modèle est tencent/hy4. L'API est compatible OpenAI et accepte aussi les formats Responses et Anthropic Messages (selon la page du modèle 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 indique la prise en charge de tools, tool_choice et de la sortie structurée JSON Schema, avec jusqu'à 65 536 tokens en sortie.

Utiliser des modèles chinois dans Claude Code / Codex / Cursor (nos tests)

Hy4 n'est pas encore sur aicodewith. Si votre objectif est d'utiliser un modèle chinois dans Claude Code, Codex ou Cursor, vous pouvez prendre les modèles déjà proposés, comme kimi-k3.1-pro, glm-5.3 et deepseek-v4-pro, avec une seule clé pour les trois clients. Le 4 novembre, nous avons lancé Claude Code avec Kimi K3.1 Pro et Codex avec GLM-5.3 avec une clé aicodewith.

Étape 1 : créer une API Key

Inscrivez-vous, puis créez une API Key dans la console. Les modèles disponibles sont dans la liste des modèles.

Créer une API Key →

Étape 2 (Claude Code) : modifier settings.json

Ouvrez ~/.claude/settings.json (Windows : %USERPROFILE%\.claude\settings.json). N'ajoutez pas /v1 à ANTHROPIC_BASE_URL :

json
{
  "env": {
    "ANTHROPIC_BASE_URL": "https://api.aicodewith.ai",
    "ANTHROPIC_AUTH_TOKEN": "VOTRE_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"
  }
}

Pour utiliser GLM, remplacez chaque nom de modèle par glm-5.3. Plus de détails : Connecter Claude Code à une API tierce et Kimi K3.1 Pro dans Claude Code.

Étape 3 (Claude Code) : lancer une petite tâche

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

Résultat (Claude Code 2.1.316, modèle 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 secondes, 3 tours. Le fichier était correct, toutes les assertions passent, le script n'affiche rien et sort avec le code 0.
  • La ligne unrecognized_model sur stderr signifie seulement que Claude Code ne connaît pas ce nom de modèle ; l'appel fonctionne.

Étape 4 (Codex) : modifier le config.toml global

Codex lit la clé dans experimental_bearer_token du fichier global ~/.codex/config.toml. La base_url est https://api.aicodewith.ai/chatgpt/v1 (attention à /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 = "VOTRE_API_KEY"

Détail champ par champ : guide config.toml de Codex.

Étape 5 (Codex) : lancer la même tâche

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."

Résultat (codex-cli 0.166.0, modèle 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 secondes, code de sortie 0, sortie finale ok.
  • Codex signale qu'il n'a pas de métadonnées pour glm-5.3 et utilise des valeurs par défaut. GLM a d'abord tenté d'appeler apply_patch depuis le shell, ce qui a échoué, puis est passé à un heredoc et a terminé. Les modèles non OpenAI dans Codex font parfois ce genre de détour.

Cursor

Dans Cursor, ajoutez un modèle personnalisé compatible OpenAI dans Models, saisissez votre clé aicodewith et utilisez notre ID de modèle (par exemple kimi-k3.1-pro). Autre exemple de modèle chinois dans Claude Code / Codex : DeepSeek V4.1 Flash dans Claude Code / Codex.

Pour qui Hy4 vaut le coup

À essayer :

  • Agents bureautiques et de recherche financière (APEX-Agents et l'étude avec des experts financiers sont ses meilleurs résultats)
  • Tâches qui demandent de comprendre des images ou des graphiques avec un contexte de 1M
  • Équipes attentives au budget, prêtes à évaluer elles-mêmes leurs tâches (prix de sortie bien inférieur à Opus 5.5)

Mieux vaut attendre :

  • Code intensif dans le terminal et développement au long cours : dans le tableau de Tencent lui-même, Hy4 est loin derrière Opus 5.5 et Kimi K3.1 Pro sur Terminal-Bench 4.0 et ProgramBench
  • Auto-hébergement : les poids de Hy4 ne sont pas publiés
  • Besoin de classements tiers : il n'existe pour l'instant que les chiffres de Tencent

FAQ

Quand Tencent Hunyuan Hy4 est-il sorti ?

Hy4 est sorti le 4 novembre 2026. Hy4 preview était sorti le 28 août.

Combien coûte Hy4 ?

Le prix officiel de Tencent par million de tokens est de 0,834 $ en entrée, 2,501 $ en sortie et 0,042 $ en entrée mise en cache, comme pour la preview. OpenRouter affiche actuellement -50 % (0,417 $ / 1,251 $) sans date de fin.

Quel est l'ID de modèle de l'API Hy4 ?

hy4 sur Tencent Cloud TokenHub et tencent/hy4 sur OpenRouter.

Quelle est la taille du contexte de Hy4 ?

1M (1 048 576 tokens). Tencent Cloud indique 960K en entrée max et 64K en sortie max.

Hy4 est-il open source ?

Pas encore. Tencent prévoit d'ouvrir les poids et travaille avec vLLM et SGLang, sans date annoncée. Les poids de Hy4-preview sont sur Hugging Face.

Peut-on utiliser Hy4 dans Claude Code ?

Tencent Cloud TokenHub et OpenRouter proposent tous deux des endpoints compatibles Anthropic Messages, vous pouvez donc le configurer selon leur documentation. aicodewith ne propose pas encore Hy4 ; pour un modèle chinois dans Claude Code dès aujourd'hui, utilisez notre kimi-k3.1-pro ou glm-5.3 comme indiqué plus haut.

Hy4 face à Kimi K3.1 Pro ?

Dans le tableau de Tencent, Hy4 devance sur APEX-Agents, tandis que Kimi K3.1 Pro devance sur Terminal-Bench 4.0, SWE-Marathon, OSWorld et MMMU-Pro. Le prix de sortie de Hy4 vaut environ 1/4 de celui de K3.1 Pro.

À lire aussi

Sources

Vérifié le 2026-11-04 (heure de Pékin)

Créer une API Key → Voir les modèles →

相关文章

Gemini 4 Hydrogen, c’est quoi et comment l’utiliser ? Prix officiel 1,50 $/7,50 $, dans Claude Code / Codex

Gemini 4 Hydrogen, c’est quoi et comment l’utiliser ? Prix officiel 1,50 $/7,50 $, dans Claude Code / Codex

Gemini 4 Hydrogen est le modèle efficace de Google pour le code du quotidien et les workflows agentiques, officiellement publié le 12 novembre 2026 (heure des États-Unis). L’identifiant du modèle est gemini-4-hydrogen. Le tarif standard officiel de l’API Gemini Developer est de 1,50 $ par million de tokens d’entrée et 7,50 $ par million de tokens de sortie (y compris les tokens de thinking), avec un cache implicite à 0,075 $ ; l’offre gratuite indique ces trois postes comme free of charge. Cet article reprend les spécifications et les prix officiels, la connexion dans AI Studio et l’API Gemini, ainsi que la configuration dans Claude Code, Codex et Cursor.

Claude Fable 5.2 ou Opus 5.5 : lequel choisir ? Changer de modèle dans Claude Code, Fable en agent principal et Opus en sous-agents (testé)

Claude Fable 5.2 ou Opus 5.5 : lequel choisir ? Changer de modèle dans Claude Code, Fable en agent principal et Opus en sous-agents (testé)

Claude Fable 5.2 ou Opus 5.5 ? D'abord un tableau comparatif des caractéristiques et prix officiels, puis comment passer de l'un à l'autre dans Claude Code avec /model, --model et settings.json, comment utiliser le champ model d'un sous-agent pour que l'agent principal tourne sur Fable et les sous-agents sur Opus, et comment choisir dans Codex et Cursor. Avec les durées et résultats d'une même tâche sur les deux modèles via une clé AICodeWith, et les erreurs courantes.