Tencent Hunyuan Hy4 正式リリース:料金、1M コンテキスト、ベンチマーク、Claude Code / Codex での使い方

Tencent Hunyuan は 11 月 4 日に Hy4 を正式リリースしました。初めて画像入力(ビジョン)とコンピューター操作に対応し、コンテキストは 1M、最大出力 64K。公式料金は 100 万トークンあたり入力 $0.834、出力 $2.501、キャッシュ $0.042 で、OpenRouter ではローンチ時 50% オフです。本記事では公式スペック、料金、Tencent のベンチマーク表で確認できる数字、Tencent Cloud TokenHub と OpenRouter での Hy4 API の呼び出し方(モデル ID hy4 / tencent/hy4)、そして Claude Code・Codex で中国製モデルを使う実測手順をまとめます。

11 分钟阅读
Tencent Hunyuan Hy4 正式リリース:料金、1M コンテキスト、ベンチマーク、Claude Code / Codex での使い方

結論から:Tencent Hunyuan は 2026 年 11 月 4 日に Hy4 正式版 をリリースしました。Hy シリーズで初めて画像入力(ビジョン)とコンピューター操作に対応し、コンテキストは 1M、最大出力は 64K。公式 API 料金は 100 万トークンあたり 入力 $0.834、出力 $2.501、キャッシュヒット $0.042 で、8 月の Hy4 preview と同じです。

  • 現在呼び出せるのは Tencent Cloud TokenHub(モデル ID hy4)と OpenRouter(モデル ID tencent/hy4、現在 50% オフ表示:入力 $0.417、出力 $1.251)です。CodeBuddy、WorkBuddy、Yuanbao、ima でも使えます。
  • Tencent 自社のベンチマーク表では、Hy4 は APEX-Agents v1.1 で 75.2 と、Tencent が測った Claude Opus 5.5(74.8)をわずかに上回ります。一方 Terminal-Bench 4.0 は 44.4 にとどまり、Opus 5.5 や Kimi K3.1 Pro(いずれも 66 前後)に大きく遅れています。Tencent 自身も「トップクラスのクローズドモデルとはまだ大きな差がある」と書いています。
  • 正式版の重みは まだ公開されていません。Tencent は「オープンソース化を計画」としていますが日付は未定で、Hugging Face にあるのは現時点で Hy4-preview のみです。より高速・低価格な Hy4 flash も「近日公開」とされています。
  • aicodewith では 11 月 4 日時点で Hy4 はまだ提供していません。 Claude Code、Codex、Cursor で中国製モデルを使いたい場合は、kimi-k3.1-pro、glm-5.3、deepseek-v4-pro などがすでに使えます。実測手順は記事後半にあります。

API Key を作成して Claude Code・Codex・Cursor で中国製モデルを使う →

数字は 2026-11-04(北京時間)に Tencent の Hy4 公式リリースページ、Tencent Cloud TokenHub の Hy 呼び出しガイド、OpenRouter のモデルページ、および IT之家、鳳凰網、FourWeekMBA の報道で確認しました。ベンチマークのスコアはすべて Tencent の表によるもので、「Tencent 自社測定」と表記しています。

Hy4 の現状を一覧で

項目状況(2026-11-04)出典
リリース済み?はい。8 月 28 日の Hy4 preview を置き換えTencent 公式リリースページ
API で使える?はい:Tencent Cloud TokenHub hy4、OpenRouter tencent/hy4Tencent Cloud ドキュメント、OpenRouter
公式料金入力 $0.834 / 出力 $2.501 / キャッシュヒット $0.042(100 万トークンあたり)Tencent 公式リリースページ
コンテキストと出力コンテキスト 1M(1,048,576)、最大入力 960K、最大出力 64K(65,536)Tencent Cloud ドキュメント、OpenRouter
モダリティテキスト + 画像入力、テキスト出力OpenRouter、Tencent Cloud ドキュメント
パラメータ数正式版は非公表。preview は総 770B / アクティブ 49BIT之家 の preview 報道によると
オープンウェイト公開予定(日付未定)。現在は preview の重みのみTencent 公式リリースページ、Hugging Face
Hy4 flash近日公開予定Tencent 公式リリースページ
aicodewith で使える?まだ(当サイトの /v1/models に hy4 なし)11 月 4 日に確認

Hy4 正式版の変更点

Tencent 公式リリースページ と IT之家 の報道によると、Hy4 preview と比べて:

  • 事前学習・事後学習の規模を拡大し、指示追従、長文理解、長期タスク、ディープリサーチなどの総合能力が向上。
  • 初めてビジョンに対応:知覚・推論・ツール呼び出しを組み合わせ、細かな画像処理、複雑なグラフ分析、数学の視覚推論に対応。
  • 初めてコンピューター操作に対応:CLI と GUI の両方で使え、Blender や CAD などの専門ソフト、アプリをまたぐ長期タスク向けに専用の学習を実施。
  • フロントエンドとゲーム開発:Unreal Engine、Unity、Godot に対応。Tencent によると preview 比で GameDev が 19.1%、GameLogic が 9.8% 向上。
  • 金融とオフィス業務:金融の専門家 213 人が実際の 579 タスクを評価し、Hy4 は 3.04、DeepSeek-V4.1-Flash-1017 は 2.97、Kimi K3.1 Pro と GLM-5.3 はいずれも 2.68。社内評価ではハルシネーション率が preview の 15.76% から 5.45% に低下。
  • 安全性:サイバーセキュリティの学習データは防御系のみに絞り、エクスプロイト開発、リバースエンジニアリング、ペネトレーションテストの内容は除外。重みの公開時にシステムカードも公開予定。

このリリースは X のトレンド にも入りました。

Hy4 の料金

単位:米ドル / 100 万トークン(MTok)、2026-11-04 確認。

チャネル入力出力キャッシュヒット
Tencent 公式(Tencent Cloud)$0.834$2.501$0.042
OpenRouter 現在の表示(50% オフ表記)$0.417$1.251$0.021

補足:

  • Tencent は正式版について「Hy4 preview と同じ API 料金を維持」と明記しています。
  • OpenRouter の 50% オフは終了日が書かれていないため、ページの表示に従ってください。OpenRouter で Hy4 を提供しているのは現在 Tencent Cloud のみです。
  • 横比較として、FourWeekMBA が OpenRouter の定価から計算したところでは、Hy4 の出力料金は Claude Opus 5.5($20)の約 1/8、Kimi K3.1 Pro と GPT-6.1 Sol($10)の約 1/4 ですが、DeepSeek V4.1 Flash-1017 の標準料金($1.20)の約 2.1 倍です。Kimi K3.1 Pro の公式料金は当サイトの Kimi K3.1 Pro レビュー を参照してください。
  • Hy4 はデフォルトで深い思考がオンで、思考トークンも出力として課金されます。簡単なタスクでは reasoning_effort を下げましょう。

Hy4 ベンチマーク:Tencent の表で確認できる数字

以下は Tencent のリリースページ付録のベンチマーク表からの抜粋です。Tencent によると各モデルとも最高の推論レベルで測定しており、数字が 2 つあるセルは前者が各社公表値、後者が Tencent 自社測定 です。ここではコーディング、エージェント、マルチモーダル関連の行のみを載せています。

ベンチマークHy4Hy4 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、部分点)78.9-81.879.675.268.4-
MMMU-Pro78.6-88.284.1 / 83.484.976.7-
HLE-Full(ツールあり)59.157.367.7 / 66.270.0 / 61.860.657.162.5 / 57.4

表の読み方:

  • Hy4 がはっきりリードしているのは APEX-Agents(オフィス系エージェントタスク)だけです。DeepSWE は他モデルとほぼ横並びです。
  • ターミナルでのコーディング(Terminal-Bench 4.0)、ゼロからのプログラム作成(ProgramBench)、研究向けの Terminal-Bench-Science(Hy4 19.8、Opus 5.5 58.7 / 56.2)では差が大きいです。Tencent は Terminal-Bench 4.0 を Claude Code harness で、1 問あたり最大 500 ターン・13 時間で測定しています。
  • FourWeekMBA によると、表の 34 行のうち 20 行は Tencent 社内ベンチマークで、残り 14 行の公開ベンチマークのうち Hy4 が Opus 5.5 を上回るのは 2 行だけです。
  • スコアはすべて Tencent 自社測定かベンダー公表値で、第三者による独立した再現はまだありません。

Hy4 API の呼び出し方

Tencent Cloud TokenHub

TokenHub コンソールでサービスを有効化し、API キーを作成すれば呼び出せます。Tencent Cloud のドキュメント によると、TokenHub は OpenAI Chat Completions(/v1/chat/completions)、OpenAI Responses(/v1/responses)、Anthropic Messages(/v1/messages)の 3 つのプロトコルに対応し、Base URL はリージョンで選びます:広州 https://tokenhub.tencentmaas.com/v1、シンガポール https://tokenhub-intl.tencentmaas.com/v1。OpenAI 系のパスは Authorization: Bearer、Anthropic 系のパスは x-api-key を使います。

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(OpenAI SDK):

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)

ポイント(Hy 呼び出しガイド によると):

  • hy4 はデフォルトで深い思考がオンで、reasoning_effort の既定値は high。思考内容は reasoning_content フィールドに入ります。
  • 複数ターンのツール呼び出しでは、前のターンの reasoning_content を tool_calls と一緒に返さないと品質が落ちます。
  • 画像は URL または Base64 で渡せます。1 枚 10 MB まで、1 リクエスト最大 600 枚。
  • モデルサービスを有効化していないと 402 が返ります。

OpenRouter

モデル ID は tencent/hy4 です。API は OpenAI 互換で、Responses と Anthropic Messages 形式にも対応しています(OpenRouter のモデルページ によると):

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 のページでは tools、tool_choice、JSON Schema による構造化出力に対応し、最大出力は 65,536 トークンと表示されています。

Claude Code / Codex / Cursor で中国製モデルを使う(当サイト実測)

Hy4 はまだ当サイトに掲載されていません。「Claude Code、Codex、Cursor で中国製モデルに切り替えたい」のであれば、当サイトですでに提供している kimi-k3.1-pro、glm-5.3、deepseek-v4-pro などを使えます。1 つのキーで 3 つのクライアントすべてに対応します。11 月 4 日に当サイトのキーで Claude Code + Kimi K3.1 Pro と Codex + GLM-5.3 をそれぞれ 1 回実行しました。

ステップ 1:API Key を作成

登録・ログイン後、コンソールで API Key を作成します。使えるモデルは モデル一覧 を確認してください。

API Key を作成 →

ステップ 2(Claude Code):settings.json を書く

~/.claude/settings.json(Windows は %USERPROFILE%\.claude\settings.json)を開きます。ANTHROPIC_BASE_URL の末尾に /v1 は 付けません:

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

GLM を使う場合はモデル名をすべて glm-5.3 に変えます。詳しくは Claude Code をサードパーティ API に接続する方法 と Kimi K3.1 Pro を Claude Code で使う設定 を参照してください。

ステップ 3(Claude Code):小さなタスクを実行

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

実測結果(Claude Code 2.1.316、モデル 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
  • 所要時間 53.4 秒、3 ターンで完了。ファイルは正しく作成され、assert はすべて通過、スクリプトは出力なしで終了コード 0。
  • stderr の unrecognized_model は Claude Code がこのモデル名を知らないという表示にすぎず、呼び出しには影響しません。

ステップ 4(Codex):グローバル config.toml を書く

Codex はキーをグローバルな ~/.codex/config.toml の experimental_bearer_token から読みます。base_url は https://api.aicodewith.ai/chatgpt/v1 です(/chatgpt/v1 に注意):

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 = "YOUR_API_KEY"

各フィールドの意味は Codex config.toml 設定ガイド を参照してください。

ステップ 5(Codex):同じタスクを実行

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."

実測結果(codex-cli 0.166.0、モデル 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
  • 所要時間 31.6 秒、終了コード 0、最終出力は ok。
  • Codex は glm-5.3 のモデルメタデータが見つからないと警告し、デフォルト値を使います。GLM は最初にシェルから apply_patch を呼ぼうとして失敗し、その後 heredoc に切り替えてタスクを完了しました。OpenAI 以外のモデルで Codex を動かすと、このような遠回りがたまに入ります。

Cursor

Cursor では設定の Models で OpenAI 互換のカスタムモデルを追加し、当サイトのキーを入力、モデル名には当サイトのモデル ID(例:kimi-k3.1-pro)を指定します。中国製モデルを Claude Code / Codex で使う別の例は DeepSeek V4.1 Flash を Claude Code / Codex で使う を参照してください。

Hy4 が向いている人・向いていない人

まず試す価値あり:

  • オフィス業務や金融リサーチ系のエージェント(APEX-Agents と金融専門家評価が最も強い項目)
  • 画像やグラフの理解と 1M の長いコンテキストの両方が必要なタスク
  • 予算重視で、自分たちのタスクで評価できるチーム(出力料金は Opus 5.5 よりはるかに低い)

乗り換えは様子見:

  • ターミナル中心のコーディングや長期の開発:Tencent 自社測定でも Terminal-Bench 4.0、ProgramBench で Opus 5.5 と Kimi K3.1 Pro に大きく遅れる
  • ローカルデプロイが必要:正式版の重みはまだ未公開
  • 第三者のランキングが必要:現時点では Tencent 自社測定のみ

FAQ

Tencent Hunyuan Hy4 はいつリリースされた?

正式版は 2026 年 11 月 4 日にリリースされました。Hy4 preview は 8 月 28 日です。

Hy4 の料金は?

Tencent 公式料金は 100 万トークンあたり入力 $0.834、出力 $2.501、キャッシュヒット $0.042 で、preview と同じです。OpenRouter では現在 50% オフ($0.417 / $1.251)表示で、終了日は未公表です。

Hy4 API のモデル ID は?

Tencent Cloud TokenHub では hy4、OpenRouter では tencent/hy4 です。

Hy4 のコンテキスト長は?

1M(1,048,576 トークン)。Tencent Cloud では最大入力 960K、最大出力 64K と表記されています。

Hy4 はオープンソース?

正式版はまだです。Tencent はオープンソース化を計画し、vLLM・SGLang と連携していますが、日付は出ていません。Hugging Face には Hy4-preview の重みがあります。

Hy4 は Claude Code で使える?

Tencent Cloud TokenHub と OpenRouter はどちらも Anthropic Messages 互換のエンドポイントを提供しているので、それぞれのドキュメントに従って設定できます。当サイトではまだ Hy4 を提供していません。Claude Code で中国製モデルを使うなら、当サイトの kimi-k3.1-pro や glm-5.3 を上記の手順で使えます。

Hy4 と Kimi K3.1 Pro はどちらが上?

Tencent 自社測定の表では、Hy4 は APEX-Agents で上回り、Kimi K3.1 Pro は Terminal-Bench 4.0、SWE-Marathon、OSWorld、MMMU-Pro で上回ります。出力料金は Hy4 が K3.1 Pro の約 1/4 です。

関連記事

出典

確認日:2026-11-04(北京時間)

API Key を作成 → モデル一覧を見る →

相关文章

Gemini 4 Hydrogen とは、どうつなぐか?公式価格 $1.50/$7.50、Claude Code / Codex での使い方

Gemini 4 Hydrogen とは、どうつなぐか?公式価格 $1.50/$7.50、Claude Code / Codex での使い方

Gemini 4 Hydrogen は、日常的なコーディングとエージェントワークフロー向けに Google が 2026 年 11 月 12 日(米国時間)に正式公開した効率重視モデルです。モデル ID は gemini-4-hydrogen。公式 Gemini Developer API の標準価格は、入力 100 万トークンあたり $1.50、出力(思考トークンを含む)$7.50、暗黙キャッシュ $0.075 で、無料枠ではこの 3 項目が Free of charge と記されています。公式の仕様と価格、AI Studio / Gemini API でのつなぎ方、Claude Code・Codex・Cursor での設定を整理します。

Claude Fable 5.2 と Opus 5.5 はどちらを選ぶ?Claude Code でのモデル切り替えと、メイン Agent は Fable・サブ Agent は Opus の併用設定(検証あり)

Claude Fable 5.2 と Opus 5.5 はどちらを選ぶ?Claude Code でのモデル切り替えと、メイン Agent は Fable・サブ Agent は Opus の併用設定(検証あり)

Claude Fable 5.2 と Opus 5.5 はどちらを使うべきか。公式の仕様と価格の比較表を先に示し、Claude Code で /model、--model、settings.json を使って 2 つのモデルを切り替える方法、サブ Agent の model フィールドでメイン Agent を Fable、サブ Agent を Opus で動かす方法、Codex と Cursor での選び方を解説します。AICodeWith の Key で同じタスクを両モデルに実行した所要時間と結果、よくあるエラーの対処法も掲載。