Zur Architektur macht die Model-Card konkrete Angaben: „78 layers, where the first layer uses a standard dense FFN and the remaining 77 layers replace it with MoE“, je Schicht 256 geroutete Experten und ein geteilter Experte, als Aufmerksamkeitsmechanismus „Gated DeepSeek Sparse Attention (Gated DSA)“ mit IndexCache, Vokabulargröße 120.832. Die Zahl der Trainings-Token weist die Karte nicht aus.
Die einzige als Text vorliegende Leistungsangabe ist eine interne Blindbewertung im Abschnitt „Built for Productivity“: 163 hauseigene Fachleute bewerteten die Ausgaben zu 203 Engineering-Aufgaben im direkten Vergleich. Hy4-preview erreicht dort einen Mittelwert von 2,99 gegen 2,92 für GLM 5.3 und 2,94 für Kimi K3. Auf welcher Skala bewertet wurde, sagt die Karte nicht. Die Sieg-/Unentschieden-/Niederlage-Verteilung – 46,8 / 12,8 / 40,4 gegen GLM 5.3 und 51,2 / 7,9 / 40,9 gegen Kimi K3 – ordnet das Ergebnis näher am Gleichstand ein, als die Formulierung „slightly ahead“ vermuten lässt.
Unabhängig gemessen ist davon nichts. Eine Abfrage der Artificial-Analysis-API (freie Route, 624 Modelle) am 28. August 2026 führt kein Hy4: gelistet sind nur Hy3 (Intelligence-Index 42,2 / Coding 58,8 / Agentic 31,4) sowie die beiden Hy3-Preview-Varianten. Die namentlich geschlagenen Rivalen sind dort dagegen vermessen – und zwar in mehreren Ausbaustufen: GLM-5.3 (max) mit 59,5 / 74,8 / 59,1 gegenüber GLM-5.3-Flash mit 57,5 / 71,5 / 58,2, Kimi K3 (max) mit 59,7 / 76,2 / 54,3 gegenüber Kimi K3 (low) mit 48,3 / 72 / 39,6. Zwischen der stärksten und der schwächsten Fassung liegen damit über elf Indexpunkte, und die Model-Card sagt nicht, gegen welche gespielt wurde.
Vertrieben wird das Modell bereits: Vercel führt „Hy4 Preview“ seit dem 28. August im AI Gateway und nennt dort dieselben Eckdaten – Open-Source-MoE mit 770 Mrd. Gesamt- und 49 Mrd. aktiven Parametern, 1 Mio. Token Kontext, ausgelegt auf langlaufendes Coding, Dokumentenanalyse, Spieleentwicklung und wissenschaftliches Schließen. Preise nennt der Changelog nicht.
⚠️ Katalog-Konsequenz: Hy4-preview bekommt vorerst keinen eigenen Eintrag im Modell-Katalog – wie zuletzt bei Qwen3.8-Flash-Next verlangen wir dafür mindestens eine unabhängige Messung, und die gibt es nicht. Der bestehende Hy3-Eintrag ist um eine Nachfolger-Notiz ergänzt. Sobald Artificial Analysis Hy4 vermisst, ziehen wir nach.