Tencentが「混元Hy4」発表：BlenderやCADも直接操作できるマルチモーダルAgent
TencentがマルチモーダルAgentモデル「混元Hy4」を正式発表しました。画像理解とComputer Use機能を備え、GUIやコマンドラインからBlenderやCADなどの専門ソフトを自律操作できます。現在はAPIが開放されており、数日中にモデル重みのオープンソース化も予定されています。
腾讯
テンセントが新旗艦モデル「Hy4」を発表、モデル重みも近日オープンソース化へ
テンセントが新たな旗艦モデル「Hy4」を発表した。ベンチマーク性能はトップクラスのオープンモデルに匹敵し、画像認識やPC操作に対応する。現在はTencent CloudやOpenRouterなどで提供されており、vLLMやSGLangと連携した重みの一般公開も控えている。
Tencent Hunyuan、音声クローン対応の中英同時通訳モデル「Hy-SimulMT」を公開
Tencent Hunyuanは中英双方向のリアルタイム同時通訳モデル「Hy-SimulMT」をオープンソース公開した。発言と並行してテキストと音声を約3秒の遅延で生成し、話者の声色を再現する音声クローンにも対応。推論と微調用コードがGitHubで提供されている。
Tencent、万能ビジュアルAI「WeVisOne-VL」をオープンソース公開
TencentのWeChat Visionチームが、物体検出やカウント、OCR、高精度な切り抜きを1つでこなす視覚モデル「WeVisOne-VL」をオープンソース公開しました。SAMのような重い外部モデルを使わず9.6Mパラメータの軽量デコーダーで髪の毛レベルの透過マスクを出力でき、2Bと4Bモデルをローカルで動かせます。
テンセント、対話型世界モデル「Hy-Nomas」公開 単一の4090で動作
テンセントは自然言語やカメラ操作でリアルタイムに探索できる動画世界モデル「Hy-Nomas」をオープンソース公開した。720p/24fpsの映像を生成しながら過去の記憶を保持してシーンの一貫性を保ち、9GBの蒸留版なら単一のRTX 4090で動作する。全コードと重みがApache 2.0で提供される。
Tencent、AIが記憶を共有する「Hy-Memory 2.0」をオープンソース化
Tencentは異なるAI Agent間で記憶を共有できる「Hy-Memory 2.0」をオープンソース公開した。専用30Bモデルと連携アプリ「MemHub」を提供し、CursorやCodex間で作業文脈を引き継げる。ツールを切り替えるたびに前提を説明し直す手間が省ける。
テンセントら、複数プレイヤーが同期する世界モデル「Multix」をオープンソース公開
テンセントと香港大学の研究チームがマルチプレイヤー対応の世界モデル「Multix」を公開した。各プレイヤーの視点を個別に生成しつつ環境と動作を同期させる仕組みで、階層的通信により計算コストを86％以上削減。4人分のデータ学習のみで最大10人まで拡張できる。
復旦大とテンセント、音動画同時生成モデル「Prism」をオープンソース化
復旦大学、テンセント混元、浙江大学の研究チームが、ネイティブ2K解像度対応の音動画同時生成フレームワーク「Prism」を公開しました。動的スパースアテンションを用いて発音部位や動きの激しい領域に計算を集中させ、学習速度を2.5倍に引き上げつつ生成品質を向上させています。現在Hugging Faceにてプレビュー版が利用可能です。
テンセント、世界モデル「WorldCrafter」発表 視点を戻しても破綻しない3D記憶機構
テンセントの研究チームはインタラクティブ動画世界モデル「WorldCrafter」を発表した。暗黙的な3D知覚メモリを導入し、カメラを別の方向へ向けた後に戻してもシーンの一貫性を保てる。テキストや1枚の画像からカメラ操作可能な探索動画を生成し、蒸留モデルによるリアルタイム対話にも対応する。
Tencentが音声基盤モデル「AuK」を公開：自然言語で音声を自在に編集
Tencentが1.5Bパラメータの音声生成・編集基盤モデル「AuK」をオープンソース公開しました。自然言語の指示だけでゼロショット音声クローンができるほか、テキストを編集するように音声内の単語を追加・削除したり、感情の変更やノイズ除去が可能です。Web上で試せるデモも提供されています。
テンセント、770Bのオープンソースモデル「Hy4 preview」公開：実務特化と自己改善ループが強み
テンセント・混元は総パラメータ770B・アクティブ49B、コンテキスト長1Mの新世代モデル「Hy4 preview」をオープンソース公開した。プログラミングや財務などの実務現場向けに最適化され、訓練や演算子最適化をモデル自身が関与して改善するループを導入。元宝やWorkBuddyで提供が始まっている。
テンセントが「WorldClaw」発表：テキスト1文から探索・編集可能な3D世界を生成
テンセントは単一のテキストプロンプトから大規模で編集可能な3D空間を構築する「WorldClaw」を発表した。地形生成からオブジェクト配置までをエージェントが段階的に行い、接触面やポーズも自動調整。各アセットは個別インスタンスとして再利用できる。
テンセント、マルチエージェント対応のローカルAI基盤「Octop」をOSS公開
Tencentがセルフホスト型AIアシスタント基盤「Octop」をオープンソースで公開した。単一プロセスでWebダッシュボードやcron自動化を起動でき、微信（WeChat）やDiscordなど複数チャネルと直接連携。複数の専門エージェントを協調させつつ、全データをローカルに保持できる。
テンセント、3D生成・理解・編集を統合した「Hunyuan3D-Buffalo 1.0」発表
テンセントは2026年8月、3D生成、理解、指示ベースの編集、パーツ分割を1つのパイプラインで処理する統合マルチモーダルモデル「Hunyuan3D-Buffalo 1.0」を発表した。共有VLMとDiTモジュールを基盤とし、自然言語の指示だけで3Dモデルの修正や部品分解が可能になる。
TencentがMoEモデル「Hy3」をオープンソース公開、総パラメータ295BでAgent開発に注力
TencentはHugging FaceなどでMoEモデル「Hy3」を公開した。総パラメータ295Bのうち21Bが稼働し、コンテキスト長は256Kに対応する。エージェント向けコーディングや推論に特化し、ハルシネーション率を5.4%に低減。Apache 2.0ライセンスでFP8版も提供される。
TencentがSCoPE発表：0.1%未満のパラメータ追加でAI動画のカメラ制御を実現
Tencentの研究チームが、動画生成モデル向けのカメラ制御技術「SCoPE」を発表した。カメラ光線を第2の座標として扱い、0.1%未満のパラメータ追加で指定通りのカメラ移動を実現する。一度通り過ぎた場所へ戻っても背景が破綻しない一貫性を保てる。
テンセント、多言語翻訳モデル「Hy-MT2」をOSS公開 1.8B版は440MBに軽量化
テンセントが多言語翻訳モデル「Hy-MT2」をオープンソースで公開した。33言語に対応し、1.8B、7B、30B-A3B（MoE）の3サイズを用意する。1.8B版はAngelSlimの1.25ビット極限量化により440MBまで圧縮され、端末上での動作に適している。JSONなどの書式保持や専門用語の一致といった制御翻訳に強みを持つ。
Tencent、翻訳特化モデル「HYMT2」を公開 最小1.8Bでスマホ動作にも対応
Tencentは多言語翻訳モデル群「HYMT2」をオープンソース公開した。18億から300億パラメータまで展開し、33言語に対応する。指示追従と構造維持に長けており、タグやJSONの書式を壊さずに翻訳できるのが強み。最小の1.8Bモデルはスマートフォン上でも軽快に動作する。
Tencentが3D世界モデル「HY-World 2.0」をオープンソース公開、編集可能な3Dアセットを直接生成
TencentのHunyuanチームはマルチモーダル3D世界モデル「HY-World 2.0」をオープンソース公開しました。従来の動画生成型とは異なり、テキストや画像、動画からBlenderやUnityに直接取り込めるメッシュや3DGSアセットを出力し、物理衝突判定を備えた自由な探索が可能です。
Tencent、全二重音声対話モデル「Covo-Audio」をオープンソース公開
Tencentは7Bパラメータの端対端音声言語モデル「Covo-Audio-Chat」をオープンソース公開した。単一の統合アーキテクチャで連続音声を直接処理し、話しながら聞き取り、割り込みにも即座に対応する全二重対話を実現する。コードと重みはGitHubとHugging Faceで公開中。