hy.cloud — Hy4-preview 780B

Hy4-preview 780B — Manual de Capacidades

O que ele é

O flagship de código aberto da Tencent: 780 bilhões de parâmetros em arquitetura MoE (Mixture of Experts), quantizado em Q4_K_M para 467 GB. Rodando em 8 GPUs NVIDIA L20N Blackwell (72 GB cada, 576 GB total) em Shenzhen.

Capacidades de excelência

Raciocínio profundo multi-etapa · Geração de código em 30+ linguagens · Análise jurídica multi-parte · Análise financeira e compliance · Escrita criativa e técnica · Tradução multilíngue (PT/EN/ES/ZH) · Síntese documental · Chain-of-thought visível

Como usar

POST /v1/chat/completions Authorization: Bearer <token> { "messages": [{"role": "user", "content": "sua pergunta"}], "max_tokens": 500 }

Endpoint: http://hy.beanstech.ai/api/chat

Métricas medidas

25 tok/s (geração) 92 tok/s (prompt) 8 slots paralelos 32k contexto Q4_K_M ~2 min cold start

Arquitetura da frota

z.cloud → Z.ai · GLM-5.3 hy.cloud → Tencent · Hy4-preview g.cloud → Google · gcloud

Para desenvolvedores (usar no ZCode)

# API via curl curl -X POST https://hy.beanstech.ai/api/chat \ -H "Content-Type: application/json" \ -H "Authorization: Bearer <token>" \ -d '{"message": "sua pergunta"}' # Resposta { "response": "texto do modelo", "reasoning": "raciocínio (se houver)", "tokens": 123, "latency_ms": 456 }

Limitações conhecidas

· O raciocínio às vezes consome todos os tokens antes da resposta final
· Contexto de 32k (não 128k como o original)
· Q4_K_M tem ~2-3% menos precisão que o FP16 original
· Latência Brasil→Shenzhen: ~580ms RTT

Monitoramento

health.beanstech.com.br — 37 sondas públicas ao vivo