उच्च मांग के कारण Tencent ने WorkBuddy के लिए Hy4 मॉडल की क्षमता दस गुना बढ़ा दी

Tencent ने अपने प्रमुख आर्टिफिशियल इंटेलिजेंस मॉडल Hy4 का अनावरण किया है, जिसमें विज़ुअल समझ और कंप्यूटर के साथ इंटरैक्ट करने की क्षमताएं हैं। मॉडल का शुभारंभ 4 नवंबर को हुआ।

Hy4 ग्राफ़ और दस्तावेज़ों का विश्लेषण करने, कई छवियों के आधार पर तर्क करने, और कमांड लाइन तथा ग्राफिकल इंटरफेस के उपकरणों को नियंत्रित करने में सक्षम है। प्रशिक्षण प्रक्रिया में Blender और CAD सॉफ़्टवेयर जैसे एप्लिकेशन शामिल हैं, साथ ही एक साथ कई प्रोग्रामों में काम करने की आवश्यकता वाले कार्य भी शामिल हैं।

मॉडल Hy4 में 770 बिलियन पैरामीटर हैं और यह Tencent के अपने उत्पादों के साथ-साथ OpenRouter सहित तृतीय-पक्ष प्लेटफार्मों के माध्यम से भी उपलब्ध है। कंपनी जल्द ही मॉडल के वज़न और एक विशेष सिस्टम कार्ड को प्रकाशित करने की योजना बना रही है।

Hy4 के पूर्वावलोकन की तुलना में API मूल्य निर्धारण मानक वही रहता है: इनपुट टोकन के एक मिलियन के लिए लागत $0.834 और आउटपुट टोकन के एक मिलियन के लिए $2.501 है। इसके अलावा, 31 दिसंबर तक Tencent Cloud TokenHub पर 50% की छूट दी जा रही है।

Tencent ने Hy4 को WorkBuddy और CodeBuddy उत्पादों में एकीकृत किया है, जिससे 4 से 15 नवंबर तक सीमित मुफ्त उपयोग सीमा प्रदान की गई है। एक अधिक किफायती संस्करण Hy4 Flash बनाने की भी योजना है। कंपनी ने उल्लेख किया कि विकास कार्यालय कार्यों, वित्तीय विश्लेषण और गेम निर्माण पर केंद्रित था, जिसमें विकास टीमों ने वास्तविक कार्यप्रवाहों के आधार पर मॉडल को प्रशिक्षित और मूल्यांकन करने में मदद की।

Tencent Cloud ने WAND-Vega, एक मल्टीमॉडल एप्लिकेशन मॉडल, और रियल-टाइम इंटेलिजेंस नामक एक इंटरैक्शन सेवा के साथ-साथ अपने क्लाउड कॉन्टैक्ट सेंटर के लिए एक AI वॉयस एजेंट लॉन्च करने की घोषणा की। इन उत्पादों को 30 अक्टूबर को Tencent ग्लोबल डिजिटल इकोसिस्टम समिट के हिस्से के रूप में एक मल्टीमॉडल सत्र में प्रस्तुत किया गया था।

WAND Tencent Cloud का ब्रांड है जो ऑडियो और वीडियो AI पर केंद्रित है। यह Hunyuan मॉडल और अन्य प्रमुख मल्टीमॉडल मॉडलों, जिसमें WAND-Vega भी शामिल है, को एक साथ लाता है, साथ ही मीडिया सामग्री प्रोसेसिंग के लिए 100 से अधिक टूल भी प्रदान करता है। ये उपकरण जनरेशन, समझ, प्रोसेसिंग और एन्कोडिंग को कवर करते हैं, और कंपनियां इन्हें मानक API और मौजूदा क्लाउड उत्पादों के माध्यम से उपयोग कर सकती हैं।

WAND-Vega का अद्यतन संस्करण व्यापक रूप से उपयोग किए जाने वाले ओपन-सोर्स मॉडलों पर आधारित है जिन्हें Tencent ने काफी अनुकूलित किया है। यह छवियों, वीडियो और भाषण को उत्पन्न और समझ सकता है, और विज्ञापन, ई-कॉमर्स, लघु नाटकीय श्रृंखलाओं और कॉमिक्स के क्षेत्रों के साथ-साथ AI सामग्री निर्माण टूल प्लेटफॉर्म में उपयोग के लिए तैयार किया गया है। इसके अलावा, सितंबर में जारी प्रारंभिक मॉडल Hy Image 3.5, पोस्टर, स्टोरीबोर्ड और ई-कॉमर्स के लिए विज़ुअल कंटेंट बनाने हेतु WAND में शामिल हो गया है।

Tencent के बयानों के अनुसार, WAND अब 2000 से अधिक कंपनियों को सेवा प्रदान करता है और प्रतिदिन 4.5 मिलियन से अधिक छवियां और 3 मिलियन सेकंड का वीडियो उत्पन्न करता है, जिससे ग्राहकों को सामग्री उत्पादन की कुल लागत में लगभग 20% की कमी करने में मदद मिलती है। कंपनी बताती है कि एक छोटी नाटकीय श्रृंखला बनाने में लगने वाला समय, जो पहले हफ्तों का होता था, अब स्क्रिप्ट से लेकर तैयार संपादन तक केवल कुछ घंटों में पूरा किया जा सकता है। 2026 विश्व कप के दौरान, WAND ने 17 देशों और क्षेत्रों में आधिकारिक प्रसारण प्लेटफार्मों को तकनीकी सेवाएं प्रदान कीं। चीन में आगामी APEC बैठकों में, सिस्टम मीडिया सिग्नल वितरण, AI के माध्यम से बहुभाषी सबटाइटलिंग और मोबाइल उपकरणों के लिए वर्टिकल स्क्रीन अनुकूलन में संलग्न होगा।

रियल-टाइम इंटेलिजेंस सेवा कम विलंबता वाली वैश्विक नेटवर्क और Tencent के वास्तविक समय इंजीनियरिंग समाधानों का उपयोग करती है, जिसमें स्पीच रिकग्निशन, स्पीच सिंथेसिस और रियल-टाइम रेंडरिंग जैसी सुविधाएँ जोड़ी जाती हैं। यह दो प्रकार के एजेंट प्रदान करता है: रियल-टाइम डायलॉग एजेंट उपयोगकर्ताओं को संवाद को बाधित किए बिना बातचीत को रोकने और स्पष्टीकरण प्रश्न पूछने की अनुमति देते हैं, जबकि रियल-टाइम अंडरस्टैंडिंग एजेंट बिखरी हुई बातचीत को संरचित जानकारी में परिवर्तित करते हैं। कंपनियां पूरे पैकेज या व्यक्तिगत क्षमताओं, जैसे कि समवर्ती अनुवाद और रियल-टाइम वीडियो जनरेशन को एकीकृत कर सकती हैं। Tencent बताता है कि इस सेवा का उपयोग स्वास्थ्य सेवा, लॉजिस्टिक्स, AI-आधारित साथी और साक्षात्कार प्रशिक्षण में किया जाता है।

Tencent Cloud के लिए AI वॉयस एजेंट कॉन्टैक्ट सेंटर फोन कॉल के लिए अनुकूलित डायलॉग मॉडल का उपयोग करता है ताकि आने वाली कॉल्स, आउटगोइंग फॉलो-अप संपर्क और मानव कर्मचारियों के साथ आदान-प्रदान किए गए उत्तरों को समस्याओं को हल करने के उद्देश्य से संसाधित किया जा सके, न कि केवल उनका जवाब देने के लिए। इसे ऑटोमोटिव, वित्तीय, बीमा, लॉजिस्टिक्स और विनिर्माण उद्योगों में लागू किया गया है।

ऑपरेशनल इन्फेरेंस के लिए EdgeOne Booster का उपयोग किया जाता है, जो नेटवर्क त्वरण, सुरक्षा और उपयोगकर्ताओं के करीब स्थित पेरिफेरल नोड्स पर मॉडल निष्पादन सुनिश्चित करता है। Tencent का दावा है कि इसके कारण DroidUp का Moya रोबोट पहले उत्तर देने में 30% तेज हो गया और इंटरैक्शन में झटके 4.6 गुना कम हो गए। Tencent Cloud एम्बेडेड AI के क्षेत्र में AgiBot और DroidUp के साथ भी सहयोग कर रहा है।

Tencent के कार्यकारी उपाध्यक्ष, Dou Song, ने 29 अक्टूबर को आयोजित Tencent ग्लोबल डिजिटल इकोसिस्टम कॉन्फ्रेंस में बताया कि कंपनी जल्द ही Hy4 और Hy4 flash मॉडल जारी करने की योजना बना रही है, जिसमें आर्टिफिशियल इंटेलिजेंस मॉडल की श्रृंखला में विज़ुअल अंडरस्टैंडिंग फ़ंक्शन जोड़ा जाएगा।

अगस्त में प्रस्तुत प्रारंभिक Hy4 संस्करण की तुलना में, पूर्ण Hy4 मॉडल लंबी तर्क और निष्पादन की आवश्यकता वाले कार्यों, जिसमें वास्तविक उत्पादकता वर्कफ़्लो शामिल हैं, में प्रदर्शन में सुधार प्रदर्शित करेगा। इसके अलावा, Tencent तर्क की दक्षता बढ़ाने का लक्ष्य रखता है।

Hy4 flash मॉडल आर्थिक दक्षता पर केंद्रित होगा, जबकि विज़ुअल अंडरस्टैंडिंग और AI एजेंट फ़ंक्शंस की क्षमताओं को बनाए रखेगा। प्रारंभिक Hy4 संस्करण में कुल 770 बिलियन पैरामीटर हैं, जिसमें इन्फेरेंस के दौरान 49 बिलियन पैरामीटर सक्रिय होते हैं, और यह एक मिलियन टोकन का संदर्भ विंडो सपोर्ट करता है। Song ने उल्लेख किया कि Tencent व्यावहारिक अनुप्रयोगों में उनकी दक्षता बढ़ाने के लिए अपने मॉडल और उत्पादों को सह-विकसित कर रहा है।