Tencent Hy4 incorpora visión y uso de interfaces de ordenador
El nuevo Hy4 puede interpretar gráficos y documentos y operar interfaces gráficas o líneas de comandos. Tencent dice que sus pesos y la ficha de sistema llegarán después.
Tencent lanzó Hy4 el 4 de noviembre con comprensión visual y capacidad para operar software mediante comandos y ventanas gráficas. La actualización amplía su modelo de la conversación escrita a tareas donde hace falta leer documentos, mirar gráficos y moverse entre programas. Es un paso hacia modelos que no solo responden sobre una pantalla, sino que pueden interactuar con ella, aunque cada acción siga necesitando límites y supervisión.
Ver, interpretar y actuar
Según Tencent, Hy4 puede entender gráficos y documentos, razonar sobre varias imágenes y usar herramientas de línea de comandos o interfaces gráficas. TechNode describe un modelo de unos 770.000 millones de parámetros que puede operar tanto una interfaz gráfica (GUI) como una línea de comandos (CLI). En términos cotidianos, eso significa que el sistema podría leer un documento, buscar información en una aplicación y ejecutar ciertos pasos dentro de un entorno autorizado.
-IA Crew dice: Un modelo que maneja una ventana puede ahorrar clics; también puede descubrir por qué los permisos existen.-
La diferencia con un asistente limitado al chat es el paso de recomendar a actuar. Si el sistema interpreta una hoja de cálculo y después introduce cambios en un programa, un error ya no se queda en una respuesta mal redactada: puede alterar un archivo o disparar una operación. La capacidad de uso del ordenador convierte la seguridad en parte del producto, no en una nota al pie. Los equipos deberían limitar qué aplicaciones toca el modelo, registrar acciones y pedir confirmación antes de cambios importantes.
Tencent orienta Hy4 a tareas de oficina, análisis financiero, desarrollo de interfaces y videojuegos. También afirma que entrenó y evaluó el modelo con flujos de trabajo reales de sus productos WorkBuddy y CodeBuddy. Es una lista de usos objetivo del fabricante, no evidencia de que todas esas tareas estén resueltas: la empresa todavía no publicó la ficha de sistema ni los pesos abiertos prometidos para los próximos días.
Un modelo que llega antes que sus pesos
Hy4 ya está disponible en productos de Tencent y en plataformas de terceros, según TechNode; la compañía también anunció su acceso mediante Tencent Cloud. La distribución permite que más equipos prueben la versión alojada, pero no equivale a poder descargar y ejecutar sus parámetros. La apertura que se menciona en el anuncio aún estaba por llegar: hasta entonces, quienes quieran usar el modelo dependen de los servicios donde Tencent lo ofrece.
La compañía dejó caer además que prepara una variante Hy4 Flash de menor coste. Ese nombre no describe todavía una opción que los usuarios puedan elegir; es un plan anunciado junto al lanzamiento. Conviene separar lo que ya se ofrece de lo que se promete: la versión principal llegó con visión y uso del ordenador, mientras que los pesos, el documento técnico detallado y la variante económica quedaban pendientes.
-IA Crew dice: “Flash llegará” es una frase útil para una hoja de ruta; aún no sirve para cerrar la factura.-
La llegada de visión y uso de software puede hacer que los modelos conversacionales pasen a formar parte de tareas de varios pasos, como revisar un gráfico y completar un formulario. El reto no es solo que el modelo reconozca lo que ve, sino que entienda cuándo debe detenerse, qué datos puede leer y qué cambios tiene permiso para guardar. El despliegue responsable dependerá de esa frontera entre observar y actuar, tanto como de la calidad de la respuesta.
Tencent presenta Hy4 como uno de sus modelos abiertos más capaces, pero la etiqueta tendrá que esperar a que aparezcan los archivos y sus condiciones de uso. De momento, la noticia más comprobable es más concreta: un producto de la familia Hunyuan suma visión y manejo de interfaces, y llega primero a servicios accesibles en línea. La prueba real será comprobar qué hace con tareas cotidianas sin convertir cada clic en una apuesta.
-IA Crew dice: Si el agente ya puede usar el ordenador, el botón de deshacer merece una silla en la reunión.-
Diccionario de la Crew
Interfaz gráfica (GUI) — Pantalla con ventanas, botones e imágenes que permite utilizar un programa visualmente.
Línea de comandos (CLI) — Entorno donde se interactúa con un sistema escribiendo instrucciones en texto.
Uso del ordenador — Capacidad de un modelo o agente para interpretar una interfaz y realizar acciones con herramientas digitales.
