# Hy4 от Tencent весит 1,56 ТБ на диске: разбираемся, как включать и выключать её «мышление»
Каноническая страница: https://plainews.ru/posts/hy4-tencent-reasoning-effort-guide
Опубликовано: 2026-08-30T11:01:09.586Z

Tencent выпустила open-weight модель Hy4 на 770 млрд параметров. Разбираем chat-шаблон, режимы reasoning_effort и как её протестировать через OpenRouter.
Tencent тихо выложила на Hugging Face новую open-weight модель Hy4 — 770 миллиардов параметров, из которых активны только 49 миллиардов, и окно контекста на 1 миллион токенов. Если вы планируете гонять такие модели через OpenRouter или собственный инференс, важно понимать один нюанс: у Hy4 всего два режима размышлений, и переключаются они не через привычный параметр, а жёстко зашитым флагом в chat-шаблоне. Разберём, что это значит на практике.

## Зачем разработчику разбираться в этом релизе

Открытые китайские модели с архитектурой mixture-of-experts (MoE, когда из общего числа параметров на каждый запрос активируется только часть) стали выходить настолько часто, что легко упустить важные детали в документации. Hy4 — как раз такой случай: модель огромная, но у неё нет привычной шкалы «reasoning effort: low/medium/high», к которой все привыкли после OpenAI o-серии. Вместо этого — бинарный переключатель. Если вы собираетесь встраивать Hy4 в пайплайн через API, где reasoning effort передаётся параметром, ошибка в значении просто уронит запрос с исключением. Это стоит знать заранее, а не выяснять в проде.

## Что изменилось по сравнению с предыдущей версией

Hy3, вышедшая в июле, была заметно скромнее: 295 млрд параметров всего, 21 млрд активных, контекст 256 000 токенов, вес на диске — 598 ГБ. Hy4 выросла кратно почти по всем метрикам:

- Общие параметры: 295B → 770B (рост в 2,6 раза)
- Активные параметры: 21B → 49B (рост в 2,3 раза)
- Контекст: 256K → 1M токенов (рост в 4 раза)
- Размер на диске: 598 ГБ → 1,56 ТБ

Это типичный сценарий гонки открытых моделей: каждая следующая версия выигрывает по числам, но не всегда пропорционально растёт польза для конечного пользователя. Учитывая, что активных параметров всего 49B, для инференса Hy4 не требует держать в памяти все 770B одновременно — MoE-архитектура как раз для этого и придумана. Но 1,56 ТБ весов всё равно нужно где-то хранить и загружать.

## Как устроен переключатель reasoning_effort

Самое интересное в релизе — не бенчмарки, а файл chat_template.jinja на странице модели в Hugging Face. Это шаблон, который превращает диалог в финальный промпт для модели, и в нём Tencent прописала жёсткую валидацию параметра reasoning_effort:

Логика простая:

1. Если параметр не передан вообще — по умолчанию ставится high.
2. Если передано что-то, кроме high или no_think — шаблон выбрасывает исключение с явным текстом ошибки.
3. Никаких промежуточных уровней вроде medium или low не предусмотрено в принципе.

Это важно учитывать, если вы переносите промпты с других моделей: параметры типа reasoning_effort: "medium", которые нормально работают с моделями OpenAI, здесь просто сломают запрос. Для Hy4 годятся только два значения — high (модель рассуждает перед ответом) и no_think (рассуждение отключено, ответ идёт сразу).

## Как быстро проверить модель на своём промпте

Чтобы не разворачивать локальный инференс под полтора терабайта весов, проще всего обратиться к модели через провайдера вроде OpenRouter, который агрегирует доступ к свежим open-weight моделям через единый API. Общая схема запроса с явным указанием effort выглядит так:

Точное имя модели в каталоге провайдера может отличаться — проверяйте актуальный идентификатор в списке моделей OpenRouter перед запросом. Если хотите быстрый ответ без цепочки рассуждений, замените "high" на "no_think" — это должно ускорить генерацию за счёт пропуска шага размышления, но, вероятно, снизит качество на сложных задачах.

## Что показал тест с пеликаном на велосипеде

Автор оригинальной заметки, Саймон Уиллисон, тестирует новые модели одним и тем же неформальным бенчмарком: просит нарисовать SVG-пеликана на велосипеде. Задача звучит несерьёзно, но она хорошо вскрывает, насколько модель понимает пространственные отношения и умеет генерировать структурированный код без визуального фидбека — ведь текстовая модель не видит, что рисует.

С включённым режимом high Hy4 честно прогнала внутреннее рассуждение перед тем, как выдать SVG. В трейсе рассуждений (то есть в скрытом тексте, где модель «думает» перед финальным ответом) встречаются фразы вроде:

> Let's maybe add a helmet? It could improve riding theme, but may obscure head. Maybe a small cycling cap or helmet? The user didn't ask; can add red helmet? Might be cute. But pelican with big beak; a helmet might obscure. Better maybe no.

Любопытная деталь: язык рассуждений слегка обрублен грамматически — не полноценные предложения, а скорее поток обрывочных формулировок. Логичное объяснение: если этот текст никогда не показывается пользователю напрямую, а служит только внутренним черновиком для самой модели, идеальная грамматика не нужна и не экономит токены. Модель как будто говорит сама с собой на упрощённом внутреннем диалекте — это стоит иметь в виду, если вы планируете анализировать reasoning-трейсы других моделей: не удивляйтесь, если качество текста там ощутимо хуже, чем в финальном ответе.

## Где это ломается на практике

Первая ловушка — попытка передать привычные градации effort (low, medium) из промптов, написанных под другие модели. Шаблон Hy4 просто выбросит исключение вместо того, чтобы округлить значение до ближайшего доступного уровня.

Вторая ловушка — размер. 1,56 ТБ весов означает, что локальный запуск на собственном железе доступен только тем, у кого есть серьёзный кластер GPU. Для большинства практических сценариев путь через API-провайдера — единственный разумный вариант.

Третья ловушка — цена скрытого рассуждения. Режим high генерирует длинные внутренние трейсы перед ответом, а токены рассуждения обычно тоже тарифицируются. Если задача простая и не требует пространственной или многошаговой логики, no_think может оказаться заметно дешевле без потери качества.

## Что попробовать дальше

Стоит прогнать свои рабочие промпты в обоих режимах и сравнить не только качество ответа, но и число потраченных токенов — разница между high и no_think может оказаться существенной для бюджета. Также имеет смысл заглянуть в chat-шаблоны других открытых моделей на Hugging Face: как показывает случай с Hy4, именно там часто скрыты нюансы API, которые не попадают в официальную документацию.

## FAQ

### Чем Hy4 отличается от Hy3?

Hy4 значительно крупнее: 770 млрд параметров против 295 млрд у Hy3, контекст вырос с 256 000 до 1 млн токенов, а размер весов на диске увеличился почти в 3 раза — до 1,56 ТБ.

### Какие значения принимает reasoning_effort у Hy4?

Только два: high (режим рассуждения, включён по умолчанию) и no_think (рассуждение отключено). Любое другое значение, включая medium или low, вызовет ошибку шаблона.

### Можно ли запустить Hy4 локально?

Технически да, если у вас есть инфраструктура под 1,56 ТБ весов, но для большинства разработчиков практичнее обращаться к модели через API-провайдера вроде OpenRouter.

### Почему в reasoning-трейсе Hy4 странная грамматика?

Скорее всего потому, что этот текст — внутренний черновик модели, не предназначенный для прямого показа пользователю. Идеальная грамматика здесь не приносит пользы и не экономит токены, поэтому модель использует упрощённый стиль.

### Зачем нужен тест с пеликаном на велосипеде?

Это неформальный, но показательный бенчмарк: генерация SVG-рисунка по текстовому описанию проверяет, насколько модель понимает пространственные отношения и умеет выдавать корректный структурированный код без визуальной обратной связи.

## Источники

- Simon Willison: Introducing Hy4 Preview