텐센트 훈위안 Hy4, 오픈소스로 공개하며 GLM-5.3을 근소하게 앞섰다

텐센트 산하 훈위안(Hunyuan) 팀이 8월 28일(현지시각) 차세대 대형언어모델 Hy4 프리뷰를 공개했다. 공개와 동시에 모델을 오픈소스로 풀었다. 총 파라미터는 7,700억 개, 실제 추론에 쓰이는 활성 파라미터는 490억 개다. 여러 전문가 서브 네트워크 중 일부만 활성화하는 혼합전문가(MoE, Mixture-of-Experts) 구조를 채택했다. 컨텍스트 윈도우는 100만 토큰을 넘는다. 코딩, 오피스 업무, 과학연구 등 실무형 과업에서 두드러진 성과를 냈다는 게 회사 설명이다. 모델은 워크버디(WorkBuddy), 코드버디(CodeBuddy), 위안바오(Yuanbao), ima 등 텐센트 제품에서 바로 써볼 수 있고 텐센트 클라우드 토큰허브(TokenHub)와 오픈라우터(OpenRouter) API로도 연결된다.

파라미터 두 배로 키운 배경, 두 달마다 신모델 낸다

전작 Hy3의 총 파라미터는 2,950억 개였다. Hy4 프리뷰는 이를 두 배 넘게 늘렸고 활성 파라미터 역시 두 배로 커졌다. 훈위안 팀은 모델 크기와 컨텍스트 길이, 학습 데이터 규모를 함께 확장하고 사전학습과 후속학습(post-training)을 동시에 개선해 지능 수준을 한 단계 끌어올렸다고 밝혔다.

올해 2월 인프라를 다시 구축한 이후 훈위안 팀은 평균 두 달에 한 번씩 주요 버전을 내놓고 있다. 로이터는 Hy4 프리뷰가 허깅페이스(Hugging Face)에 올라온 게시물을 통해 공개됐다고 전했다. 텐센트는 지난 4월 대형언어모델 훈위안 3.0을 발표했는데, 오픈AI 출신 연구원 Yao Shunyu를 영입해 AI 플랫폼 개발을 맡긴 뒤 나온 첫 대형 발표였다.

모델은 허깅페이스, 깃허브(GitHub), 모델스코프(ModelScope), Gitcode(깃코드)에 동시 공개됐다. 출시와 함께 워크버디와 코드버디에서 2주간 무료로 쓸 수 있고 Hy3의 무료 이용 기간도 9월 30일까지 연장됐다.

12개 벤치마크서 전작 압도…GLM-5.3·키미K3와 근소한 차이

터미널 명령줄 프로그래밍 능력을 재는 Terminal Bench 2.1에서 Hy4 프리뷰는 85.4점을 받았다. Hy3와 격차를 14.6점으로 벌렸다. 이 점수는 딥시크(DeepSeek) V4 프로를 넘어서고 클로드 오푸스5와 맞먹는 수준으로 1티어에 들었다는 설명이다. 실제 소프트웨어 엔지니어링 과업을 보는 DeepSWE에서는 Hy3의 28.0점에서 64.3점으로 뛰어올라 선두권과 격차를 크게 좁혔다.

도구 호출 능력을 오래 이어가며 측정하는 Toolathlon-Verified에서는 74.1점을 받아 큐원3.8 맥스와 GPT-5.6 솔을 앞섰고 키미K3, 클로드 오푸스5에 근접했다. 에이전트가 한 번에 과업을 성공시키는 비율을 보는 APEX-Agents(pass@1)에서는 37.1점으로 키미K3의 37.2점에 근소하게 못 미쳤다.

텐센트가 자체 진행한 블라인드 테스트도 이런 흐름을 뒷받침한다. 워크버디 환경에서 내부 전문가 163명이 203개 엔지니어링 과업을 평가한 결과 Hy4 프리뷰는 4점 만점에 2.99점을 받았다. GLM-5.3(2.92점)과 키미K3(2.94점)를 근소하게 앞선 결과다. GLM-5.3도 이 비교 대상에 포함된 것으로 알려졌다. 훈위안 팀은 12개 벤치마크 전체에서 Hy4 프리뷰가 한 번도 최하위를 기록하지 않았다고 강조했다. 총 파라미터와 활성 파라미터가 일부 1티어 경쟁 모델보다 훨씬 작은데도 나온 성적이라는 설명이다.

코딩부터 게임 제작까지…스스로 학습법 고치는 자기개선 루프

Hy4 프리뷰는 소프트웨어 엔지니어링, 오피스 분석, 게임 개발, 과학연구 네 가지 실무 시나리오에 맞춰 다듬어졌다. 소프트웨어 엔지니어링에서는 장기 개발 과업의 이해·계획·디버깅·검증 능력을 강화했고 프런트엔드 개발의 시각적 완성도와 상호작용 품질도 개선했다. 오피스 분석 시나리오에서는 복잡한 업무 환경 이해와 재무 분석 능력을 높였다. 데이터 분석과 여러 파일 간 협업을 최적화해 정보 처리부터 문서·스프레드시트·발표자료 작성까지 전체 워크플로를 지원한다.

게임 개발에서는 한 줄짜리 요청만으로 플레이 가능한 프로토타입을 만들어내고 게임 엔진을 다룰 수 있어 개발자가 여러 차례 대화를 이어가며 복잡한 프로젝트를 다듬을 수 있다. 과학연구 영역에서는 AI 연구개발, 분자동역학 시뮬레이션, 응집물질물리학, 기초수학 분야에서 진전을 보였다. 특히 Hyra와 함께 3차원 블라슈케-르베그(Blaschke–Lebesgue) 기하학 문제에서 부피 하한값을 0.380799에서 0.41104로 끌어올렸다. 마이스너 사면체(Meissner tetrahedron) 추측이 제시하는 값 0.41986과는 약 2%밖에 차이가 나지 않는다.

더 눈에 띄는 대목은 Hy4 프리뷰가 자기 개발 과정에 직접 참여했다는 점이다. 학습 방법, 데이터 전략, 평가 체계, 저수준 연산자(operator) 최적화 과정에 모델이 처음으로 관여해 아이디어를 제안하고 실험을 실행했다. 그 결과로 나온 코드와 로그, 피드백이 다음 실험 라운드에 투입되는 초기 단계의 재귀적 자기개선 루프가 만들어졌다. 모델은 자체 추론 시스템의 병목도 스스로 분석해 연산자 융합과 통신 최적화를 여러 차례 진행했다. 이를 통해 기준 대비 종단간(end-to-end) 처리량을 31.8% 끌어올렸다. 서로 다른 컨텍스트 길이와 동시 처리량 조건에서도 일관되게 성능이 향상됐다는 설명이다.

저렴한 API 가격, 그러나 여전히 초기 버전

API 가격은 입력 토큰 100만 개당 0.834달러, 출력 토큰 100만 개당 2.501달러, 캐시 적중 토큰은 100만 개당 0.042달러로 책정됐다. 상대적으로 낮은 비용에 고성능 모델을 제공해 접근성을 넓히겠다는 취지다.

다만 텐센트 측도 한계를 인정했다. Hy4 프리뷰는 Hy4 시리즈의 초기 버전으로 사전학습과 후속학습 모두 개선 여지가 남아 있다. 복잡한 과업에서 지나치게 오래 사고하거나 스스로 답을 과도하게 재검증하는 문제도 있다고 밝혔다. 로이터에 따르면 이 초기 공개 모델은 복잡한 질문을 처리할 때 필요 이상의 시간이 걸리거나 답변을 과도하게 재확인하는 경우가 있을 수 있다.

훈위안 팀은 코드버디, 워크버디와 지속적으로 공동 설계 작업을 벌여 실무 사용자 경험을 최적화하고 있다고 밝혔다. 텐센트는 Hy4 시리즈의 다음 모델도 곧 선보일 계획이라고 전했다. 로이터는 이번 공개가 경쟁이 갈수록 치열해지는 AI 시장에서 텐센트가 투자를 늘리는 시점에 나왔다고 전했다.