騰訊開源 Hy4:770B 參數多模態大模型開放權重,中國 AI 進入「開放旗艦」賽道
11 月 20 日,騰訊在 Hugging Face、ModelScope 與 GitCode 三個平台同步開放下載 Hy4 模型的權重。這不是一般的中型模型——Hy4 語言骨幹總參數達 770B,採用混合專家(Mixture-of-Experts)架構、每個 token 啟動 49B 參數的尤為務實設計,同時支援文字、圖片與影片輸入,並配有高達 104.8 萬 token 的上下文視窗。對香港企業與在職人士,它的意義不只是「又一個中國 AI 模型開源」,而是開放權重(open-weights)終究開始直追封閉式旗艦——企業在「付費閉源 API」與「自架開源模型」之間,多了一條真正可用的中間路徑。
Hy4 開放什麼:三套權重與新的授權條款
這次發布一口氣給出三套權重,涵蓋不同部署情境:
- Hy4(指令微調版):完整尺寸,檔案約 1.55 TB,適合有自主算力的企業做最高品質部署;
- Hy4-FP8:以 8 位元儲存權重的量化版,約 0.79 TB,用較小記憶體換取接近原版的品質,是自架時的務實選擇;
- Hy4 Base:未經對話微調的預訓練基底模型,約 1.54 TB,供研究與從頭微調使用。
發布同時附上系統卡片(system card)說明安全評估。更關鍵的是授權變化:不同於先前 Hybrid Preview 的 Apache 2.0 自由授權,Hy4 改用新增的 Tencent Hy License——它在 Apache 2.0 的基礎上,為大型模型即服務(MaaS)業者加入了商業條款限制,亦即「開源但不開給拿去做大規模 API 生意的人」。部署方面支援 vLLM 與 SGLang 推論框架,也一併提供 DeepSpeed、LLaMA-Factory、ms-swift 的微調腳本,意味企業不只是能下載,而是真的能在自建環境跑起來、改得起。
趨勢:開放權重從「可玩」進入「可替旗艦」
過去幾年,「開放權重」多半等同於「次一等」:開源模型能跑,但總在推理深度、長上下文或專業任務上輸給 OpenAI、Anthropic、Google 的旗艦。Hy4 的策略正在打破這個刻板印象——以 770B 總參數、1M 級上下文與多模態能力攤開在開源陣營,是中國科技巨頭向開放旗艦賽道下重注的訊號。
這背後反映的產業轉變是:旗艦能力不再被閉源壟斷。當一家巨型公司願意把大模型權重釋出,企業就獲得「下載、內部部署、資料不出企業、成本可預測」的能力——這對資料敏感、受監管或重視成本控制的組織尤其誘人。與此同時,授權條款的細膩化(Hy 授權限制 MaaS)也顯示開源策略開始精算商業利益:開放給單一企業自用,但不開放給競爭對手做成雲端生意。對企業採購決策者,這提醒了一件要緊的事——「開源」的條件要細讀,不是所有開放權重都等於完全自由。
對香港企業與在職人士的啟示
- 受監管行業迎來資料不出行的選項:金融、醫療、法律等對資料出口敏感的香港企業,面對閉源 API 常卡在「資料送去雲端」的合規關卡。Hy4 這類開放權重模型讓模型在自家供應器或私有雲上執行、訓練資料與推論資料都不離開企業,是將 AI 落地與合規並存的一條實際路徑。對已在用閉源 API 做內部流程的企業,值得把「評估自架開源」納入下一個盤點;
- 先從 FP8 量化版試水性質:對多數香港中小企,一次投入 1.5TB 級算力並不現實。務實起點是先用 Hy4-FP8 在既有 GPU 環境跑 PoC,驗證自家場景(中文文件解析、多模態輸入、長合約摘要)的品質與成本,再決定要不要擴大到完整版或自建對外平台;
- 技術團隊多一套可玩的前沿模型:香港的 AI 工程師與開發者,現在能實際下載、用 vLLM/SGLang 部署、用 DeepSpeed 微調一個 770B 級多模態模型。這是極佳的學習與人才培訓素材——本地 AI 課程、企業內部工作坊可直接拿它做「開源旗艦部署實作」的教材;
- 採購前務必看懂授權條款:Hy4 不是 Apache 2.0,而是帶 MaaS 限制的商業再授權。企業如果要把它包成對外的 API 服務,必須先確認授權是否允許。採購與法務團隊應把「影響自用還是影響再售、能否商業化、能否微調後商用、輸出歸屬」四項列為評估開放權重模型的標準問題。
騰訊把 Hy4 的 770B 級權重釋出,讓「開放權重」第一次在規模與能力上都直逼閉源旗艦。對香港企業,這既不保證要立刻擁抱自架,也絕非可以忽略的雜訊——資料合規的長尾名單從此多了一張可打的牌。技術團隊可以先拿 FP8 跑一個真實場景的 PoC,採購與法務則先看懂授權再動手。開放旗艦時代的到來,不是要你拋棄 ChatGPT,而是讓你把「自架」從想像變成真正可以比較的選項。
想學會善用最新 AI 工具?
瀏覽 AI學院實戰課程,由入門到企業轉型顧問。