Hy4 de Tencent: 1M de contexto, visión y tool calling

Para quien arma agentes de código, la combinación de contexto largo, visión y tool calling en un solo modelo cambia el diseño del agente. En lugar de dividir el trabajo en varias llamadas cortas, se puede mantener un historial largo, analizar capturas de pantalla y llamar herramientas dentro del mismo flujo.

En este artículo vas a ver:

• Qué es Hy4 y cómo se diferencia de Hy4 preview.
• Cuándo usar contexto de 1 millón de tokens en la práctica.
• Cómo activar visión y tool calling en el mismo agente.
• Límites y costos para planificar la adopción.
• Cómo probar Hy4 hoy vía OpenRouter.

Qué es Hy4

Hy4 es un modelo Mixture of Experts de Tencent. La versión oficial entrega mejoras sustanciales respecto a Hy4 preview, con ganancias particularmente fuertes en capacidades agénticas y desempeño en tareas de productividad a largo plazo. La novedad más visible es la introducción del entendimiento visual por primera vez en la línea.

El modelo acepta texto e imágenes como entrada y devuelve texto. Soporta tool calling con tools y tool_choice, además de salidas estructuradas vía JSON schema en response_format. El límite de conclusión es de 65.536 tokens por respuesta.

La diferencia práctica respecto al preview es el foco en agentes. El preview ya se describía como modelo para agentes de código y flujos complejos de tool-use. La versión oficial refuerza esto con mejoras en planificación, continuidad de contexto y ejecución sostenida en múltiples etapas.

Cuándo usar 1 millón de tokens de contexto

Un millón de tokens no es para toda tarea. El uso tiene sentido cuando el agente necesita mantener historial largo de una sesión, analizar bases de código enteras o seguir conversaciones extensas sin perder el hilo.

Casos típicos: análisis de repositorio grande en una sola pasada, agentes de soporte que acumulan contexto de días, y flujos de investigación donde el modelo necesita cruzar muchos documentos. Para tareas cortas, el costo de contexto no se justifica y un modelo más pequeño responde más rápido.

El consejo práctico es medir. Comienza con una ventana corta, aumenta conforme el agente pierda información y observa el costo. El contexto largo es un recurso, no un estándar.

Visión y tool calling en el mismo flujo

Hy4 acepta imágenes junto con texto. Esto permite que un agente de código analice capturas de pantalla de interfaz, diagramas de arquitectura o prints de error sin necesitar un modelo separado para visión.

Con tool calling nativo, el modelo puede llamar funciones externas, como buscar en el repositorio, ejecutar tests o consultar APIs. La combinación con visión abre flujos como: recibir un print de bug, identificar el componente, llamar la herramienta de búsqueda en el código y proponer la corrección, todo en una sola conversación.

Para quien ya usa otros agentes, vale comparar con lo que tiene. Claude Code 2.1.319 trae MCP tasks en segundo plano, útil cuando el modelo llama herramientas lentas. Hy4 puede servir como modelo detrás de esas llamadas cuando el contexto sea el cuello de botella.

Limites y costos

El modelo se sirve vía OpenRouter con un precio de 0,417 dólar por millón de tokens de entrada y 1,251 dólar por millón de tokens de salida. La lectura de caché cuesta 0,021 dólar por millón. La tasa de finalización máxima es de 65.536 tokens.

La ventana de 1 millón de tokens es grande, pero llenarla por completo tiene costo. Un agente que envía 500 mil tokens de contexto en cada llamada multiplica el gasto rápidamente. Planifica la adopción midiendo tokens por tarea y comparando con modelos más pequeños.

La disponibilidad reportada es alta, 99,91% en los últimos tres días, con un throughput de 55 tokens por segundo. Para flujos sensibles a la latencia, prueba antes de migrar. Si estás eligiendo entre modelos, SuperCLUE ayuda a comparar líderes por categoría.

Cómo probar Hy4 hoy

El camino más simple es vía OpenRouter, que expone el modelo con API compatible con OpenAI. Cambia el base URL y el model slug a tencent/hy4 y mantén el resto del código.

Antes de migrar un flujo real, ejecuta una prueba controlada: una tarea de análisis de repositorio con contexto largo, una tarea con imagen y una tarea con tool calling. Compara resultado, latencia y costo con el modelo actual.

Si el caso de uso es un agente de código con contexto largo y visión, Hy4 es un candidato fuerte. Si es una tarea corta y barata, un modelo más pequeño puede ser más eficiente.