Nous utilisons des cookies. Les cookies et le stockage du navigateur vous gardent connecté et mémorisent vos préférences. Avec votre accord, nous mesurons aussi l’utilisation du site. Vous pouvez à tout moment. Consultez notre politique relative aux cookies.
tencent/hy4Utilise votre solde aux prix indiqués ci-dessus. Les nouveaux comptes démarrent avec une consommation gratuite.
Paramètres
Tencent : Hy4 est un modèle de génération de texte de Tencent, publié en version officielle après Hy4 Preview. Il est conçu pour le travail textuel général et, selon Tencent, apporte des améliorations complètes par rapport à la version preview, avec des gains particulièrement marqués sur les capacités agentiques et les performances dans les tâches de productivité réelles à long horizon. Si vous choisissez un modèle pour des charges de travail impliquant un travail soutenu en plusieurs étapes plutôt que des prompts ponctuels, Hy4 est positionné exactement pour ce type d'usage.
Le modèle accepte du texte et des images en entrée et renvoie du texte. Sa fenêtre de contexte est de 1 048 576 tokens, ce qui est suffisamment grand pour contenir des bases de code entières, de longs ensembles de documents ou des historiques de conversation étendus dans une seule requête, et il peut produire jusqu'à 65 536 tokens en une réponse. Le comportement de raisonnement est exposé via des paramètres de requête, ce qui vous permet de décider de l'ampleur de la délibération interne appliquée par le modèle avant de répondre. Il prend également en charge les sorties structurées et l'appel d'outils, ce qui signifie que les réponses peuvent être contraintes à un schéma et que le modèle peut invoquer des fonctions que vous définissez.
Ces capacités renvoient à quelques schémas pratiques. L'analyse à long contexte est le plus évident : fournir des contrats, des articles de recherche, des journaux ou des dépôts et poser des questions sur l'ensemble sans découpage. Comme l'entrée d'images est prise en charge, vous pouvez mélanger captures d'écran, diagrammes ou pages scannées avec des instructions textuelles dans la même requête, ce qui convient à la compréhension de documents et aux questions-réponses visuelles sur des supports mixtes. L'appel d'outils et les sorties structurées en font un choix raisonnable pour les agents et les pipelines où le modèle doit appeler des API, interroger des sources de données ou renvoyer des résultats lisibles par machine que le code en aval peut analyser. Les contrôles de raisonnement aident sur les tâches où l'exactitude compte plus que la latence, comme la planification en plusieurs étapes ou le débogage.
Vous appelez Hy4 via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "tencent/hy4". Comme l'interface suit le format OpenAI, les SDK et bibliothèques clientes existants fonctionnent avec un simple changement d'URL de base. Les paramètres de requête pris en charge sont include_reasoning, max_completion_tokens, max_tokens, reasoning, reasoning_effort, response_format, stop, structured_outputs, temperature, tool_choice et tools. En pratique, cela couvre le contrôle d'échantillonnage, la longueur de sortie, les séquences d'arrêt, les réponses JSON ou contraintes par schéma, et l'appel de fonctions, ainsi que les options liées au raisonnement.
Cette communauté n’a encore aucun sujet. Ouvrez le premier sur Tencent: Hy4.
Une chose à garder à l'esprit est que la sortie est uniquement textuelle, donc les tâches nécessitant la génération d'images ou d'audio sortent de son périmètre. La sortie maximale de 65 536 tokens signifie également que les générations très longues doivent être planifiées par étapes. Pour les tâches textuelles simples et courtes où aucune des fonctionnalités de long contexte, de vision ou d'appel d'outils n'est nécessaire, un modèle plus petit et plus rapide peut être le choix le plus économique.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "tencent/hy4",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
include_reasoningmax_completion_tokensmax_tokensreasoningreasoning_effortresponse_formatstopstructured_outputstemperaturetool_choicetools