Hy4 של טנסנט: המודל שרואה את המסך ושולט במחשב

המירוץ אחר מודלי השפה המובילים לא עוצר לרגע, והפעם טנסנט (Tencent) מציבה רף חדש עם השקת הגרסה המלאה של Hy4 [1, 2]. אם גרסת ה-Preview שהושקה באוגוסט האחרון הניחה את היסודות, הרי שהגרסה הנוכחית הופכת את המודל לכלי עבודה של ממש, עם יכולות ראייה ממוחשבת ותפעול מחשב שמשנות את כללי המשחק [3, 5, 10].

מה חדש ב-Hy4?

השיפור המשמעותי ביותר ב-Hy4 הוא היכולת "לראות" [1, 8]. בניגוד למודלים קודמים שדרשו תיאור טקסטואלי מפורט של הממשק, כאן אתם יכולים פשוט להזין צילום מסך של תוכנה, אתר או גרף מורכב, והמודל ינתח את המידע ויבצע פעולות בהתאם [1, 3, 10].

מעבר לראייה, טנסנט הטמיעה יכולות Computer Use – המודל מסוגל כעת לתפעל ממשקים גרפיים (GUI) ושורות פקודה (CLI) [1, 5, 10]. זה אומר שהוא לא רק כותב קוד, אלא יכול לבצע משימות ארוכות טווח בתוך תוכנות מקצועיות כמו Blender או CAD, ולנהל תהליכי עבודה שחוצים מספר אפליקציות במקביל [1, 2, 10].

למה זה משנה לכם?

טנסנט כיוונה את Hy4 למשימות "פרודוקטיביות אמיתית" [1, 7]. הנה התחומים שבהם המודל מציג ביצועים מרשימים:

• •פיתוח תוכנה ומשחקים: המודל מציג שיפור משמעותי ביכולות ה-GameDev והלוגיקה של משחקים, עם אינטגרציה עמוקה למנועים כמו Unity ו-Unreal Engine [2, 3, 10].
• •עבודה משרדית ופיננסים: היכולת לעבוד בזמן אמת על קבצי Word, Excel ו-PPT הופכת אותו לעוזר אישי יעיל [1, 3]. בנוסף, המודל עבר אופטימיזציה לניתוח פיננסי, עם ירידה דרמטית בשיעור ההזיות (Hallucinations) מ-15.76% בגרסת ה-Preview ל-5.45% בלבד בגרסה הנוכחית [1, 3].
• •מחקר מדעי: המודל משלב הסקה מורכבת ותכנות מדעי, מה שמאפשר לו לבצע משימות מחקר מקצה לקצה [1, 2].

נתונים ומספרים

מדובר במודל ענק עם 770 מיליארד פרמטרים [5, 7, 10]. בבדיקות פנימיות שערכה טנסנט, המודל הציג שיפורים ניכרים במדדי איכות שונים, כולל יכולות עקיבת הוראות (Instruction Following) ודיוק בביצוע משימות מורכבות [1, 3]. חשוב לציין כי למרות שטנסנט ממצבת אותו בשורה הראשונה של המודלים הפתוחים, החברה שקופה לגבי הפערים שעדיין קיימים מול מודלים מובילים בשוק העולמי, מה שמעיד על גישה מפוכחת וממוקדת [5, 8].

סיכום ומסקנות

השקת Hy4 היא צעד משמעותי עבור מפתחים ואנשי מקצוע שמחפשים אוטומציה מבוססת AI שלא עוצרת בטקסט. היכולת של המודל להבין ממשקים ויזואליים ולבצע פעולות אקטיביות במחשב היא בדיוק הכיוון שאליו התעשייה הולכת – מ-Chatbot פסיבי ל-Agent אקטיבי.

המודל זמין כעת דרך Tencent Cloud TokenHub, OpenRouter ומוצרים פנימיים של טנסנט כמו WorkBuddy ו-CodeBuddy [3, 5, 10]. אם אתם עובדים על פרויקטים מורכבים שדורשים שילוב של ראייה, תכנות וניהול משימות, שווה בהחלט לבחון את היכולות של Hy4.

רוצים להישאר מעודכנים בכל מה שחדש בעולם ה-AI והקלאוד? עקבו אחרי ב-Telegram או ב-WhatsApp.