شرکت فناوری تنسنت چین از جدیدترین دستاورد خود در عرصه هوش مصنوعی پرده برداشت. این غول اینترنتی از یک مدل منبع‌باز قدرتمند با نام Hy4 رونمایی کرده که به طور ویژه برای انجام وظایفی چون کدنویسی، مهندسی نرم‌افزار، تحقیقات علمی و تحلیل‌های مالی توسعه یافته است.

به گزارش خبرگزاری مهر به نقل از رویترز، تنسنت پیش‌نمایش این مدل را در پلتفرم هاگینگ فیس (Hugging Face) منتشر کرده و آن را به عنوان نسخه‌ای باز و قابل دسترس برای جامعه توسعه‌دهندگان معرفی کرده است. عرضه این مدل، گامی مهم در راهبرد جدید تنسنت برای تقویت جایگاه خود در بازار به شدت رقابتی هوش مصنوعی چین و جهان ارزیابی می‌شود.

معماری «ترکیب متخصصان» با ۷۷۰ میلیارد پارامتر

مهم‌ترین ویژگی فنی Hy4، استفاده از معماری پیشرفته «ترکیب متخصصان» یا Mixture of Experts (MoE) است. بر اساس اطلاعات منتشر شده از سوی تنسنت، این مدل در مجموع دارای ۷۷۰ میلیارد پارامتر است، اما در هر درخواست متنی تنها ۴۹ میلیارد پارامتر آن فعال می‌شود.

این رویکرد به مدل اجازه می‌دهد تا ضمن حفظ قدرت پردازشی بسیار بالا، مصرف منابع و هزینه محاسباتی را به طور چشمگیری کاهش دهد. در معماری MoE، به جای فعال‌سازی تمام پارامترها برای هر پرسش، تنها گروهی از «متخصصان» مرتبط با موضوع سؤال فراخوانی می‌شوند. این ساختار، Hy4 را به گزینه‌ای کارآمد برای پردازش‌های سنگین و طولانی مانند تولید کدهای پیچیده، بازبینی نرم‌افزار و تحلیل داده‌های مالی تبدیل می‌کند.

تنسنت اعلام کرده که این طراحی، تعادل میان قدرت، سرعت و کارایی را بهبود می‌بخشد و امکان اجرای مدل در سناریوهای صنعتی و سازمانی را فراهم می‌کند، بدون آنکه نیاز به زیرساخت‌های فوق‌سنگین برای هر تعامل باشد.

ادغام در CodeBuddy و WorkBuddy

تنسنت قصد دارد مدل Hy4 را به زودی در محصولات داخلی خود یکپارچه کند. دو محصول اصلی که برای میزبانی این مدل در نظر گرفته شده‌اند، CodeBuddy و WorkBuddy هستند.

ابزار CodeBuddy دستیار کدنویسی مبتنی بر هوش مصنوعی تنسنت است که به توسعه‌دهندگان در تولید، تکمیل و اشکال‌زدایی کد کمک می‌کند، در حالی که WorkBuddy به عنوان دستیار بهره‌وری سازمانی، وظایفی مانند تولید محتوا، خلاصه‌سازی اسناد، مدیریت پروژه و تحلیل کسب‌وکار را پوشش می‌دهد. با ادغام Hy4، انتظار می‌رود توان این دو پلتفرم در درک کانتکست‌های پیچیده برنامه‌نویسی و انجام تحلیل‌های چندمرحله‌ای به شکل قابل توجهی افزایش یابد.

این شرکت تاکید کرده که تمرکز اصلی Hy4 بر «مهندسی نرم‌افزار» است؛ به این معنا که مدل نه تنها قادر به تولید قطعه‌کدهای ساده است، بلکه می‌تواند در طراحی معماری نرم‌افزار، بازنویسی کد، تست خودکار و حتی مستندسازی فنی مشارکت کند.

هشدار درباره محدودیت‌های نسخه پیش‌نمایش

با وجود قابلیت‌های چشمگیر، تنسنت نسبت به محدودیت‌های نسخه اولیه Hy4 نیز شفاف‌سازی کرده است. این شرکت در توضیحات خود در هاگینگ فیس هشدار داده که این نسخه پیش‌نمایش ممکن است برای پاسخ به پرسش‌های پیچیده، زمان بیشتری از حد معمول صرف کند و در برخی موارد، در راستی‌آزمایی و اعتبارسنجی پاسخ‌های خود دچار وسواس و افراط شود.

این رفتار که در مدل‌های بزرگ زبانی به «Overthinking» یا «Over-verification» معروف است، می‌تواند منجر به تاخیر در پاسخ‌دهی یا تولید توضیحات بیش از حد طولانی شود. تنسنت اعلام کرده که در نسخه‌های بعدی، بهینه‌سازی زمان استنتاج و دقت راستی‌آزمایی در دستور کار قرار دارد.

رقابت فشرده هوش مصنوعی در چین

عرضه Hy4 در شرایطی انجام می‌شود که تنسنت سرمایه‌گذاری خود در حوزه هوش مصنوعی را به طور چشمگیری افزایش داده است. این شرکت در ماه آوریل گذشته از مدل زبانی بزرگ Hunyuan 3.0 رونمایی کرده بود و اکنون با معرفی Hy4، سبد محصولات هوش مصنوعی خود را به صورت تخصصی‌تر گسترش می‌دهد.

بازار هوش مصنوعی چین در ماه‌های اخیر شاهد رقابتی نفس‌گیر میان غول‌های فناوری این کشور از جمله علی‌بابا، بایدو، بایت‌دنس و تنسنت بوده است. هر یک از این شرکت‌ها در تلاش هستند تا با عرضه مدل‌های بزرگ‌تر، کارآمدتر و منبع‌باز، سهم بیشتری از بازار داخلی و جامعه جهانی توسعه‌دهندگان را به دست آورند. رویکرد منبع‌باز تنسنت در قبال Hy4، به وضوح با هدف جذب توسعه‌دهندگان بین‌المللی، افزایش شفافیت و تسریع نوآوری از طریق مشارکت جامعه متن‌باز اتخاذ شده است.

کارشناسان معتقدند انتشار مدل‌هایی با صدها میلیارد پارامتر به صورت منبع‌باز، می‌تواند موازنه قدرت در اکوسیستم هوش مصنوعی را تغییر دهد و به شرکت‌ها و تیم‌های کوچک‌تر اجازه دهد بدون وابستگی کامل به APIهای بسته شرکت‌های آمریکایی، مدل‌های اختصاصی خود را توسعه دهند.

اهمیت Hy4 برای توسعه‌دهندگان

برای توسعه‌دهندگان ایرانی و بین‌المللی، دسترسی آزاد به Hy4 از طریق هاگینگ فیس فرصت مهمی محسوب می‌شود. برخی از مزیت‌های کلیدی این مدل عبارتند از:

  • تخصص در کدنویسی: آموزش ویژه برای زبان‌های برنامه‌نویسی پرکاربرد و درک عمیق از فرآیندهای مهندسی نرم‌افزار
  • کاربرد دوگانه تحقیق و مالی: توانایی تحلیل گزارش‌های مالی، مقالات پژوهشی و داده‌های ساختاریافته
  • کارایی با معماری MoE: فعال‌سازی تنها ۴۹ میلیارد پارامتر در هر درخواست که هزینه اجرا را کاهش می‌دهد
  • قابلیت سفارشی‌سازی: به لطف منبع‌باز بودن، امکان Fine-Tuning برای نیازهای خاص سازمانی فراهم است

با این حال، تا انتشار ارزیابی‌های مستقل و بنچمارک‌های جهانی، قضاوت نهایی درباره عملکرد واقعی Hy4 در مقایسه با رقبایی چون DeepSeek، Qwen و مدل‌های سری GPT زودهنگام خواهد بود. تنسنت وعده داده که به زودی جزئیات بیشتری درباره نتایج ارزیابی فنی و نحوه دسترسی تجاری به این مدل منتشر خواهد کرد.