Hy4 آپریشن میں

Hy4 ٹینسنٹ ہونگ یوان کی جانب سے پیش کیا گیا فلیگ شپ بڑے ماڈل کا مکمل ورژن ہے۔ preview ورژن کے مقابلے میں اس میں پری ٹریننگ اور پوسٹ ٹریننگ کے پیمانے نمایاں طور پر بڑھائے گئے ہیں، اور پہلی بار بصری صلاحیت اور کمپیوٹر آپریشن کی صلاحیت شامل کی گئی ہے۔ یہ کمانڈ لائن اور گرافیکل انٹرفیس کو ملا کر پیشہ ورانہ سافٹ ویئر اور طویل مدتی کام مکمل کر سکتا ہے۔ Hy4 نے مالیاتی تحقیق، گیم ڈیولپمنٹ، فرنٹ اینڈ جنریشن اور سائنسی تحقیق و حساب جیسے حقیقی پیداواری منظرناموں میں نمایاں کارکردگی دکھائی ہے۔ سرکاری جائزوں میں یہ اوپن سورس ماڈلز کی پہلی صف میں شامل ہے۔ یہ Tencent Cloud اور OpenRouter پر دستیاب ہے، اور اسے CodeBuddy، WorkBuddy، Yuanbao اور ima جیسی مصنوعات میں آزمایا جا سکتا ہے۔ اس کی قیمت preview کے برابر ہے۔

بصری فہم اور کمپیوٹر آپریشن: پہلی بار بصری صلاحیت شامل کی گئی ہے۔ یہ ادراک، استدلال اور ٹول کالنگ کو ملا کر باریک بینی سے تصویری پروسیسنگ، پیچیدہ چارٹ تجزیہ اور ریاضیاتی بصری استدلال مکمل کر سکتا ہے، اور پہلی بار انسان کی طرح لچک کے ساتھ کمانڈ لائن اور گرافیکل انٹرفیس کے ذریعے کمپیوٹر چلانے کی سہولت فراہم کرتا ہے۔
فرنٹ اینڈ اور گیم ڈیولپمنٹ: پیچیدہ تعامل، کاروباری منطق، اسٹیٹ مینجمنٹ اور فرنٹ اینڈ و بیک اینڈ روابط کے لیے اسے بہتر بنایا گیا ہے۔ یہ UE، Unity اور Godot جیسے معروف انجنز کے ساتھ گہری مطابقت رکھتا ہے۔ GameDev اور GameLogic کے جائزوں میں preview کے مقابلے میں بالترتیب 19.1% اور 9.8% بہتری آئی ہے۔
مالیات اور دفتری کام: فنڈ ریسرچ، سیکیورٹیز تجزیہ اور مقداری حکمت عملی جیسے پیشہ ورانہ طریقۂ کار سیکھے گئے ہیں۔ سرکاری عوامی جائزے میں یہ اوپن سورس ماڈلز میں پہلے نمبر پر رہا، جبکہ hallucination کی شرح 15.76% سے کم ہو کر 5.45% ہو گئی۔ یہ انسان کے ساتھ حقیقی وقت میں Word، Excel اور PPT کی مشترکہ تدوین بھی سپورٹ کرتا ہے۔
سائنسی تحقیق اور ماڈل ڈیولپمنٹ: پیچیدہ استدلال، سائنسی پروگرامنگ اور طویل مدتی کاموں کے نفاذ کو ملا کر یہ تحقیقی کام کو ابتدا سے انتہا تک آگے بڑھا سکتا ہے۔ Hyra 2.0 کی مدد سے سرکاری Jev سے بہتر ماڈل خودکار طور پر تربیت دیے گئے، جبکہ HyCell اور HyPDE کے دو سائنسی بنیادی ماڈلز اوپن سورس کیے گئے۔
طویل مدتی ذاتی معاون: سیاقی سیکھنے کی صلاحیت بہتر ہوئی ہے۔ WorkBuddy کے انٹرپرائز وی چیٹ سوٹ کے ذریعے چیٹ ریکارڈ، ای میل، دستاویزات، شیڈول اور اجلاسوں کو مربوط کیا جا سکتا ہے۔ یہ زیرِ التوا کام خودکار طور پر شناخت کرتا، شیڈول یاد دلاتا اور ترجیحات طے کرنے میں مدد دیتا ہے۔

پیمانے میں توسیع اور sparse activation: Hy4 نے preview کے مقابلے میں پری ٹریننگ اور پوسٹ ٹریننگ کے پیمانے نمایاں طور پر بڑھائے ہیں، اور preview کی mixture-of-experts حکمت عملی کو برقرار رکھا ہے۔ preview میں کل 770B پیرامیٹرز اور 49B فعال پیرامیٹرز ہیں۔ اسی کے ساتھ 1M tokens کی ملین سطح کی context window برقرار رکھی گئی ہے تاکہ طویل متون کی سمجھ اور طویل مدتی کاموں کو سپورٹ کیا جا سکے۔
ملٹی موڈل انضمام: پہلی بار بصری انکوڈنگ کی صلاحیت کو متحدہ ماڈل میں شامل کیا گیا ہے، جس سے متن پر مبنی استدلالی سلسلہ تصویری ادراک کے نتائج استعمال کر سکتا ہے۔ اس طرح باریک تصویری پروسیسنگ، چارٹ تجزیہ اور بصری ریاضیاتی استدلال ممکن ہوتا ہے۔ فرنٹ اینڈ اور گیم ڈیولپمنٹ میں بہتری بھی بصری فہم، کوڈ جنریشن اور انجن ٹول کالنگ کی مشترکہ تربیت سے حاصل ہوئی ہے۔
Agentic ٹول کالنگ اور خصوصی پوسٹ ٹریننگ: ماڈل کو Blender، CAD جیسے پیشہ ورانہ سافٹ ویئر اور متعدد ایپلی کیشنز پر مشتمل طویل مدتی کاموں کے لیے خصوصی تربیت دی گئی ہے۔ یہ مشاہدہ، منصوبہ بندی، ٹول کالنگ اور نتائج کی توثیق کے چکر کو سیکھتا ہے۔ مالیاتی منظرناموں میں ہزاروں ورک اسپیسز اور دسیوں ہزار اعلیٰ معیار کے کاموں پر مبنی تربیتی ماحول بنایا گیا، جبکہ بروقت تلاش، متعدد ذرائع سے معلومات کے انضمام اور حقائق کی مطابقت کی جانچ کے لیے خصوصی سرچ آپٹیمائزیشن کی گئی، جس سے hallucination اور قیاسی غلطیوں میں کمی آئی۔
RL سے حقیقی کاموں کے ساتھ ہم آہنگی: گیمز (IEG کے اشتراک سے)، مالیات (213 ماہرین کے عوامی جائزے کی رائے)، دفتری دستاویزات، Honor of Kings کی کنفیگریشن اور بگ تجزیہ جیسے حقیقی کاروباری منظرنامے بڑے پیمانے کی reinforcement learning اور preference alignment کے لیے سگنل کا ذریعہ بنتے ہیں۔ اس سے ماڈل کی صلاحیت benchmark سے حقیقی پیداواری استعمال کی جانب منتقل ہوتی ہے۔

داخلہ منتخب کریں: عام صارفین Yuanbao، ima، WorkBuddy/CodeBuddy اور دیگر مصنوعات کھول کر براہِ راست Hy4 آزما سکتے ہیں۔ ڈیولپرز Tencent Cloud یا OpenRouter کے ذریعے API استعمال کر سکتے ہیں۔
اجازت حاصل کریں: صارفین Tencent سے متعلق اکاؤنٹ میں لاگ اِن ہو کر صارف مصنوعات استعمال کر سکتے ہیں۔ API صارفین کو Tencent Cloud پر Hunyuan سروس فعال کر کے API Key حاصل کرنا ہوگی۔
ماڈل کال کریں: ڈیولپرز اپنے کوڈ میں ماڈل کا نام Hy4 ترتیب دیں۔
استعمال کا منظرنامہ مربوط کریں: ضرورت کے مطابق متعلقہ صلاحیتیں مربوط کریں، مثلاً WorkBuddy کے ذریعے انٹرپرائز وی چیٹ کو طویل مدتی معاون کے طور پر جوڑیں، یا Yuanbao/ima میں براہِ راست ملٹی موڈل سوال و جواب، دستاویزات کی مشترکہ تدوین اور گہری تحقیق جیسے کام انجام دیں۔
اعلیٰ صلاحیتیں آزمائیں: بصری فہم، کمپیوٹر آپریشن، گیم ڈیولپمنٹ یا سائنسی حساب جیسی صلاحیتوں کے لیے Hy AI Studio یا CodeBuddy میں Agent کے طور پر کام جمع کریں، تاکہ Hy4 خود منصوبہ بندی کر کے اسے انجام دے سکے۔

کارکردگی اوپن سورس ماڈلز کی پہلی صف میں: مالیاتی عوامی جائزے کے 579 حقیقی کاموں میں 3.04/4 اسکور کے ساتھ اوپن سورس ماڈلز میں پہلے نمبر پر رہا۔ سائنسی TenureTrail جائزے میں بھی اوپن سورس ماڈلز میں پہلے نمبر پر آیا۔ سرکاری بیان کے مطابق یہ ”پہلی بار طاقتور ترین اوپن سورس ماڈلز میں شامل ہوا ہے“۔
بصری اور کمپیوٹر آپریشن کی صلاحیت کا اولین اضافہ: ملٹی موڈل ادراک اور GUI+کمانڈ لائن کے ذریعے کمپیوٹر آپریشن کی نئی صلاحیتیں شامل کی گئی ہیں۔ یہ Blender، CAD جیسے پیشہ ورانہ سافٹ ویئر چلا سکتا اور متعدد ایپلی کیشنز پر مشتمل طویل مدتی کام مکمل کر سکتا ہے۔
حقیقی پیداواری منظرناموں میں گہری بہتری: hallucination کی شرح 15.76% سے کم ہو کر 5.45% ہو گئی، دفتری دستاویزات کے کاموں کی تکمیل کی شرح تقریباً 97% رہی، جبکہ فرنٹ اینڈ، گیم ڈیولپمنٹ (GameDev +19.1%) اور مالیاتی تحقیق جیسے منظرناموں کو Tencent کے حقیقی اندرونی کاروباری ڈیٹا پر مبنی خصوصی تربیت حاصل ہے۔
ملین سطح کی context window اور طویل مدتی کام: 1M tokens کی context window برقرار رکھتے ہوئے طویل متون کی سمجھ، گہری تحقیق اور متعدد منصوبوں پر بیک وقت کام کرنے والے طویل مدتی معاون کی صلاحیت میں نمایاں اضافہ کیا گیا ہے۔

پروجیکٹ کی سرکاری ویب سائٹ: https://hy.tencent.com/research/hy4

مالیاتی تحقیق: فنڈ ریسرچ، سیکیورٹیز تجزیہ، مقداری حکمت عملی، ویلیوایشن ماڈلنگ اور انفرادی اسٹاک کی تحقیقی رپورٹس مکمل کریں۔ مالیاتی عوامی جائزے میں یہ اوپن سورس ماڈلز میں پہلے نمبر پر رہا، اور رسیدوں کی ترتیب اور مالیاتی و ٹیکس آڈٹ جیسے دفتری طریقۂ کار کو سپورٹ کرتا ہے۔
گیم ڈیولپمنٹ: UE، Unity اور Godot جیسے معروف انجنز کے ساتھ گہری مطابقت، جس میں فیچر امپلیمنٹیشن، گیم پلے منطق اور اثاثوں کی پروسیسنگ شامل ہے۔ اسے متعدد کھلاڑیوں والی آن لائن گیم ڈیولپمنٹ تک بھی وسعت دی گئی ہے، مثلاً قابلِ کھیل ”QQ欢乐街机厅“۔
فرنٹ اینڈ اور 3D ڈیولپمنٹ: پیچیدہ تعامل اور مکمل کاروباری منطق والے فرنٹ اینڈ انٹرفیس، نیز Three.js کے 3D ڈیجیٹل سینڈ ٹیبل جیسے کام تیار کریں، جبکہ خوبصورتی اور استعمال پذیری دونوں برقرار رہیں۔
سائنسی حساب: سائنسی کام کو ابتدا سے انتہا تک آگے بڑھائیں، مثلاً 1.5 گھنٹے میں 7 ملین خلیات والے چوہے کے جنین کی سہ جہتی تعمیر نو، ریاضیاتی قیاس کے جوابی مثال کی دریافت اور Lean رسمی توثیق، یا ماڈل ٹریننگ کے بنیادی ڈھانچے کی خودکار آپٹیمائزیشن۔
ذاتی دفتری کام اور طویل مدتی معاون: WorkBuddy کے انٹرپرائز وی چیٹ سوٹ کے ذریعے چیٹ ریکارڈ، ای میل، شیڈول اور اجلاسوں کو مربوط کریں، روزانہ کے کاموں کا بورڈ خودکار طور پر بنائیں، زیرِ التوا کام یاد دلائیں اور ترجیحات طے کرنے میں مدد دیں۔ Word/Excel/PPT کی انسان اور مشین کی مشترکہ تدوین بھی سپورٹ ہے۔