Tencent Hy4 vede, programma e usa il computer: la Cina sfida DeepSeek e Kimi, ma i pesi restano chiusi

📌 In Sintesi

• Tencent lancia Hy4 e porta l’intelligenza artificiale dentro il computer. Il nuovo modello comprende immagini, interpreta grafici e interagisce con terminali e interfacce grafiche, integrandosi negli strumenti aziendali WorkBuddy e CodeBuddy.
• Il modello definitivo non è ancora open-weight. Tencent promette di pubblicare i pesi e la documentazione di sicurezza nei prossimi giorni. Al momento del lancio è disponibile tramite API e servizi commerciali, mentre i pesi di Hy4 preview sono pubblici da agosto.
• Hy4 supera DeepSeek e Kimi in alcuni test interni, ma mancano conferme indipendenti. Tencent dichiara risultati superiori nella valutazione finanziaria condotta con 213 professionisti e 579 attività, oltre a miglioramenti nella programmazione e nella riduzione delle risposte inventate.
• La sicurezza informatica diventa una scelta industriale. Tencent dichiara di avere escluso materiali offensivi dall’addestramento e coinvolto i laboratori Xuanwu e Keen Security nella valutazione dei rischi cyber. Le verifiche pubbliche restano limitate in attesa della system card.

Tencent presenta Hy4 e porta la competizione cinese sull’intelligenza artificiale oltre la semplice generazione di testo. Il nuovo modello, annunciato il 4 novembre 2026, introduce capacità di comprensione delle immagini, analisi di grafici complessi e soprattutto computer use, la possibilità di interagire con software attraverso terminali e interfacce grafiche. Il gruppo di Shenzhen punta direttamente al mercato degli agenti AI aziendali, integrando Hy4 in WorkBuddy, CodeBuddy, Yuanbao e Tencent Cloud, mentre rivendica risultati competitivi nei confronti di DeepSeek, Kimi e GLM. La novità presenta però una distinzione decisiva: il modello definitivo è disponibile attraverso servizi commerciali, ma i suoi pesi non sono ancora stati pubblicati. Tencent promette di distribuirli insieme alla documentazione di sicurezza, dopo avere limitato l’utilizzo di dati destinati allo sviluppo di capacità informatiche offensive. Il lancio mostra quanto la competizione tra i principali laboratori cinesi si stia spostando dalla potenza dei modelli alla loro integrazione nei processi produttivi, con questioni ancora aperte su trasparenza, affidabilità e controllo delle azioni autonome.

Tencent lancia Hy4: un modello AI capace di vedere e utilizzare software

Il comunicato ufficiale di Tencent del 4 novembre 2026 presenta Hy4 come la nuova generazione del modello linguistico sviluppato dal gruppo cinese. La principale differenza rispetto a Hy4 preview, distribuito alla fine di agosto, riguarda l’introduzione della comprensione visiva e delle capacità di interazione diretta con gli strumenti informatici. La versione precedente era già progettata per compiti di produttività, programmazione e ricerca, ma il nuovo rilascio estende il suo campo operativo alle attività che richiedono di interpretare immagini e utilizzare applicazioni. Tencent descrive un sistema capace di eseguire elaborazioni visive dettagliate, comprendere grafici articolati e affrontare problemi che combinano informazioni testuali, matematiche e grafiche. La capacità di riconoscere il contenuto di un’immagine diventa particolarmente importante quando il modello deve individuare elementi all’interno di un’interfaccia software, interpretare un documento oppure utilizzare informazioni visualizzate sullo schermo per decidere l’operazione successiva.

La seconda novità consiste nel computer use, ovvero nell’interazione con strumenti a riga di comando e interfacce grafiche. Il modello non si limita quindi a proporre istruzioni che una persona dovrà eseguire, ma può essere integrato in sistemi capaci di richiamare strumenti ed effettuare operazioni informatiche. Tencent dichiara di avere dedicato una parte dell’addestramento all’utilizzo di software professionali, tra cui Blender e applicazioni CAD, per migliorare la pianificazione di attività complesse composte da numerosi passaggi. Il salto tecnologico riguarda il passaggio dalla risposta alla possibilità di agire. Un modello linguistico tradizionale può spiegare come modificare un documento o correggere una porzione di codice. Un agente dotato degli strumenti adeguati può invece cercare il documento, comprenderne il contenuto, effettuare modifiche e verificare il risultato. Questa capacità apre opportunità importanti per l’automazione, ma introduce anche esigenze di sicurezza differenti rispetto a quelle di un semplice sistema di conversazione.

Hy4 preview aveva già 770 miliardi di parametri e un milione di token

La base tecnologica di Hy4 deriva dalla famiglia Hunyuan, attraverso la quale Tencent ha progressivamente sviluppato modelli linguistici destinati sia ai prodotti consumer sia ai servizi professionali. La precedente versione, Hy4 preview, era stata presentata il 28 agosto 2026 con un’architettura Mixture-of-Experts (MoE) da 770 miliardi di parametri complessivi, dei quali 49 miliardi attivati per token, e una finestra di contesto superiore a un milione di token. Nel documento ufficiale di presentazione di Hy4 preview, Tencent aveva illustrato una struttura progettata per combinare capacità elevate ed efficienza computazionale. L’architettura Mixture-of-Experts permette di distribuire l’elaborazione tra diversi gruppi di parametri, attivando soltanto una parte del modello durante una specifica operazione. La presenza di 770 miliardi di parametri non significa quindi che tutti vengano utilizzati contemporaneamente per ogni token generato.

Questa distinzione è importante quando si confrontano modelli con architetture differenti. Un sistema dotato di un numero molto elevato di parametri totali può richiedere risorse considerevoli per essere conservato in memoria e distribuito sull’infrastruttura, pur utilizzandone una parte inferiore durante l’inferenza. Le prestazioni effettive dipendono dall’architettura, dall’implementazione, dall’hardware disponibile e dalla gestione delle richieste.

La finestra di contesto da circa un milione di token, documentata per la versione preview, permette di elaborare grandi quantità di informazioni all’interno della stessa richiesta. In termini applicativi, significa poter affrontare documentazione tecnica estesa, repository software complessi e materiali che richiedono collegamenti tra sezioni distanti. Un contesto molto ampio, tuttavia, non garantisce automaticamente che il modello utilizzi tutte le informazioni con precisione: la capacità nominale di accettare dati e l’affidabilità del ragionamento su quei dati sono caratteristiche differenti. Per il modello definitivo, il nuovo comunicato non pubblica ancora una scheda tecnica completa che permetta di confermare indipendentemente ogni dettaglio architetturale. Le specifiche della preview rappresentano dunque il riferimento tecnico pubblico disponibile, mentre la documentazione completa di Hy4 dovrà chiarire gli eventuali cambiamenti introdotti nella versione finale.

WorkBuddy e CodeBuddy trasformano Hy4 in un agente per le imprese

La strategia di Tencent emerge soprattutto dall’integrazione di Hy4 nei propri strumenti di lavoro. WorkBuddy viene presentato come un ambiente nel quale l’intelligenza artificiale può collaborare con gli utenti su documenti, informazioni aziendali e attività organizzative. CodeBuddy, invece, concentra il proprio impiego sullo sviluppo software, utilizzando il modello per comprendere il codice, proporre modifiche e assistere i programmatori nello svolgimento di attività complesse. Il gruppo cinese attribuisce particolare importanza al collegamento tra WorkBuddy e WeCom, la piattaforma di collaborazione aziendale dell’ecosistema Tencent. Attraverso le integrazioni previste, Hy4 può utilizzare informazioni provenienti da chat, email, documenti, calendari e riunioni, costruendo una rappresentazione delle attività in corso. Il sistema viene descritto come capace di individuare compiti rimasti incompleti, appuntamenti che richiedono preparazione e scadenze prossime.

Il valore commerciale non deriva soltanto dal modello, ma dall’accesso organizzato al contesto operativo. Un agente che conosce la documentazione di un progetto e può interagire con gli strumenti utilizzati quotidianamente dai dipendenti dispone di condizioni molto diverse rispetto a un chatbot che riceve soltanto una domanda isolata. Tencent annuncia inoltre una futura funzione Projects per WorkBuddy, destinata a rafforzare la collaborazione tra più persone e la gestione di attività condivise. L’azienda punta quindi a trasformare il modello in un componente permanente dei processi professionali, anziché proporlo esclusivamente come servizio di generazione testuale.

L’integrazione con strumenti aziendali richiede però controlli rigorosi. Un agente che può accedere a messaggi, documenti e calendari deve operare nel rispetto delle autorizzazioni attribuite all’utente e delle politiche di sicurezza dell’organizzazione. Disporre del contesto necessario a svolgere un’attività non significa avere automaticamente il permesso di accedere a qualunque informazione o eseguire qualsiasi operazione. Per le imprese che valuteranno Hy4, la questione principale sarà quindi comprendere quali dati vengano trasmessi ai servizi del fornitore, quali strumenti possano essere richiamati e come vengano registrate le azioni effettuate. La produttività promessa dall’automazione deve essere accompagnata da una struttura di controllo adeguata alla sensibilità delle informazioni trattate.

Tencent dichiara risultati superiori a DeepSeek e Kimi nei test finanziari

La competizione con gli altri laboratori cinesi viene affrontata attraverso una serie di valutazioni dedicate ad attività professionali. Tencent attribuisce particolare importanza al settore finanziario, nel quale dichiara di avere sottoposto Hy4 a una valutazione condotta insieme a Tencent Financial Technology. Il test coinvolge 213 professionisti della finanza, dei quali 153 provenienti da istituzioni esterne. Secondo il comunicato, circa il 70% dei partecipanti possiede più di cinque anni di esperienza professionale. La valutazione comprende 579 attività reali, destinate a misurare la capacità dei modelli di affrontare problemi riconducibili alla ricerca finanziaria, all’analisi dei titoli e alla gestione di informazioni specialistiche.

Il risultato presenta Hy4 in vantaggio sui modelli concorrenti considerati, ma la valutazione è organizzata dallo stesso gruppo che sviluppa il modello. Il coinvolgimento di professionisti esterni non equivale automaticamente a una verifica indipendente della metodologia, della selezione dei compiti o delle condizioni applicate ai diversi sistemi. Tencent dichiara inoltre un miglioramento di 12,03 punti percentuali rispetto a Hy4 preview nel proprio benchmark dedicato agli agenti per la ricerca sugli investimenti, sviluppato con il contributo dell’azienda specializzata Rabyte. Anche questo dato misura un progresso in uno specifico ambiente di valutazione e non autorizza a concludere che Hy4 sia superiore in ogni applicazione finanziaria. La necessità di distinguere i benchmark trova conferma nei precedenti confronti tra modelli cinesi. Il risultato di DeepSeek V4.1 Flash nella WebDev Arena riguarda infatti una categoria specifica di sviluppo web, valutata attraverso criteri differenti da quelli impiegati per l’analisi finanziaria. I benchmark diventano realmente utili quando descrivono con precisione il compito misurato. Un risultato positivo nella ricerca finanziaria non dimostra automaticamente una maggiore affidabilità nella programmazione, nella sicurezza informatica o nel ragionamento matematico avanzato.

Le allucinazioni diminuiscono, ma Tencent non elimina gli errori

Uno degli aspetti più interessanti dell’annuncio riguarda il miglioramento dichiarato nella qualità delle risposte. Tencent sostiene di avere introdotto ottimizzazioni specifiche per la ricerca di informazioni aggiornate, l’integrazione di fonti differenti e il controllo della coerenza fattuale. Nei test interni, il tasso di allucinazioni sarebbe sceso dal 12,95% di Hy4 preview al 7,2% della nuova versione. Gli errori riconducibili ad assunzioni non supportate diminuirebbero invece dal 23,1% al 5,6%. Sono risultati significativi all’interno della metodologia utilizzata dall’azienda, ma devono essere interpretati tenendo conto dell’assenza di una valutazione pubblica completa e riproducibile.

Ridurre la frequenza delle risposte inventate non significa aver eliminato il problema dell’affidabilità. Un sistema che produce contenuti corretti nella maggioranza dei casi può comunque generare errori rilevanti quando deve elaborare informazioni incomplete, interpretare istruzioni ambigue o ricostruire rapporti tra documenti. Il problema diventa ancora più importante quando il modello può utilizzare direttamente strumenti informatici. In una normale conversazione, un’informazione sbagliata può essere individuata e corretta dall’utente prima che venga impiegata. Un agente autorizzato a modificare documenti, eseguire comandi o aggiornare sistemi potrebbe invece tradurre un’interpretazione errata in un’azione operativa. Per le applicazioni aziendali, la misura dell’affidabilità deve quindi includere non soltanto la correttezza delle risposte, ma anche la capacità di riconoscere l’incertezza, rispettare i confini delle autorizzazioni e interrompere un’attività quando mancano informazioni sufficienti. Tencent descrive il miglioramento come il risultato di una maggiore integrazione tra ricerca, ragionamento e verifica. La conferma della sua efficacia richiederà però prove indipendenti, soprattutto nei processi che coinvolgono informazioni finanziarie, dati riservati e applicazioni professionali.

Programmazione, videogiochi e ricerca scientifica diventano nuovi mercati

Hy4 viene sviluppato anche per attività che richiedono interazioni prolungate con ambienti software. Tencent dichiara di avere lavorato con i propri sviluppatori professionali per rafforzare le capacità del modello nell’implementazione di interfacce web, nella gestione della logica applicativa e nel coordinamento tra componenti frontend e backend. Nel settore videoludico, il gruppo sfrutta l’esperienza accumulata attraverso Tencent Interactive Entertainment Group, coinvolgendo professionisti che utilizzano motori come Unreal Engine, Unity e Godot. L’obiettivo consiste nel rendere il modello capace di affrontare progetti con interazioni complesse, gestione dello stato e componenti multiplayer.

Secondo i risultati comunicati dall’azienda, Hy4 migliora del 19,1% nel benchmark GameDev e del 9,8% in GameLogic rispetto alla versione preview. I dati indicano progressi nelle prove utilizzate da Tencent, ma non documentano da soli la capacità di realizzare autonomamente un videogioco completo e pronto per la commercializzazione. Le applicazioni scientifiche rappresentano un ulteriore settore di interesse. Il modello viene valutato con TenureTrail, un insieme di 123 attività eseguibili distribuite su sette discipline, che comprendono costruzioni matematiche, modellazione fisica, scienze ambientali, ingegneria dei sistemi e analisi socioeconomiche.

Tencent presenta inoltre Hyra 2.0, un ambiente utilizzato per supportare attività di miglioramento dei modelli e ottimizzazione delle infrastrutture di addestramento. Attraverso questo sistema, Hy4 avrebbe contribuito a perfezionare alcuni componenti destinati all’addestramento di modelli più piccoli con architetture affini. Il gruppo annuncia anche la disponibilità di HyCell, dedicato alla rappresentazione dei dati cellulari, e HyPDE, orientato ai problemi collegati ai campi fisici. L’obiettivo industriale è costruire una famiglia di strumenti specializzati intorno al modello generale, ampliando le applicazioni dell’intelligenza artificiale oltre il mercato degli assistenti conversazionali. La direzione è coerente con la trasformazione dell’AI in un’infrastruttura per lo sviluppo software, la ricerca e le attività produttive. Rimane però indispensabile distinguere le dimostrazioni tecniche dalle prestazioni verificate attraverso utilizzi reali e ripetibili.

La sicurezza informatica diventa un limite deliberato nell’addestramento

La novità più delicata riguarda le scelte effettuate durante l’addestramento. Tencent dichiara di avere utilizzato dati di cybersecurity difensiva, privilegiando attività di analisi, comprensione delle vulnerabilità e sviluppo delle correzioni. L’azienda sostiene invece di avere escluso materiali specificamente orientati allo sfruttamento offensivo dei sistemi informatici. Il comunicato menziona esplicitamente reverse engineering, penetration testing e proof-of-concept nel contesto delle attività analitiche e difensive. Queste discipline hanno un carattere potenzialmente dual-use, perché alcune tecniche possono essere impiegate tanto per migliorare la sicurezza quanto per individuare debolezze sfruttabili. La scelta di escludere determinate categorie di dati non elimina automaticamente ogni possibile utilizzo offensivo delle competenze acquisite dal modello.

Per le valutazioni di sicurezza, Tencent coinvolge gli specialisti di Xuanwu Lab e Keen Security Lab, due strutture del proprio ecosistema impegnate nella ricerca sulle vulnerabilità. Le prove comprendono reverse engineering crittografico, deoffuscamento di programmi binari e verifiche relative allo sfruttamento delle vulnerabilità. Secondo Tencent, le valutazioni interne non evidenziano criticità significative nelle capacità offensive del modello negli ambiti esaminati. La formulazione deve essere mantenuta entro questi limiti: non equivale a una certificazione indipendente dell’impossibilità di utilizzare Hy4 per attacchi informatici.

Il problema della sicurezza è particolarmente rilevante per un modello destinato alla distribuzione dei pesi. Quando un’azienda mette a disposizione i parametri del proprio sistema, gli operatori possono eseguirlo all’interno di infrastrutture controllate direttamente, modificando componenti e modalità di utilizzo. Alcune protezioni applicate attraverso un servizio commerciale possono quindi diventare meno efficaci quando il modello viene distribuito al di fuori dell’ambiente originario. La distinzione è già emersa nel caso di Kimi K3.1 Pro e delle limitazioni imposte da Moonshot AI alle capacità informatiche offensive. Il precedente mostra che ridurre deliberatamente le prestazioni in alcuni compiti di sicurezza non significa necessariamente eliminare le capacità sottostanti. Tencent entra così in un confronto industriale nel quale la pubblicazione dei modelli deve essere bilanciata con la valutazione dei loro possibili impieghi ostili. La futura documentazione di sicurezza sarà determinante per comprendere quali test siano stati svolti, quali capacità siano state misurate e quali rischi residui l’azienda abbia individuato.

Gli agenti AI possono diventare un rischio anche senza capacità offensive avanzate

Il computer use introduce una categoria di rischi distinta dalla capacità del modello di produrre codice pericoloso. Un agente informatico può essere dotato di autorizzazioni per utilizzare strumenti, visitare siti web, aprire documenti e trasferire informazioni. Anche quando il modello è stato addestrato per ridurre determinati comportamenti offensivi, un errore nella gestione delle istruzioni o delle autorizzazioni può provocare conseguenze operative. La differenza emerge quando un agente incontra contenuti non affidabili. Una pagina web o un documento possono contenere istruzioni che il modello non dovrebbe eseguire, perché provengono da una fonte esterna al soggetto autorizzato a controllare l’attività. Se il sistema non mantiene una separazione adeguata tra dati e istruzioni, rischia di modificare il proprio comportamento sulla base di informazioni che avrebbe dovuto soltanto leggere.

Il tema richiama il precedente delle attività di agenti AI osservate su infrastrutture Tencent Cloud durante interrogazioni ai servizi cartografici di Alibaba. Le analisi indipendenti avevano individuato traffico riconducibile a un’infrastruttura cloud e comportamenti automatizzati non previsti, senza dimostrare che le attività fossero state commissionate o dirette da Tencent. Quel caso non costituisce una prova di comportamento malevolo di Hy4, né dimostra un collegamento tra il modello appena rilasciato e gli agenti precedentemente osservati. Rappresenta però un esempio concreto delle difficoltà di attribuzione e controllo che possono emergere quando sistemi autonomi utilizzano servizi esterni attraverso infrastrutture condivise.

Tencent dichiara di voler rafforzare controlli e monitoraggio dei propri ambienti, ma la verifica dell’efficacia delle protezioni richiederà elementi tecnici ulteriori. Per le organizzazioni che adotteranno Hy4, la priorità sarà distinguere le capacità del modello dalle autorizzazioni concesse all’agente che lo utilizza. Un sistema può essere molto competente nella programmazione e nella comprensione delle interfacce senza dover necessariamente possedere privilegi amministrativi, accesso indiscriminato ai documenti o facoltà di eseguire operazioni irreversibili. La sicurezza dipende quindi anche dall’architettura del prodotto che incorpora il modello, non soltanto dalle restrizioni introdotte durante l’addestramento.

I pesi di Hy4 non sono ancora pubblici: il nodo dell’open-weight

Tencent presenta Hy4 come un modello destinato alla comunità open source, ma il rilascio del 4 novembre avviene inizialmente attraverso servizi e piattaforme commerciali. L’azienda dichiara che i pesi del modello e le system card saranno pubblicati nei prossimi giorni, senza fornire ancora una data definitiva. La distinzione rispetto alla precedente versione preview è importante. Hy4 preview era già stato distribuito con i pesi disponibili pubblicamente, permettendo agli sviluppatori di scaricare il modello e utilizzarlo secondo le condizioni previste dalla relativa licenza. Per Hy4 definitivo, invece, la disponibilità iniziale riguarda l’accesso attraverso Tencent Cloud TokenHub, OpenRouter e le applicazioni dell’ecosistema Tencent.

Un modello accessibile tramite API non diventa automaticamente open-weight. L’interfaccia permette agli utenti di inviare richieste e ricevere risultati, ma non concede necessariamente la possibilità di scaricare, ispezionare e distribuire i parametri del sistema. Anche l’espressione open source richiede precisione. La pubblicazione dei pesi costituisce una forma di apertura importante, ma non implica automaticamente la disponibilità del codice completo di addestramento, dei dataset utilizzati e delle informazioni necessarie a riprodurre integralmente il processo di sviluppo. Per questo, nel mercato dei grandi modelli linguistici, la definizione open-weight viene spesso utilizzata per indicare prodotti che consentono l’esecuzione autonoma del modello senza rendere completamente aperto ogni elemento della filiera. La futura pubblicazione permetterà di verificare anche la licenza applicata alla versione definitiva, le eventuali restrizioni e le condizioni previste per gli impieghi commerciali. Attribuire oggi a Hy4 la stessa licenza della preview senza una conferma ufficiale sarebbe prematuro. Questa fase rende inoltre difficile effettuare verifiche indipendenti complete. Gli sviluppatori possono valutare il comportamento del modello tramite API, ma non dispongono ancora necessariamente degli strumenti necessari per esaminarne direttamente i pesi o riprodurre alcuni esperimenti in ambienti controllati.

Hy4 mantiene i prezzi della preview e Tencent offre uno sconto del 50%

La concorrenza non riguarda soltanto le prestazioni. Tencent punta anche sul costo di utilizzo per sviluppatori e imprese che intendono integrare l’intelligenza artificiale nei propri servizi. Il comunicato ufficiale indica per Hy4 prezzi di riferimento di circa 0,90 dollari per milione di token in ingresso, 2,70 dollari per milione di token in uscita e 0,045 dollari per milione di token in ingresso recuperati dalla cache. Si tratta di valori indicativi pubblicati dall’azienda, mentre il costo effettivo può dipendere dal canale di accesso e dalle condizioni commerciali applicate. Tencent annuncia inoltre uno sconto del 50% sulle tariffe di Tencent Cloud TokenHub fino al 31 dicembre 2026, mentre WorkBuddy e CodeBuddy saranno disponibili gratuitamente nella finestra promozionale compresa tra il 4 e il 15 novembre.

Il prezzo dei token rappresenta soltanto una componente del costo complessivo dell’automazione. Un agente che esegue numerose operazioni, richiama strumenti esterni e deve verificare più volte i risultati può consumare una quantità considerevole di risorse, anche quando la tariffa di base appare competitiva. Per le imprese, la valutazione economica dovrà comprendere la durata dei compiti, il numero di tentativi necessari per completarli, le risorse impiegate e il costo della supervisione umana. Un modello meno costoso per singola richiesta non è necessariamente più conveniente se produce un numero maggiore di errori o richiede numerose correzioni.

Tencent annuncia anche una futura variante Hy4 Flash, destinata a offrire un rapporto più favorevole tra costo e prestazioni. La società non fornisce ancora tutti gli elementi necessari per confrontarne concretamente capacità, limiti e prezzo con la versione principale. La strategia risponde a una dinamica già osservata nel mercato dell’intelligenza artificiale: la riduzione dei costi dell’inferenza può favorire la diffusione dei modelli, ma la sostenibilità commerciale dipende dalla possibilità di trasformare l’utilizzo in servizi produttivi e ricavi continuativi.

La Cina sfida i modelli occidentali puntando su prezzi e integrazione

Il rilascio di Hy4 si inserisce nella competizione tra Tencent, DeepSeek, Moonshot AI, Alibaba e Zhipu AI, protagonisti di una rapida evoluzione dell’ecosistema cinese dei modelli linguistici. Le aziende cercano di migliorare contemporaneamente prestazioni, costi di inferenza e capacità di eseguire compiti complessi attraverso strumenti esterni. L’elemento distintivo di Tencent consiste nella possibilità di utilizzare un ecosistema già sviluppato per imprese, comunicazione, software e servizi cloud. Il gruppo non deve costruire da zero un ambiente commerciale intorno a Hy4: può integrarlo in prodotti che possiedono già utenti, processi e infrastrutture operative. La situazione richiama il confronto sulla riduzione della distanza tra modelli open-weight cinesi e sistemi proprietari occidentali, nel quale disponibilità delle infrastrutture, efficienza dell’inferenza e accessibilità economica rappresentano variabili decisive. L’accesso a modelli capaci di operare attraverso interfacce software può inoltre modificare le condizioni competitive delle applicazioni aziendali. Le imprese che sviluppano sistemi di automazione possono utilizzare modelli differenti attraverso API, riducendo la dipendenza da un singolo fornitore quando le architetture applicative lo consentono.

Il vantaggio competitivo non deriva necessariamente dall’essere il modello migliore in ogni benchmark. Diventa rilevante la capacità di fornire un servizio affidabile, economico e facilmente integrabile nelle attività esistenti. Tencent riconosce comunque che Hy4 mantiene alcune debolezze rispetto ai sistemi proprietari più avanzati, in particolare nei problemi matematici di ricerca, nelle attività di programmazione particolarmente lunghe e in alcuni compiti di ragionamento visivo. Il riconoscimento impedisce di interpretare il lancio come la dimostrazione di una superiorità generale rispetto alla frontiera tecnologica internazionale. La competizione si sviluppa quindi su più livelli. DeepSeek punta sull’efficienza e sulle prestazioni dei modelli aperti, Moonshot sviluppa sistemi per compiti complessi e Tencent cerca di collegare direttamente intelligenza artificiale e produttività aziendale. La capacità di distribuire queste tecnologie attraverso prodotti concreti può diventare importante quanto il risultato ottenuto nei test.

Per le imprese europee il problema è scegliere dove finiscono i dati

L’arrivo di un modello dotato di computer use introduce opportunità per le imprese che intendono automatizzare attività documentali, sviluppo software e processi organizzativi. Allo stesso tempo, il suo impiego richiede di valutare attentamente il percorso seguito dalle informazioni aziendali. La disponibilità attraverso servizi cloud implica che le organizzazioni debbano comprendere dove vengono elaborati i dati, quali soggetti possono accedervi e quali condizioni contrattuali disciplinano il trattamento delle informazioni. La nazionalità del fornitore non basta da sola a determinare le modalità effettive di trattamento, che dipendono dall’architettura utilizzata e dagli accordi applicabili.

Per il mercato europeo, la questione coinvolge anche il quadro normativo sulla protezione dei dati e sulla sicurezza dei sistemi informatici. Un agente che accede a documentazione riservata, sistemi di sviluppo o ambienti amministrativi richiede controlli adeguati alle informazioni elaborate e alle operazioni consentite. La pubblicazione dei pesi di Hy4 potrebbe ampliare le possibilità di eseguire il modello su infrastrutture controllate direttamente dagli utilizzatori. Tuttavia, la disponibilità dei pesi non garantisce automaticamente che il modello possa essere eseguito facilmente su hardware aziendale ordinario, soprattutto considerando le dimensioni documentate per Hy4 preview. La scelta tra utilizzo tramite API e distribuzione autonoma dipenderà quindi da costi, disponibilità di acceleratori, requisiti di sicurezza e capacità tecnica dell’organizzazione. Per le imprese europee la questione decisiva non consiste soltanto nel confrontare i benchmark, ma nel valutare l’intero sistema attraverso il quale il modello viene utilizzato. Le autorizzazioni degli agenti, la gestione delle informazioni e la possibilità di verificare le operazioni diventano componenti essenziali della decisione tecnologica.

Hy4 dimostra che la competizione AI si sposta dai chatbot agli agenti

Il lancio di Tencent Hy4 segna un passaggio importante nella strategia cinese sull’intelligenza artificiale. Visione, interazione con il computer e integrazione nei prodotti aziendali mostrano che la competizione non riguarda più soltanto la capacità di generare testi convincenti o risolvere problemi di ragionamento. Tencent cerca di trasformare il proprio modello in uno strumento capace di svolgere attività all’interno di sistemi già utilizzati da professionisti e imprese. La possibilità di operare su documenti, strumenti di programmazione e applicazioni specialistiche rappresenta una direzione industriale concreta, che potrebbe incidere sulla distribuzione del lavoro tra persone e software.

I risultati presentati dall’azienda suggeriscono progressi nella produttività, nella ricerca finanziaria e nella programmazione. Restano però valutazioni prevalentemente interne, che richiedono confronti indipendenti prima di poter essere considerate una dimostrazione generale della superiorità del modello. La decisione di limitare i dati relativi alla cybersecurity offensiva mostra inoltre che la sicurezza è diventata parte integrante della progettazione e della commercializzazione dell’intelligenza artificiale. Il valore di queste precauzioni dovrà essere misurato attraverso documentazione tecnica, prove riproducibili e osservazione del comportamento dei sistemi in condizioni reali.

La distinzione principale rimane quella tra annuncio e disponibilità effettiva. Hy4 è accessibile attraverso le piattaforme commerciali, ma i pesi del modello definitivo e la relativa documentazione di sicurezza sono ancora attesi. Soltanto la loro pubblicazione permetterà di valutare più approfonditamente il grado di apertura e la riproducibilità di alcune affermazioni del produttore. La Cina continua così ad ampliare la propria presenza nel mercato dei modelli AI avanzati, proponendo sistemi sempre più integrati nei processi produttivi. Tencent non presenta soltanto un nuovo modello linguistico: propone un’intelligenza artificiale destinata a operare direttamente nei software e nelle attività aziendali. Il suo successo dipenderà dalla capacità di mantenere le promesse sulle prestazioni, rendere verificabili le dichiarazioni di sicurezza e dimostrare che l’automazione può aumentare la produttività senza compromettere il controllo sulle informazioni e sulle operazioni.