Tencent presenta Hy4, una IA con visión y herramientas que deja fuera parte de la información ofensiva
Tencent ha presentado Hy4, la nueva generación de su familia de modelos de inteligencia artificial, con mejoras en el seguimiento de instrucciones, el análisis de contextos largos y la resolución de tareas complejas. Sin embargo, el aspecto más relevante de su lanzamiento no está únicamente en lo que el sistema puede hacer, sino también en la información que la compañía ha decidido no utilizar durante su entrenamiento.
La empresa china asegura que ha excluido de forma deliberada materiales relacionados con la explotación ofensiva de vulnerabilidades informáticas. En su lugar, Hy4 se ha formado principalmente con contenidos de ciberseguridad defensiva, orientados a detectar fallos, evaluar riesgos y ayudar a corregirlos.
Un modelo multimodal capaz de manejar el ordenador
Hy4 llega después de una versión preliminar publicada el pasado agosto. Según Tencent, el nuevo modelo ha recibido un entrenamiento más amplio y está preparado para seguir instrucciones con mayor precisión, mantener el contexto durante conversaciones o tareas extensas y completar procesos que requieren varios pasos.
Una de sus principales novedades es la incorporación de capacidades de visión. Esto significa que no solo procesa texto, sino que también puede interpretar imágenes, gráficos, capturas de pantalla y otros elementos visuales. La función permite al modelo comprender mejor el entorno de trabajo y actuar sobre interfaces gráficas.
La compañía también afirma que Hy4 puede utilizar el ordenador mediante comandos y aplicaciones visuales. Entre los entornos mencionados aparecen Blender, utilizado para modelado y animación 3D, y programas de diseño asistido por ordenador, conocidos como CAD. El modelo puede combinar estas herramientas con tareas de programación y desarrollo de videojuegos.
Este enfoque convierte a Hy4 en un sistema de tipo agente. En inteligencia artificial, un agente es un modelo capaz de dividir un objetivo en pasos, escoger herramientas, ejecutar acciones y revisar los resultados antes de continuar. En lugar de limitarse a contestar una pregunta, puede intentar completar un flujo de trabajo.
La decisión de excluir conocimientos ofensivos
La estrategia de Tencent afecta al proceso de entrenamiento, no solo a las respuestas que el modelo ofrece después. La compañía sostiene que ha eliminado materiales centrados en aprovechar vulnerabilidades para acceder a sistemas, alterar programas o comprometer infraestructuras.
La diferencia es importante. Un filtro aplicado al producto final intenta bloquear determinadas peticiones cuando el modelo ya ha aprendido la información. En cambio, retirar esos contenidos durante el entrenamiento busca evitar que formen parte de los conocimientos internos que el sistema utiliza para generar respuestas.
Hy4 no carece por completo de conocimientos sobre seguridad informática. Tencent asegura que el modelo puede abordar tareas de ingeniería inversa, una disciplina que analiza cómo funciona un programa a partir de su código o comportamiento, y pruebas de penetración, que consisten en comprobar de forma controlada si un sistema presenta fallos aprovechables.
La distinción planteada por la empresa está en el objetivo. El modelo debería poder identificar debilidades y proponer correcciones, pero no disponer del mismo nivel de información práctica para explotarlas con fines maliciosos. Aun así, esta separación resulta difícil de garantizar por completo, ya que los conocimientos técnicos pueden reutilizarse en contextos diferentes.
Resultados desiguales frente a otros modelos
Los datos publicados por Tencent sitúan a Hy4 como un competidor relevante, aunque no líder en todas las pruebas. En Terminal-Bench 4.0, una evaluación que mide la capacidad de realizar tareas desde la línea de comandos, el modelo obtiene 44,4 puntos.
- GPT-6.1 Sol alcanza 55,5 puntos.
- Kimi K3.1 Pro obtiene 66,8 puntos.
- Hy4 registra 44,4 puntos.
En una evaluación financiera organizada por la propia compañía, con 213 profesionales y 579 tareas, Hy4 supera ligeramente a DeepSeek V4.1 Flash: 3,04 puntos frente a 2,97. La clasificación de agentes de Arena del 3 de noviembre lo coloca en el puesto 14, por detrás de modelos como Gemini 4 Carbon y GPT-6.1 Sol.
Estas cifras deben interpretarse con cautela. Cada prueba mide habilidades diferentes y utiliza sus propios criterios, por lo que no existe una clasificación universal que permita determinar qué modelo es mejor en todos los ámbitos. Además, parte de los resultados procede de evaluaciones organizadas o comunicadas por las propias empresas.
La eficacia del filtrado todavía debe comprobarse
Tencent afirma que especialistas de sus laboratorios Xuanwu Lab y Keen Security Lab sometieron Hy4 a pruebas relacionadas con ingeniería inversa criptográfica, desofuscación de archivos binarios y explotación de vulnerabilidades. Según la compañía, no detectaron problemas significativos en capacidades ofensivas dentro de las áreas examinadas.
La conclusión, no obstante, aún necesita verificaciones independientes. Tencent prevé publicar los pesos del modelo y documentación técnica sobre su seguridad, materiales que permitirán a investigadores externos analizar hasta qué punto las restricciones se mantienen en situaciones reales.
El planteamiento tampoco es exclusivo de Tencent. Moonshot AI aplicó medidas similares en el desarrollo de Kimi K3.1 Pro, reduciendo la presencia de información ofensiva durante el entrenamiento intermedio y el aprendizaje por refuerzo. En sus pruebas internas, una versión sin esas restricciones resolvió el 90,5% de los ejercicios de explotación de vulnerabilidades, frente al 81% del modelo final.
El caso de Hy4 refleja uno de los grandes dilemas de la inteligencia artificial avanzada: un sistema debe conocer lo suficiente para proteger redes y programas, pero no tanto como para convertirse en una herramienta sencilla para atacarlos. El filtrado de datos puede reducir riesgos, aunque no sustituye a los controles de acceso, la supervisión humana y las evaluaciones de seguridad independientes.
