Tencent, yapay zekada halüsinasyon oranını yüzde 7,2'ye indirdi
Tencent, yeni yapay zeka modeli Hy4 ile yanlış bilgi üretme oranını yüzde 7,2'ye düşürdü. Model ayrıca bilgisayarları kontrol edebiliyor ve karmaşık görevleri yerine getirebiliyor.
Çinli teknoloji şirketi Tencent, görsel akıl yürütme ve bilgisayar kontrolü yeteneklerini birleştiren açık kaynaklı yapay zeka modeli Hy4'ü tanıttı. Şirketin iç testlerine göre modelin halüsinasyon oranı yüzde 12,95'ten yüzde 7,2'ye geriledi.
Bilgisayarları kontrol edebiliyor, görselleri yorumlayabiliyor
Hy4, Tencent'in Hy model ailesine katılan ilk model olarak görsel akıl yürütme ile bilgisayar kullanma yeteneklerini bir araya getiriyor. Model karmaşık grafik ve tabloları yorumlayabiliyor, matematik problemlerini görsel veriler üzerinden çözebiliyor ve komut satırı araçlarıyla grafik arayüzlerde işlem yapabiliyor.
Blender ve bilgisayar destekli tasarım yazılımlarını kullanabilen Hy4, çok aşamalı iş akışlarını planlayıp uygulayabiliyor. Ayrıca 3D sahne oluşturma, web geliştirme ve belge hazırlama görevlerini destekliyor.
Tencent'in WorkBuddy platformundaki değerlendirmelerde model 83,18 puan ortalaması ve yüzde 96,15 başarı oranı elde etti. Çin ana karasında test edilen 12 senaryonun dokuzunda ilk sırada yer aldı.
WeCom ile entegre çalışan WorkBuddy, Hy4'ün sohbetler, e-postalar, belgeler, takvimler ve toplantılardaki bilgilere erişmesini sağlıyor. Model bu veriler üzerinden proje gelişmelerini takip edebiliyor, tamamlanmamış görevleri belirleyebiliyor ve yaklaşan teslim tarihlerini hatırlatabiliyor.
Finans ve yazılım geliştirmede iddialı
Hy4, finansal araştırma alanında binlerce özel çalışma alanı ve on binlerce profesyonel görevle eğitildi. Fon araştırmaları, menkul kıymet analizleri ve nicel yatırım stratejilerini kapsayan eğitim sonrasında model, 213 finans uzmanının katıldığı ve 579 gerçek dünya görevini içeren kör değerlendirmede en yüksek toplam puanı aldı. Katılımcıların yaklaşık yüzde 70'i sektörde beş yıldan fazla deneyime sahipti.
Hy4, değerlendirmede 3,04 puanla DeepSeek-V4.1-Flash-1017'nin 2,97 puanını geride bıraktı. Kimi K3.1 Pro ve GLM-5.3 ise 2,68 puan aldı.
Yazılım geliştirmede de Hy4 Preview sürümüne kıyasla GameDev benchmark puanı yüzde 19,1, GameLogic puanı ise yüzde 9,8 arttı. Bu arada yeni model, Unreal Engine, Unity ve Godot üzerinde çalışabiliyor.
Halüsinasyon oranı ciddi şekilde düşürüldü
Tencent'in iç testlerine göre Hy4'ün halüsinasyon oranı yüzde 12,95'ten yüzde 7,2'ye düşürüldü. Desteklenmeyen varsayımlardan kaynaklanan hataların oranı da yüzde 23,1'den yüzde 5,6'ya geriledi.
Siber güvenlik tarafında model, güvenlik açıklarının analizi ve giderilmesine yönelik savunma odaklı materyallerle eğitildi. Tencent, saldırı amaçlı istismar materyallerinin eğitim kapsamına alınmadığını belirtiyor.
Yeni model Tencent Cloud TokenHub, WorkBuddy, CodeBuddy ve Yuanbao üzerinden kullanılabiliyor. Tencent, fiyatları da Hy4 Preview ile aynı tuttu. Bu bağlamda 1 milyon giriş token'ı 0,90 dolar, 1 milyon çıkış token'ı 2,70 dolar ve önbelleğe alınmış 1 milyon giriş token'ı 0,045 dolar olacak. Şirket ayrıca daha düşük işletim maliyetleri için Hy4 Flash modelini yakında piyasaya sürmeyi planlıyor.