A Tencent entrou de vez na disputa dos modelos de peso aberto. A empresa chinesa liberou nesta sexta-feira (28) a prévia do Hunyuan Hy4, sua nova geração de IA generativa, já disponível no Hugging Face para quem quiser baixar, testar e rodar em infraestrutura própria. Os números são de arrepiar: 770 bilhões de parâmetros no total, com cerca de 49 bilhões ativados a cada solicitação — o desenho clássico de arquitetura esparsa, que só “acorda” a parte do modelo necessária para cada tarefa e reduz o custo de processamento.
O outro destaque é a memória de trabalho. O Hy4 opera com janela de contexto acima de 1 milhão de tokens, o equivalente a despejar um repositório de código inteiro, uma pilha de contratos ou meses de documentação numa única conversa sem que o modelo perca o fio da meada. Não por acaso, a Tencent posiciona o Hy4 para tarefas longas e chatas: engenharia de software, trabalho administrativo, pesquisa científica e desenvolvimento de jogos — áreas em que a empresa já tem operação própria e planeja plugar o modelo em ferramentas como o CodeBuddy e o WorkBuddy.
O contexto ajuda a entender a pressa. Nos últimos meses, laboratórios chineses transformaram o código aberto em arma competitiva: o Kimi K3, da Moonshot AI, o GLM 5.3, da Z.ai, e o DeepSeek V4 Pro vêm entregando desempenho de ponta com licenças permissivas, enquanto as gigantes americanas mantêm seus melhores modelos fechados atrás de API. Quem lança pesos abertos ganha algo que dinheiro não compra rápido: desenvolvedores testando, publicando benchmarks e construindo produtos em cima.
Para o leitor brasileiro, o efeito prático é indireto, mas real. Modelo aberto e barato de rodar significa mais concorrência no preço das APIs que as startups daqui contratam, e a possibilidade de empresas com dados sensíveis — bancos, hospitais, escritórios de advocacia — rodarem IA em servidores próprios, sem mandar informação para fora. A ressalva é que a versão liberada ainda é prévia: não há data para o lançamento definitivo, e rodar um modelo desse tamanho localmente exige um parque de GPUs que praticamente nenhuma empresa de médio porte tem em casa. Na prática, o caminho mais provável por aqui continua sendo acessá-lo via nuvem.
