Nota do autor: usando LongCat-2.5 e o Tencent Hunyuan Hy4 como exemplos, este texto traz um checklist de 12 itens, distribuídos em 4 dimensões, para você decidir se vale a pena trocar agora para um modelo Agent chinês recém-lançado.
Na primeira semana de novembro de 2026, os Modelos de Linguagem Grande chineses tiveram mais uma rodada intensa de lançamentos: o Meituan lançou em 2 de novembro o LongCat-2.5, voltado a tarefas de agentes de longo horizonte, e a Tencent lançou em 4 de novembro a versão oficial do Hunyuan Hy4. Os dois destacam programação com agentes, compreensão visual e contexto longo, e a discussão “será que vale trocar agora?” veio junto na comunidade. Este artigo oferece um checklist de verificação para migrar para modelos Agent chineses, com itens que você pode marcar um a um, para ajudar você a equilibrar a adoção de modelos novos com a estabilidade da operação em produção.
Isto não é uma matéria de hype do tipo “o novo modelo é o mais forte”: usamos apenas informações divulgadas publicamente pelos fabricantes e não reproduzimos benchmarks de terceiros. A lógica central do checklist é bem simples: se vale a pena migrar depende da sua tarefa, da sua estrutura de custos e da sua capacidade de rollback — não da narrativa de marketing do lançamento.
Valor central: ao terminar a leitura, você terá em mãos um checklist de 12 itens para a migração de modelos Agent chineses e saberá como validar tudo com baixo risco em 1 a 2 semanas usando implantação gradual. Se precisar comparar vários modelos chineses ao mesmo tempo, a APIYI oferece um ponto de entrada unificado para chamadas de API, compatível com os formatos de API da OpenAI e da Anthropic, o que reduz bastante o custo de migração.
Pontos-chave da lista de verificação para troca de modelos Agent domésticos
Antes de começar, use uma tabela para entender a estrutura de toda a lista. Organizamos os 12 itens de verificação em 4 dimensões, e cada dimensão responde a uma pergunta-chave.
| Dimensão | Pergunta a responder | Itens típicos de verificação | Valor para você |
|---|---|---|---|
| Disponibilidade | Consigo chamá-lo de forma estável agora? | Canal de acesso, formato da interface, contexto e comprimento de saída | Evitar o “foi lançado, mas não dá para usar” |
| Adequação de capacidade | Ele é melhor nas minhas tarefas? | Conjunto de autotestes, chamada de ferramentas, multimodal, tarefas de longa duração | Usar tarefas reais em vez de benchmarks de marketing |
| Estrutura de custos | Como a conta vai mudar após a troca? | Critério de cobrança, cache hit, preço por tempo limitado, cobrança em falhas | Evitar que o custo saia do controle depois do lançamento |
| Risco de engenharia | Dá para reverter rápido se der problema? | Proporção de implantação gradual, interruptor de rollback, rate limit, conformidade | Preservar a estabilidade em produção |
Por que não convém “trocar assim que for lançado” nos modelos Agent domésticos
Nas primeiras semanas após o lançamento de um novo modelo, a documentação da interface, a política de rate limit e o modelo de precificação costumam ainda estar em ajuste. No caso do LongCat-2.5, por exemplo, a página oficial de preços traz a marcação “preço por tempo limitado” e informa que valem os preços e as faturas exibidos na plataforma; já o número de parâmetros da versão oficial do Hy4 não foi divulgado desta vez, e parte das especificações vem das informações de listagem no OpenRouter. Tudo isso significa que as condições que você vê hoje podem não ser as de daqui a um mês.
Por outro lado, as próprias declarações dos fabricantes também pedem cautela. No anúncio de lançamento do Hy4, a Tencent deixou explícito que o Hy4 ainda tem uma distância considerável dos modelos closed-source de ponta, especialmente em testes de alta dificuldade como matemática avançada, desenvolvimento de longa duração e resposta visual a perguntas. É bom que o fabricante exponha suas limitações, mas isso também mostra que “novo” não significa “melhor em tudo” — você precisa validar com as suas próprias tarefas.
Onde está a novidade das “novas capacidades” dos modelos Agent domésticos
A direção de upgrade desta rodada de modelos Agent domésticos é bastante consistente: multimodal nativo, contexto longo, chamada de ferramentas e compatibilidade com ferramentas de Agente de programação. O LongCat-2.5 aposta em unir compreensão visual e programação por agentes, voltado para programação visual, design criativo e tarefas 3D; a versão oficial do Hy4 adiciona pela primeira vez capacidade visual e de operação de computador, podendo misturar linha de comando e interface gráfica. Se o seu negócio está justamente travado em “preciso ver a imagem para depois escrever código” ou “preciso operar um software profissional”, vale priorizar a avaliação dos novos modelos; se o seu cenário é perguntas e respostas em texto puro, o modelo antigo provavelmente já basta.
Parâmetros públicos de dois novos modelos Agent chineses recém-lançados
Para deixar a lista concreta, primeiro organizamos as informações públicas dos dois novos modelos em uma tabela. As informações abaixo vêm dos anúncios dos fabricantes e das páginas de listagem nas plataformas de acesso; a verificação foi feita entre 3 e 4 de novembro de 2026.
| Item | LongCat-2.5 (Meituan) | Hy4 versão oficial (Tencent Hunyuan) |
|---|---|---|
| Data de lançamento | 2 de novembro de 2026 (versão Preview em 25 de setembro) | 4 de novembro de 2026 (versão preview em 28 de agosto) |
| Escala de parâmetros | 1,6 trilhão de parâmetros totais, com cerca de 48 bilhões ativados por token | Versão oficial não divulgada; a preview é um MoE com 770 bilhões de parâmetros totais e 49 bilhões ativados |
| Modalidade de entrada | Texto e imagens (multimodal nativo) | Texto e imagens (a versão oficial suporta visão pela primeira vez) |
| Contexto / saída máxima | 1M tokens / 256K tokens | 1.048.576 tokens / 65.536 tokens (conforme informações de listagem no OpenRouter) |
| Formato da API | OpenAI Chat Completions, Responses, Anthropic Messages | Suporte a chamada de ferramentas, saída estruturada e configuração de intensidade de raciocínio (segundo o OpenRouter) |
| Abertura de pesos | Até 3 de novembro, ainda não liberados | A versão oficial planeja ser open source; no momento, apenas a versão preview está aberta sob Apache 2.0 |
| Capacidades destacadas oficialmente | Programação visual, agentes de longo horizonte, compatibilidade com Claude Code / Codex / Hermes | Visão e operação de computador, desenvolvimento front-end e de jogos, tarefas financeiras e de escritório |
Há alguns detalhes na tabela que merecem atenção. O site oficial do LongCat-2.5 afirma que todo o treinamento foi feito com chips nacionais, o que é um ponto positivo para equipes com exigências de nacionalização. A versão oficial do Hy4 planeja lançar em breve o Hy4 flash, com foco em custo-benefício e velocidade de inferência; se você se importa mais com latência e custo, pode considerar “esperar pela versão flash” como uma opção.
Em relação a preços, as duas empresas divulgaram padrões de cobrança em três faixas — entrada, entrada em cache e saída —, mas os preços de novos modelos mudam com frequência, então este artigo não lista números específicos. Se você fizer chamadas via APIYI, todos os preços, critérios de cobrança, preços unitários de entrada e saída e preços de cache devem se basear nos dados reais da página de preços da APIYI em docs.apiyi.com/models.
Checklist de 12 itens para a troca de modelos Agent nacionais
Segue o checklist completo. A ideia é você copiar isso para o documento do time e dar a cada item um dos três status: “aprovado / reprovado / a confirmar”. Só quando as duas primeiras dimensões estiverem 100% aprovadas é que vale a pena partir para a avaliação de custo e engenharia.
| Nº | Item de verificação | Critério de aprovação | Sugestão em caso de reprovação |
|---|---|---|---|
| 1 | O canal de acesso é estável? | Pelo menos um canal formal, com contrato e emissão de nota fiscal | Continuar com o modelo atual e observar por 2 semanas |
| 2 | O formato da interface é compatível? | Consistente com o SDK ou a ferramenta Agent que você já usa | Avaliar o custo de adaptação na camada de compatibilidade |
| 3 | Contexto e tamanho da saída | Cobrir pelo menos 1,5x a sua tarefa mais longa | Manter o modelo antigo para tarefas muito longas |
| 4 | Desempenho no conjunto de testes próprio | Não ficar pior que o modelo antigo em 30 a 100 tarefas reais | Trocar apenas nos subcenários em que ele é melhor |
| 5 | Estabilidade da chamada de ferramentas | Taxa de erro no formato de function calling aceitável | Adicionar validação de parâmetros e retry |
| 6 | Capacidade multimodal / de longo prazo | Ganho claro em tarefas visuais ou de múltiplos passos | Não pagar por capacidade que você não vai usar |
| 7 | Critério de cobrança claro | Preço unitário de entrada, cache e saída explícito e consultável | Ter a fatura da plataforma como referência, começar com testes pequenos |
| 8 | Estratégia de acerto de cache | Prefixos fixos, como o system prompt, conseguem acertar o cache | Ajustar a estrutura do prompt |
| 9 | Preço promocional e pacotes de recursos | Saber claramente a data-limite do desconto e o preço de retorno | Recalcular o custo pelo preço de retorno |
| 10 | Cobrança de requisições com falha | Entender quais erros não são cobrados | Configurar monitoramento de códigos de erro |
| 11 | Rollout gradual e rollback | Conseguir dividir o tráfego por proporção e voltar com um clique | Montar a camada de roteamento antes de trocar |
| 12 | Dados e conformidade | Atender às exigências de transferência de dados para fora e retenção de logs | Escolher um canal compatível ou fazer deploy privado |
Disponibilidade e correspondência de capacidades: como verificar os 6 primeiros itens
Os itens 1 a 3 podem ser concluídos em meio dia. Tomando o LongCat-2.5 como exemplo, ele oferece ao mesmo tempo Base URLs compatíveis com OpenAI e com Anthropic, e a documentação oficial ainda traz instruções de configuração para o Claude Code — o que significa que o item 2 tem custo praticamente zero para a maioria das equipes. O caso do Hy4 é um pouco diferente: o comunicado da Tencent alerta que, antes de conectar ferramentas de programação como Claude Code e Codex, é preciso confirmar se o endpoint que você usa suporta o formato de interface correspondente.
Os itens 4 a 6 são a parte mais importante de toda a lista. Não olhe apenas os números de benchmark dos fornecedores — por exemplo, a Tencent afirma que o Hy4 teve ganhos de 19,1% e 9,8% nas avaliações GameDev e GameLogic em relação ao preview, mas isso é um avanço em relação à própria versão antiga e não prova diretamente que ele seja superior a outros modelos no seu negócio. A abordagem correta é extrair dos logs de produção de 30 a 100 tarefas reais representativas, fixar o comando, rodar cada uma com o modelo antigo e com o novo, e depois avaliar manualmente ou com regras.
Custo e risco de engenharia: como verificar os 6 últimos itens
Os itens 7 a 10 determinam se a fatura continuará controlável depois da troca. A plataforma LongCat, além do pagamento por uso, oferece pacotes de recursos de Token válidos por 30 dias, e esclarece que acertos de cache não consomem a cota do pacote e que requisições com falha como HTTP 401, 403, 429 e 500 não são cobradas. Essas regras têm grande impacto em cenários de Agent com alta concorrência, porque o Agent reenvia repetidamente comandos de sistema longos, e a taxa de acerto de cache costuma determinar o custo real.
Os itens 11 e 12 são os pontos que muitas equipes ignoram. Se no seu código o nome do modelo e a Base URL estão fixos em uma dúzia de lugares, qualquer troca vira uma release de alto risco. A recomendação é primeiro concentrar a invocação do modelo em uma camada de roteamento, com suporte a divisão proporcional de tráfego e rollback com um clique, e só depois discutir “trocar ou não”.
🎯 Recomendação técnica: Ao fazer o autoteste do item 4, o maior esforço costuma ser registrar contas e adaptar interfaces separadamente para cada modelo. A APIYI oferece chamadas de API para os principais modelos nacionais citados neste artigo, compatíveis com os dois formatos de interface, OpenAI e Anthropic; com o mesmo código, basta alterar o parâmetro model para comparar lado a lado. Os modelos já disponíveis devem ser consultados em docs.apiyi.com.
Migração gradual de modelos Agent chineses: guia rápido
Com a checklist concluída, chegou a hora de colocar em prática. A seguir, apresento o fluxo de migração gradual apenas com instruções de configuração, sem código específico, para você adaptar ao seu conjunto de tecnologias.
Primeiro passo: configuração unificada de acesso
Não importa o canal escolhido: no formato compatível com OpenAI, normalmente bastam três itens — Base URL, API Key e nome do model. No formato compatível com Anthropic, usando o Claude Code como exemplo, a documentação oficial do LongCat orienta definir ANTHROPIC_BASE_URL, ANTHROPIC_AUTH_TOKEN e o nome do modelo no arquivo settings.json de configuração do Claude, no diretório do usuário. Transformar esses três valores em variáveis de ambiente, em vez de escrevê-los no código da aplicação, é pré-requisito para a migração gradual.
| Item de configuração | Formato compatível com OpenAI | Formato compatível com Anthropic | Descrição |
|---|---|---|---|
| Endereço da interface | Base URL apontando para o caminho /v1 | ANTHROPIC_BASE_URL |
Consulte a documentação da plataforma escolhida |
| Autenticação | Cabeçalho Authorization com Bearer Key | ANTHROPIC_AUTH_TOKEN |
A Key fica em um serviço de gerenciamento de segredos |
| Modelo | Campo model no corpo da requisição |
Nome do modelo no arquivo de configuração | Uma variável para o modelo novo e outra para o antigo |
| Plataformas disponíveis | APIYI apiyi.com, API oficial do fabricante | APIYI apiyi.com, API oficial do fabricante | Os modelos disponíveis na plataforma devem ser conferidos na página do modelo |
Se integrar via APIYI, use como referência o Base URL e o nome do modelo indicados na documentação em docs.apiyi.com. A mesma Key pode ser usada para alternar entre vários modelos, o que facilita fazer divisão A/B na camada de roteamento.
Segundo passo: migração gradual com baixo tráfego
Sugiro avançar em três fases: “5% → 30% → 100%”, observando cada fase por pelo menos 2 a 3 dias. Os indicadores incluem taxa de conclusão de tarefas, taxa de erros de formato nas chamadas de ferramentas, latência média de resposta, consumo de tokens por tarefa e feedback dos usuários. Se qualquer um deles piorar de forma perceptível, volte o tráfego imediatamente para o modelo antigo e investigue a causa.
Durante a migração gradual, preste atenção especial aos códigos de erro. Nas primeiras semanas de um modelo novo, erros 429 (limite de taxa) e erros 500 costumam ser mais frequentes do que em modelos maduros. Por isso, configure na camada de roteamento lógica de retentativa automática e fallback para o modelo antigo. Ao mesmo tempo, registre quais requisições com falha foram cobradas e quais não foram, e confira isso com o item 10.
Terceiro passo: tráfego total e manutenção do rollback
Depois de migrar 100% do tráfego, não apague imediatamente a configuração do modelo antigo; mantenha um canal de rollback por pelo menos 2 semanas. Nas primeiras semanas, modelos recém-lançados podem receber atualizações de versão, ajustes de preço ou até mudanças no nome do modelo. Manter a capacidade de rollback permite responder com tranquilidade.
🚀 Início rápido: se quiser concluir os protótipos da primeira e da segunda etapas em uma tarde, registre-se no APIYI apiyi.com para obter uma Key, configure o endereço compatível com OpenAI ou Anthropic conforme as instruções de acesso em docs.apiyi.com e coloque os modelos novo e antigo na camada de roteamento para começar a comparação.
Recomendações de troca de modelos Agent nacionais para diferentes equipes
A lista é genérica, mas as conclusões variam conforme a equipe. A tabela de decisão abaixo relaciona os tipos comuns de equipes às ações sugeridas, para você localizar rapidamente sua situação.
| Tipo de equipe | Principais demandas | Ações recomendadas | Itens de verificação prioritários |
|---|---|---|---|
| Desenvolvedor individual / projeto independente | Experimentar, custo-benefício | Pode testar o quanto antes, mas mantenha o modelo antigo | Itens 7 e 9 (preço por tempo limitado e preço de restauração) |
| Usuário intensivo de Agent de programação | Tarefas de longa duração, qualidade de código | Faça autotestes com um repositório de código real antes de trocar | Itens 3, 4, 5 |
| Negócios de visão / 3D / design | Compreensão multimodal | Priorize avaliar o novo modelo | Item 6 |
| Sistemas de produção empresariais | Estabilidade, conformidade, auditabilidade | Observe por pelo menos 2 a 4 semanas antes do lançamento gradual | Itens 1, 11, 12 |
| Com requisitos de nacionalização ou implantação privada | Autonomia e controle | Acompanhe o progresso da abertura dos pesos | Item 12 e cronograma de código aberto |
Para equipes que precisam de implantação privada, a abertura dos pesos é um pré-requisito obrigatório. Até o momento da publicação, o LongCat-2.5 ainda não liberou os pesos, e a versão oficial do Hy4 também está na fase de “planejado para código aberto”; atualmente, o que está disponível para download é o Hy4-preview. Nesta fase, uma abordagem mais razoável para esse tipo de equipe é usar a API para validar as capacidades primeiro e, após o lançamento dos pesos, avaliar o custo de inferência auto-hospedada.
Os modelos nacionais maduros existentes também são referências importantes. Modelos como Kimi K3.1 Pro, DeepSeek V4 Pro, Qwen3.8 Max e GLM-5.3 já são amplamente utilizados em cenários de Agent de programação; os resultados de autoteste do novo modelo devem ser comparados com eles como grupo de controle, e não apenas com a versão antiga que você usava há alguns meses.
💡 Sugestão de escolha: qual modelo escolher depende do tipo de tarefa e dos requisitos de qualidade; recomenda-se rodar o novo modelo e os modelos maduros existentes no mesmo conjunto de autotestes. O APIYI oferece suporte à invocação unificada de diversos modelos nacionais mainstream, facilitando comparações e trocas rápidas; a cobrança segue a página de preços em docs.apiyi.com/models.
Perguntas Frequentes (FAQ)
Q1: O que é a “checklist de verificação para troca de modelos Agent nacionais”?
É uma lista de verificação usada após o lançamento de um novo modelo e antes de substituir oficialmente o modelo em produção. Ela cobre 4 dimensões — disponibilidade, aderência de capacidades, estrutura de custos e riscos de engenharia — em 12 itens. O objetivo não é te impedir de experimentar novidades, mas transformar a “troca por intuição” em uma “migração gradual com base em evidências”.
Q2: Qual é a diferença entre o LongCat-2.5 e a versão oficial do Hy4?
O LongCat-2.5 investe mais em programação de agentes de longo curso e programação visual, com saída máxima de 256K tokens e interfaces compatíveis com OpenAI e Anthropic de forma nativa. A versão oficial do Hy4 traz suporte a visão e operação de computador pela primeira vez, com otimizações específicas para adaptação a engines de jogos e tarefas de escritório no setor financeiro, além de planejar a abertura dos pesos. Nenhum dos dois substitui seus próprios testes com as suas tarefas.
Q3: Quando esses dois modelos Agent nacionais foram lançados?
O LongCat-2.5 foi lançado em 2 de novembro de 2026, após uma versão Preview lançada em 25 de setembro. A versão oficial do Hy4 foi lançada em 4 de novembro de 2026, enquanto o Hy4 preview saiu em 28 de agosto, com pesos abertos sob a licença Apache 2.0.
Q4: Em quais cenários vale mais a pena migrar prioritariamente para os novos modelos?
Principalmente nestas categorias:
– **Escrever código a partir de imagens**: gerar páginas front-end a partir de mockups de design ou capturas de tela, e gerar scripts de cenas 3D a partir de esquemas ilustrativos.
– **Operação de softwares especializados**: tarefas de automação que exigem chamar simultaneamente linha de comando e interface gráfica, como fluxos no Blender e em CAD.
– **Agentes com contexto ultra longo**: tarefas que precisam ler de uma só vez uma grande base de código ou um documento extenso e então realizar raciocínio em múltiplas etapas.
Q5: Como comparar rapidamente vários modelos Agent nacionais via API?
Recomenda-se usar uma plataforma de interface unificada com suporte a múltiplos modelos. Os passos são:
1. Acesse APIYI apiyi.com, registre uma conta e obtenha a chave API;
2. Consulte as instruções de integração em docs.apiyi.com e configure a Base URL no formato compatível com OpenAI ou Anthropic;
3. Com o mesmo conjunto de testes próprios, alterne o parâmetro model e registre taxa de conclusão, latência e consumo de tokens.
A APIYI é compatível com os dois formatos de interface mainstream, e ferramentas como Claude Code e Codex também podem se conectar diretamente, eliminando o custo de adaptação individual.
Q6: Como verificar o preço dos novos modelos e o que observar nos preços por tempo limitado?
Primeiro confirme se a cobrança distingue as três faixas — entrada, entrada em cache e saída — e depois verifique a data limite da promoção e o preço após o retorno ao valor normal. O LongCat indica oficialmente preço por tempo limitado, enquanto a Tencent afirma que a cobrança real é a mostrada no console. Ao chamar via APIYI, todos os preços unitários e de cache devem ser os dados reais da página de preços em docs.apiyi.com/models; recomenda-se fazer uma recarga pequena e rodar uma rodada de testes próprios antes de estimar o custo mensal.
Q7: Quais são as limitações conhecidas das novas versões dos modelos Agent nacionais?
Primeiro, as informações de especificação estão incompletas: por exemplo, a versão oficial do Hy4 não divulgou o número de parâmetros, e parte das especificações vem de páginas de terceiros. Segundo, a abertura dos pesos está atrasada; as versões oficiais dos dois novos modelos ainda não podem ser implantadas de forma privada. Terceiro, a autoavaliação do fabricante tem limitações; a Tencent também admite que o Hy4 ainda tem uma diferença considerável em relação aos modelos de código fechado de ponta em tarefas de alta complexidade. Diante dessas limitações, manter o modelo antigo como fallback é a abordagem mais segura.
Principais conclusões sobre a troca de modelos Agent nacionais
- Não corra atrás de cada lançamento: no início, especificações, preços e limites de requisições dos novos modelos podem mudar; observe primeiro e só depois faça a troca.
- Testes próprios valem mais que benchmarks: compare modelos novos e antigos com 30 a 100 tarefas reais; as avaliações do fabricante servem apenas como referência.
- Custo: observe quatro fatores: preço de entrada, preço de entrada em cache, preço de saída e prazo para o preço promocional voltar ao normal — nenhum pode faltar.
- Monte o roteamento antes de trocar: transforme nomes de modelos e Base URL em variáveis de ambiente, com suporte a distribuição proporcional de tráfego e rollback com um clique.
- Implantação gradual em três fases: 5%, 30% e 100% de tráfego, observando de 2 a 3 dias em cada fase.
- Implantação privada depende dos pesos: o LongCat-2.5 ainda não liberou os pesos; a versão oficial do Hy4 planeja abrir os pesos; por enquanto, valide pela API.
- Entrada unificada reduz custos: com a APIYI, que oferece endpoints compatíveis com os formatos da OpenAI e da Anthropic, dá para comparar vários modelos com uma única base de código.
Resumo
Quando um novo modelo Agent nacional é lançado, a pergunta “devo migrar imediatamente?” geralmente tem a resposta: “teste o quanto antes, migre com cautela”. Os pontos centrais deste artigo são:
- Use um checklist em vez da intuição: 12 verificações cobrem disponibilidade, capacidade, custo e riscos de engenharia — só faz sentido discutir os dois últimos depois que os dois primeiros estiverem aprovados.
- Deixe as tarefas reais falarem: LongCat-2.5 e Hy4 têm pontos fortes claros, mas só o seu próprio conjunto de testes pode provar se eles servem para você.
- Controle o risco com implantação gradual: camada de roteamento, proporção de tráfego e canal de fallback são a infraestrutura básica de qualquer troca de modelo.
Transforme este checklist em um processo padrão do time. Na próxima vez que surgir um novo modelo, você conseguirá chegar a uma conclusão baseada em dados em uma ou duas semanas, em vez de ficar oscilando em discussões.
Recomendamos validar os resultados rapidamente pelo APIYI apiyi.com: a plataforma oferece chamadas de API dos principais modelos nacionais citados neste artigo, compatíveis com os formatos de interface OpenAI e Anthropic. As instruções de integração estão em docs.apiyi.com, e os preços devem ser consultados em docs.apiyi.com/models.
📚 Referências
- Plataforma aberta LongCat API: interface, preços e instruções de configuração do Claude Code para o LongCat-2.5
- Link:
longcat.chat -
Descrição: consulte o nome do modelo, endereços compatíveis com OpenAI e Anthropic, e regras de pacotes de recursos
-
OpenRouter – Página do modelo Hy4: contexto, comprimento de saída e informações de tool calling da versão oficial do Hy4
- Link:
openrouter.ai/tencent/hy4 -
Descrição: complementa algumas especificações não listadas no anúncio da Tencent
-
Hugging Face – Card do modelo Hy4-preview: escala de parâmetros e licença de código aberto do Hy4 preview
- Link:
huggingface.co -
Descrição: conheça a arquitetura da versão preview e acompanhe o progresso da abertura dos pesos da versão oficial
-
Central de documentação e página de preços do APIYI: instruções de integração unificada de múltiplos modelos e dados de cobrança em tempo real
- Link:
docs.apiyi.comedocs.apiyi.com/models - Descrição: consulte formas de integração, modelos já disponíveis e preços com base na plataforma
Autor: Equipe Técnica APIYI
Intercâmbio técnico: sinta-se à vontade para nos contatar pela página inicial do APIYI apiyi.com para trocar experiências sobre troca de modelos. Mais materiais de integração estão disponíveis na central de documentação docs.apiyi.com
