Hy4は総合35、コード課題に強み Artificial Analysisが誤回答の傾向も評価
日本語参考要約訳
TencentのHy4はArtificial Analysis Intelligence Index v5で35を記録し、中国拠点のAIラボのモデルで2位となった。 Hy4はTencentHunyuanの最新モデルで、今年公開されたHy3の後継。総合35はGrok 4.7（xhigh）と同点で、Claude Haiku 5.5（max）より1ポイント低い。中国拠点のAIラボでは46のKimi K3.1 Proに次ぐ。価格は入力・出力100万トークン当たり$0.834／$2.501。 主なポイント： ・エージェント型のコード作業に強みがある。FrontierCode 2.0は31%で、Claude Fable 5.1（max）の32%に近い。中国拠点のAIラボではトップで、DeepSeek V4.1 Flash 1017（max）は28%、Kimi K3.1 Proは25%。Terminal-Bench 4.0は37%で、中国拠点のAIラボのモデル中4位。 ・知識と推論でも比較対象を上回る。AA-Omniscience v1.1の正答率は50%で、Kimi K3.1 Proより1ポイント高い。ただしハルシネーション率は89%と高く、Kimi K3.1 Proの37%を上回る。HLE-Diamondは33%で、Kimi K3.1 Proは37%。
※長文投稿のため、参考訳は概要を最大600字まで表示しています。 元投稿をご参照ください
AINNでは投稿本文・投稿者本人の追記・第三者コメントの全文転載を避け、X公式埋め込みと元投稿への導線を中心に表示します。
AIによる見どころ整理
何について
Artificial Analysisは11月5日、TencentのHy4がIntelligence Index v5で35を記録し、中国拠点のAIラボのモデルではKimi K3.1 Proに次ぐ2位だったと報告した。FrontierCode 2.0は31%、Terminal-Bench 4.0は37%で、コード作業に強みがある一方、AA-Omniscience v1.1は正答率50%、同評価のハルシネーション率89%だった。この89%は全回答の誤り率ではなく、正答ではない応答のうち誤答した割合を指す。料金と課題当たり費用も投稿時点の比較値で、一般の作業で同じ費用や順位になるとは限らない。
なぜ注目
新モデルの提供元による説明に加え、第三者が得意分野と弱点を同時に測った評価としてモデル選びの材料になる。総合点や単価だけでなく、実際の用途に近い課題と回答を確認する運用まで含めて比較したい。
🔰 初学者向け要約
同じAIでも、コードを書く力と、知らないことを無理に答えない力は別に確認する必要がある。今回の数字はArtificial Analysisの指定した試験条件での結果。Hy4の通常利用の89%が誤りという意味ではなく、難しい知識問題での応答姿勢を測った指標だ。
用語を調べる
公開記事とWeb上の出典をもとに、Geminiが短く説明します。1日5回まで利用できます。