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 IDtencent/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/hy4 | Tencent 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 49B | IT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 | Hy4 | Hy4 preview | Claude Opus 5.5 | Kimi K3.1 Pro | GPT-6.1 Sol | DeepSeek-V4.1-Flash-1017 | GLM-5.3 |
|---|---|---|---|---|---|---|---|
| APEX-Agents v1.1 (pass@1) | 75.2 | 53.9 | 73.5 / 74.8 | 67.2 / 68.2 | 60.0 / 61.7 | 72.1 / 72.9 | 64.3 |
| DeepSWE v1.1 | 74.9 | 64.3 | 74.2 / 72.6 | 75.5 / 76.3 | 75.2 / 72.7 | 77.0 / 73.8 | 66.9 / 68.1 |
| SWE-Marathon v1.1 | 43.8 | 31.9 | 46.3 / 44.4 | 51.7 / 53.8 | 42.5 / 39.4 | 46.3 | 42.5 / 35.6 |
| Terminal-Bench 4.0 | 44.4 | 26.3 | 66.4 / 66.4 | 65.7 / 66.8 | 55.9 / 55.5 | 42.3 / 40.0 | 42.9 |
| ProgramBench | 30.0 | 17.5 | 65.0 / 56.5 | 31.5 / 24.5 | 46.0 / 46.0 | 29.1 / 29.0 | 19.0 / 18.0 |
| FrontierCode 2.0 | 31.0 | - | 46.4 | 25.5 | 40.6 | 28.5 | 21.6 |
| AutomationBench v1.0.6 | 56.2 | 36.3 | 58.8 | 65.6 | 51.4 | 60.5 / 54.3 | 48.2 / 54.1 |
| OSWorld 2.1(Full、部分点) | 78.9 | - | 81.8 | 79.6 | 75.2 | 68.4 | - |
| MMMU-Pro | 78.6 | - | 88.2 | 84.1 / 83.4 | 84.9 | 76.7 | - |
| HLE-Full(ツールあり) | 59.1 | 57.3 | 67.7 / 66.2 | 70.0 / 61.8 | 60.6 | 57.1 | 62.5 / 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。
# 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):
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):
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。
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:
{
"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
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):
# 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):
# ~/.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
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):
# 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
- Kimi K3.1 Pro レビュー:公式料金、1M コンテキスト、ベンチマーク
- Kimi K3.1 Pro を Claude Code で使う設定ガイド
- Claude Code をサードパーティ API に接続する方法
- Codex config.toml 設定ガイド
- DeepSeek V4.1 Flash を Claude Code / Codex で使う
出典
確認日:2026-11-04(北京時間)
- Tencent Hy:Introducing Hy4(公式リリースページ、ベンチマーク付録あり)
- Tencent Cloud TokenHub:Hy 呼び出しガイド
- Tencent Cloud TokenHub:言語モデル呼び出し概要
- OpenRouter:tencent/hy4
- IT之家:Tencent Hunyuan Hy4 正式版リリース
- 鳳凰網:Tencent Hunyuan Hy4 正式版リリース
- FourWeekMBA:Tencent Hy4 Edges Opus on Own Agent Test at 1/8 Output Price
- Hugging Face:tencent/Hy4-preview
- X のトレンド



